Hodnocení:
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.
Klady:⬤ 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)
Big Data: Principles and Best Practices of Scalable Realtime Data Systems
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.