Cassandra: The Definitive Guide, (Revised) Third Edition: Dane rozproszone w skali internetowej

Opinie czytelników

Książka oferuje podstawowe wprowadzenie do Cassandry, ale ma kilka kwestii organizacyjnych i brakuje jej głębi w ważnych obszarach, zwłaszcza w zakresie modelowania danych i operacji. Podczas gdy niektórzy użytkownicy uznali ją za pomocną w zrozumieniu podstaw Cassandry, inni krytykowali jej format i kompleksowość.

Książka jest pomocna dla początkujących w zrozumieniu podstaw i ograniczeń Cassandry. Niektórzy użytkownicy uznali ją za wartościową dla poznania nowych aspektów Cassandry, o których wcześniej nie wiedzieli.

Książka jest słabo zorganizowana, a ważne informacje są w niej rozproszone. Opisano ją jako przeciętną i pozbawioną głębi, szczególnie w zakresie modelowania danych i operacji Kubernetes. Podkreślono potrzebę lepszej struktury, a także skargi dotyczące formatu publikacji.

(na podstawie 3 opinii czytelników)

Oryginalny tytuł:

Cassandra: The Definitive Guide, (Revised) Third Edition: Distributed Data at Web Scale

Zawartość książki:

Wyobraź sobie, co mógłbyś zrobić, gdyby skalowalność nie stanowiła problemu. Dzięki temu praktycznemu przewodnikowi dowiesz się, w jaki sposób system zarządzania bazą danych Cassandra obsługuje setki terabajtów danych, zachowując jednocześnie wysoką dostępność w wielu centrach danych.

To poprawione trzecie wydanie - zaktualizowane dla Cassandra 4. 0 i nowe osiągnięcia w ekosystemie Cassandra, w tym wdrożenia w Kubernetes z K8ssandra - zawiera szczegóły techniczne i praktyczne przykłady, które pomogą Ci uruchomić tę bazę danych w środowisku produkcyjnym. Autorzy Jeff Carpenter i Eben Hewitt demonstrują zalety nierelacyjnego projektu Cassandry, ze szczególnym uwzględnieniem modelowania danych.

Programiści, administratorzy baz danych i architekci aplikacji, którzy chcą rozwiązać problem skalowania bazy danych lub zabezpieczyć aplikację na przyszłość, dowiedzą się, jak wykorzystać szybkość i elastyczność Cassandry. Zrozumieć rozproszoną i zdecentralizowaną strukturę Cassandry Używać Cassandra Query Language (CQL) i cqlsh (powłoki CQL) Stworzyć działający model danych i porównać go z równoważnym modelem relacyjnym Projektować i rozwijać aplikacje przy użyciu sterowników klienckich Zbadać topologię klastra i dowiedzieć się, w jaki sposób węzły wymieniają dane Utrzymać wysoki poziom wydajności w klastrze Wdrożyć Cassandrę na miejscu, w chmurze lub za pomocą Docker i Kubernetes Zintegrować Cassandrę ze Spark, Kafka, Elasticsearch, Solr i Lucene