Aplikační architektury Hadoop: (Grover Rajat (Mark)): Navrhování reálných aplikací pro velká data

Recenze čtenářů

Kniha o Hadoopu poskytuje ucelený přehled modelování dat, vzorů architektury a osvědčených postupů pro práci s technologiemi Hadoop. Přestože nabízí cenné poznatky a praktické příklady, někteří čtenáři upozorňují, že některé nástroje nebo informace mohou být zastaralé, a je určena především těm, kteří již mají určité znalosti o Hadoopu, nikoli úplným začátečníkům.

** Dobře organizovaná a přehledná struktura ** Komplexní pokrytí technologií Hadoop ** Nabízí praktické případové studie a osvědčené postupy pro reálné aplikace ** Bohatý obsah; mnoho čtenářů jej považuje za zasvěcený a informativní ** Vhodné pro vývojáře i architekty s již existujícími znalostmi Hadoopu ** Včasné zdůvodnění výběru nástrojů a volby architektury

** Některé informace a nástroje mohou být zastaralé ** Není ideální pro úplné začátečníky, protože předpokládá předchozí znalosti Hadoopu ** Některá pokročilá témata mohou být pokryta povrchně

(na základě 22 hodnocení čtenářů)

Původní název:

Hadoop Application Architectures: Designing Real-World Big Data Applications (Grover Rajat (Mark))

Obsah knihy:

Získejte odborné pokyny k architektuře komplexních řešení pro správu dat s Apache Hadoop. Zatímco mnoho zdrojů vysvětluje, jak používat různé komponenty v ekosystému Hadoop, tato praktická kniha vás provede architektonickými úvahami, které jsou nezbytné k propojení těchto komponent do kompletní aplikace na míru, založené na konkrétním případu použití.

Pro upevnění těchto poznatků obsahuje druhá část knihy podrobné příklady architektur používaných v některých nejčastěji se vyskytujících aplikacích Hadoop. Ať už navrhujete novou aplikaci Hadoop, nebo plánujete integrovat Hadoop do stávající datové infrastruktury, kniha Architektury aplikací Hadoop vás tímto procesem dovedně provede.

Tato kniha se zabývá:

⬤ Faktory, které je třeba vzít v úvahu při použití Hadoopu k ukládání a modelování dat.

⬤ Nejlepší postupy pro přesun dat do systému a ze systému.

⬤ Rámce pro zpracování dat, včetně MapReduce, Spark a Hive.

⬤ Běžná schémata zpracování dat v systému Hadoop, jako je odstraňování duplicitních záznamů a používání analýzy oken.

⬤ Giraph, GraphX a další nástroje pro zpracování velkých grafů v systému Hadoop.

⬤ Používání nástrojů pro orchestraci a plánování pracovních postupů, jako je Apache Oozie.

⬤ Zpracování datových toků v téměř reálném čase pomocí aplikací Apache Storm, Apache Spark Streaming a Apache Flume.

⬤ Příklady architektury pro analýzu clickstreamů, detekci podvodů a datové sklady.