Velká data: Principy a osvědčené postupy škálovatelných datových systémů v reálném čase: Big Big Data: Principy a osvědčené postupy škálovatelných datových systémů v reálném čase

Recenze čtenářů

Kniha podrobně popisuje architekturu Lambda, její součásti a její využití při zpracování velkých objemů dat. Zatímco mnoho recenzí chválí teorii a srozumitelnost obsahu, existují problémy s fyzickou vazbou knihy a některé obavy ohledně praktické implementace.

⬤ Přehledný a podrobný výklad architektury Lambda a konceptů big data.
⬤ Jasné teoretické poznatky až na úroveň bajtů.
⬤ Užitečné pro pochopení složitosti velkých dat.
⬤ Vhodné pro začátečníky i zkušené vývojáře; účinně řeší problémy reálného světa.
⬤ Poskytuje hluboký ponor do dávkové vrstvy a pseudomodelů.

⬤ Špatná fyzická vazba a kvalita sestavení
⬤ některé výtisky se rozpadají.
⬤ Omezená praktická řešení nebo aktualizace probírané architektury, díky čemuž se zdá být některý obsah zastaralý.
⬤ Někteří čtenáři zjistili, že přístup postrádá použitelné implementační detaily pro současné frameworky.
⬤ Ne všichni čtenáři snadno pochopili koncepty
⬤ někteří se cítili zmatení.

(na základě 60 hodnocení čtenářů)

Původní název:

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

Obsah knihy:

Shrnutí

Big Data vás naučí vytvářet systémy pro zpracování velkých objemů dat pomocí architektury, která využívá výhod clusterového hardwaru spolu s novými nástroji navrženými speciálně pro zachycování a analýzu dat ve webovém měřítku. Popisuje škálovatelný, snadno pochopitelný přístup k systémům velkých dat, které může vybudovat a provozovat malý tým. Kniha na reálném příkladu provádí čtenáře teorií systémů velkých dat, jejich praktickou implementací a nasazením a provozem po jejich vybudování.

Zakoupení tištěné knihy zahrnuje bezplatnou elektronickou knihu ve formátech PDF, Kindle a ePub od Manning Publications.

O knize

Webové aplikace, jako jsou sociální sítě, analytika v reálném čase nebo weby elektronického obchodování, pracují s velkým množstvím dat, jejichž objem a rychlost překračují limity tradičních databázových systémů. Tyto aplikace vyžadují architektury postavené na clusterech strojů, které umožňují ukládat a zpracovávat data libovolné velikosti nebo rychlosti. Naštěstí se rozsah a jednoduchost vzájemně nevylučují.

Big Data vás naučí vytvářet systémy pro zpracování velkých objemů dat pomocí architektury navržené speciálně pro zachycování a analýzu dat ve webovém měřítku. Tato kniha představuje architekturu Lambda, škálovatelný, snadno pochopitelný přístup, který může být vytvořen a provozován malým týmem. Seznámíte se s teorií systémů big data a s tím, jak je implementovat v praxi. Kromě toho, že objevíte obecný rámec pro zpracování velkých dat, se seznámíte s konkrétními technologiemi, jako jsou Hadoop, Storm a databáze NoSQL.

Tato kniha nevyžaduje žádné předchozí zkušenosti s analýzou rozsáhlých dat ani s nástroji NoSQL. Užitečná je znalost tradičních databází.

Co je uvnitř

⬤ Úvod do systémů pro zpracování velkých objemů dat.

⬤ Zpracování dat webového rozsahu v reálném čase.

⬤ Nástroje jako Hadoop, Cassandra a Storm.

⬤ Rozšíření tradičních databázových dovedností.

O autorech

Nathan Marz je tvůrcem Apache Storm a původcem architektury Lambda pro systémy velkých dat. James Warren je analytik a architekt s praxí v oblasti strojového učení a vědeckých výpočtů.

Obsah

⬤ Nové paradigma pro velká data.

ČÁST 1 DÁVKOVÁ VRSTVA.

⬤ Datový model pro velká data.

⬤ Datový model pro velká data: Ilustrace.

⬤ Uložení dat na dávkové vrstvě.

⬤ Uložení dat v dávkové vrstvě: Ilustrace.

⬤ Dávková vrstva.

⬤ Dávková vrstva: Ilustrace.

⬤ Příklad dávkové vrstvy: Architektura a algoritmy.

⬤ Příklad dávkové vrstvy: Implementace.

ČÁST 2 OBSLUŽNÁ VRSTVA.

⬤ Obslužná vrstva.

⬤ Obslužná vrstva: Ilustrace.

ČÁST 3 RYCHLOSTNÍ VRSTVA.

⬤ Pohledy v reálném čase.

⬤ Pohledy v reálném čase: Ilustrace.

⬤ Řazení do fronty a proudové zpracování.

⬤ Řazení do front a zpracování datových toků: Ilustrace.

⬤ Mikrodávkové proudové zpracování.

⬤ Mikrodávkové proudové zpracování: Ilustrace.

⬤ Architektura lambda do hloubky.