Building Big Data Pipelines with Apache Beam: Use a single programming model for both batch and stream data processing

پیاده‌سازی، اجرا، بهره‌برداری و آزمایش خطوط لوله پردازش داده با استفاده از پرتو Apache

ویژگی‌های کلیدی

• درک نحوه بهبود قابلیت استفاده و بهره‌وری هنگام اجرای خطوط لوله Beam
• یادگیری نحوه استفاده از پردازش حالت برای اجرای موارد کاربری پیچیده با استفاده از پرتو آپاچی
• اجرا، آزمایش و اجرای خطوط لوله Apache Beam با کمک نکات و تکنیک های متخصص< /li>

توضیحات کتاب

Apache Beam یک مدل برنامه نویسی یکپارچه منبع باز برای پیاده سازی و اجرای خطوط لوله پردازش داده، از جمله Extract، Transform، and Load (ETL)، دسته ای و پردازش جریانی.

این کتاب به شما کمک می‌کند تا خطوط لوله پردازش داده را با اطمینان Apache Beam ایجاد کنید. شما با یک نمای کلی از Apache Beam شروع می‌کنید و نحوه استفاده از آن را برای پیاده‌سازی خطوط لوله اولیه درک خواهید کرد. شما همچنین یاد خواهید گرفت که چگونه خطوط لوله را به طور موثر آزمایش و اجرا کنید. همانطور که پیشرفت می کنید، نحوه ساختار کد خود را برای قابلیت استفاده مجدد و همچنین استفاده از زبان های خاص دامنه (DSL) بررسی خواهید کرد. فصل‌های بعدی به شما نشان می‌دهند که چگونه از طرح‌واره‌ها استفاده کنید و داده‌های خود را با استفاده از (جریان‌گذاری) SQL جستجو کنید. در نهایت، مفاهیم پیشرفته پرتو آپاچی، مانند پیاده‌سازی کانکتورهای ورودی/خروجی خود را خواهید فهمید.

در پایان این کتاب، درک عمیقی از مدل پرتو آپاچی به دست خواهید آورد و خواهید توانست قادر به استفاده از آن برای حل مسائل است.

آنچه یاد خواهید گرفت

• درک مفاهیم اصلی و معماری Apache Beam
• اجرای داده های بدون حالت و حالت خطوط لوله پردازش
• استفاده از حالت و تایمر برای پردازش پردازش رویداد بلادرنگ
• ساختار کد خود را برای قابلیت استفاده مجدد
• از پخش جریانی SQL برای پردازش داده های بلادرنگ برای افزایش استفاده کنید. بهره وری و دسترسی به داده ها
• یک خط لوله را با استفاده از رانر قابل حمل اجرا کنید و پردازش داده را با استفاده از Apache Beam Python SDK اجرا کنید
• پیاده سازی کانکتورهای Apache Beam I/O با استفاده از Splittable DoFn API

این کتاب برای چه کسانی است

این کتاب برای مهندسان داده، دانشمندان داده و تحلیلگران داده است که می خواهند یاد بگیرند که چگونه پرتو آپاچی کار می کند. دانش سطح متوسط ​​از زبان برنامه نویسی جاوا فرض می شود.

فهرست مطالب

1. مقدمه ای بر پردازش داده با پرتو آپاچی
2. پیاده سازی، آزمایش، و استقرار خطوط لوله اصلی
3. پیاده سازی خطوط لوله با استفاده از پردازش حالتی
4. ساختار کد برای قابلیت استفاده مجدد
5. استفاده از SQL برای پیاده سازی خط لوله
6. استفاده از زبان دلخواه شما با قابلیت حمل
7. توسعه اتصالات ورودی/خروجی Apache Beam
8. درک نحوه اجرای Pipelines توسط Runners

Implement, run, operate, and test data processing pipelines using Apache Beam

Key Features

• Understand how to improve usability and productivity when implementing Beam pipelines
• Learn how to use stateful processing to implement complex use cases using Apache Beam
• Implement, test, and run Apache Beam pipelines with the help of expert tips and techniques

Book Description

Apache Beam is an open source unified programming model for implementing and executing data processing pipelines, including Extract, Transform, and Load (ETL), batch, and stream processing.

This book will help you to confidently build data processing pipelines with Apache Beam. You'll start with an overview of Apache Beam and understand how to use it to implement basic pipelines. You'll also learn how to test and run the pipelines efficiently. As you progress, you'll explore how to structure your code for reusability and also use various Domain Specific Languages (DSLs). Later chapters will show you how to use schemas and query your data using (streaming) SQL. Finally, you'll understand advanced Apache Beam concepts, such as implementing your own I/O connectors.

By the end of this book, you'll have gained a deep understanding of the Apache Beam model and be able to apply it to solve problems.

What you will learn

• Understand the core concepts and architecture of Apache Beam
• Implement stateless and stateful data processing pipelines
• Use state and timers for processing real-time event processing
• Structure your code for reusability
• Use streaming SQL to process real-time data for increasing productivity and data accessibility
• Run a pipeline using a portable runner and implement data processing using the Apache Beam Python SDK
• Implement Apache Beam I/O connectors using the Splittable DoFn API

Who this book is for

This book is for data engineers, data scientists, and data analysts who want to learn how Apache Beam works. Intermediate-level knowledge of the Java programming language is assumed.

Table of Contents

1. Introduction to Data Processing with Apache Beam
2. Implementing, Testing, and Deploying Basic Pipelines
3. Implementing Pipelines Using Stateful Processing
4. Structuring Code for Reusability
5. Using SQL for Pipeline Implementation
6. Using Your Preferred Language with Portability
7. Extending Apache Beam's I/O Connectors
8. Understanding How Runners Execute Pipelines