Big Data: Zasady i najlepsze praktyki skalowalnych systemów danych czasu rzeczywistego

Opinie czytelników

Książka zapewnia szczegółową eksplorację architektury Lambda, jej komponentów i jej zastosowania w obsłudze dużych zbiorów danych. Podczas gdy wiele recenzji chwali teorię i przejrzystość treści, istnieją problemy z fizyczną oprawą książki i pewne obawy dotyczące praktycznej implementacji.

⬤ Dobrze zorganizowane i szczegółowe wyjaśnienie architektury Lambda i koncepcji big data.
⬤ Wyraźne teoretyczne spostrzeżenia aż do poziomu bajtów.
⬤ Pomocna w zrozumieniu złożoności big data.
⬤ Nadaje się zarówno dla początkujących, jak i doświadczonych programistów; skutecznie rozwiązuje rzeczywiste problemy.
⬤ Zapewnia dogłębną analizę warstwy wsadowej i pseudo-modeli.

⬤ Słaba fizyczna oprawa i jakość złożenia
⬤ Niektóre egzemplarze rozpadają się.
⬤ Ograniczone praktyczne rozwiązania lub aktualizacje omawianej architektury, przez co niektóre treści wydają się przestarzałe.
⬤ Niektórzy czytelnicy uważają, że w podejściu brakuje odpowiednich szczegółów implementacji dla obecnych frameworków.
⬤ Nie wszyscy czytelnicy z łatwością pojmują koncepcje
⬤ niektórzy czują się zdezorientowani.

(na podstawie 60 opinii czytelników)

Oryginalny tytuł:

Big Data: Principles and Best Practices of Scalable Realtime Data Systems

Zawartość książki:

Streszczenie

Big Data uczy budowania systemów Big Data przy użyciu architektury, która wykorzystuje sprzęt klastrowy wraz z nowymi narzędziami zaprojektowanymi specjalnie do przechwytywania i analizowania danych w skali internetowej. Opisuje skalowalne, łatwe do zrozumienia podejście do systemów Big Data, które mogą być budowane i uruchamiane przez mały zespół. Podążając za realistycznym przykładem, książka ta prowadzi czytelników przez teorię systemów big data, jak je wdrożyć w praktyce oraz jak je wdrożyć i obsługiwać po ich zbudowaniu.

Zakup książki drukowanej obejmuje bezpłatny eBook w formatach PDF, Kindle i ePub od Manning Publications.

O książce

Aplikacje internetowe, takie jak sieci społecznościowe, analizy w czasie rzeczywistym lub witryny handlu elektronicznego, mają do czynienia z dużą ilością danych, których objętość i prędkość przekraczają ograniczenia tradycyjnych systemów baz danych. Aplikacje te wymagają architektur zbudowanych wokół klastrów maszyn do przechowywania i przetwarzania danych o dowolnym rozmiarze i prędkości. Na szczęście skala i prostota nie wykluczają się wzajemnie.

Big Data uczy budowania systemów Big Data przy użyciu architektury zaprojektowanej specjalnie do przechwytywania i analizowania danych w skali internetowej. Książka ta przedstawia architekturę Lambda, skalowalne, łatwe do zrozumienia podejście, które może być zbudowane i uruchomione przez mały zespół. Poznasz teorię systemów Big Data i dowiesz się, jak wdrożyć je w praktyce. Oprócz odkrycia ogólnych ram przetwarzania dużych zbiorów danych, poznasz konkretne technologie, takie jak Hadoop, Storm i bazy danych NoSQL.

Książka ta nie wymaga wcześniejszego kontaktu z analizą danych na dużą skalę lub narzędziami NoSQL. Przydatna jest natomiast znajomość tradycyjnych baz danych.

What's Inside

⬤ Wprowadzenie do systemów big data.

⬤ Przetwarzanie danych w czasie rzeczywistym w skali sieci.

⬤ Narzędzia takie jak Hadoop, Cassandra i Storm.

⬤ Rozszerzenia tradycyjnych umiejętności bazodanowych.

O Autorach

Nathan Marz jest twórcą Apache Storm i pomysłodawcą architektury Lambda dla systemów big data. James Warren jest architektem analitycznym z doświadczeniem w uczeniu maszynowym i obliczeniach naukowych.

Spis treści

⬤ Nowy paradygmat dla Big Data.

CZĘŚĆ 1 WARSTWA WSADOWA.

⬤ Model danych dla Big Data.

⬤ Model danych dla Big Data: Ilustracja.

⬤ Przechowywanie danych w warstwie wsadowej.

⬤ Przechowywanie danych w warstwie wsadowej: Ilustracja.

⬤ Warstwa wsadowa.

⬤ Warstwa wsadowa: Ilustracja.

⬤ Przykładowa warstwa wsadowa: Architektura i algorytmy.

⬤ Przykładowa warstwa wsadowa: Implementacja.

CZĘŚĆ 2 WARSTWA SERWOWANIA.

⬤ Warstwa serwująca.

⬤ Warstwa serwowania: Ilustracja.

CZĘŚĆ 3 WARSTWA PRĘDKOŚCI.

⬤ Widoki w czasie rzeczywistym.

⬤ Widoki w czasie rzeczywistym: Ilustracja.

⬤ Kolejkowanie i przetwarzanie strumieniowe.

⬤ Kolejkowanie i przetwarzanie strumieniowe: Ilustracja.

⬤ Przetwarzanie strumieniowe w trybie mikro.

⬤ Przetwarzanie strumieniowe w trybie mikro: Ilustracja.

⬤ Architektura Lambda w szczegółach.