دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [5 ed.]
نویسندگان: Mark Needham and Dunith Dhanushka
سری:
ISBN (شابک) : 9781098138790
ناشر: O'Reilly Media, Inc.
سال نشر: 2022
تعداد صفحات: 111
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 10 Mb
در صورت تبدیل فایل کتاب Building Real-Time Analytics Systems: From Events to Insights with Apache Kafka and Apache Pinot (5th Early Release) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب ساختن سیستم های تجزیه و تحلیل بلادرنگ: از رویدادها تا بینش با آپاچی کافکا و آپاچی پینوت (پنجمین انتشار زودهنگام) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
بینش عمیقی نسبت به تجزیه و تحلیل بلادرنگ، از جمله ویژگی های این سیستم ها و مشکلاتی که آنها حل می کنند، به دست آورید. با این کتاب کاربردی، مهندسان داده در سازمانهایی که از سیستمهای پردازش رویداد مانند Kafka، Google Pub/Sub و AWS Kinesis استفاده میکنند، یاد میگیرند که چگونه جریانهای داده را در زمان واقعی تجزیه و تحلیل کنند. هرچه سریعتر بینشها را به دست آورید، سریعتر میتوانید تغییرات در کسبوکارتان را تشخیص دهید و مطابق با آن عمل کنید.\r\n\r\nدر بخش اول این کتاب، نویسندگان Mark Needham و Dunith Dhanushka از StarTree یک نمای کلی از فضای تجزیه و تحلیل بلادرنگ و درک آنچه در ساخت برنامه های بلادرنگ انجام می شود ارائه می دهند. بخش دوم مجموعهای از آموزشهای عملی را ارائه میدهد که به شما نشان میدهد چگونه چندین محصول نرمافزاری را برای ساخت برنامههای تحلیلی بلادرنگ برای یک سرویس تحویل پیتزا خیالی ترکیب کنید.\r\n\r\nاصطلاح \"جریان\" یک جریان مداوم و بی پایان از داده ها را بدون آغاز یا پایان توصیف می کند. داده ها در طول زمان به صورت تدریجی در دسترس قرار می گیرند، به این معنی که می توانید بدون نیاز به دانلود همه چیز در یک حرکت، بر اساس آن عمل کنید. یک جریان داده شامل یک سری نقاط داده است که در زمان مرتب شده اند. هر نقطه داده نشان دهنده یک \"رویداد\" یا تغییر وضعیتی است که در کسب و کار رخ داده است. به عنوان مثال، مشتری در حال خرید یک محصول به یک رویداد تبدیل می شود که حقایقی را در مورد شخص، محصول، قیمت و زمان معامله ثبت می کند.\r\n\r\nReal-Time Analytics چیست؟\r\nرویدادهای خام بی فایده هستند مگر اینکه راهی برای به دست آوردن بینش از آنها پیدا کنیم. ما میتوانیم این بینشها را با استفاده از یک «سیستم تجزیه و تحلیل داده» که رویدادهای خام را جمعآوری، ذخیره، پردازش و تجزیه و تحلیل میکند تا بینشهای عملی را از آنها ایجاد کند، استخراج کنیم. سیستم های تجزیه و تحلیل بلادرنگ رویدادها را به محض در دسترس قرار گرفتن، ضبط، تجزیه و تحلیل و عمل می کنند. آنها همتای نامحدود و به طور تدریجی پردازش شده سیستم های پردازش دسته ای هستند که برای سال ها بر فضای تجزیه و تحلیل داده ها تسلط داشته اند.\r\n\r\nبا این کتاب، شما:\r\n\r\nمعماری های رایج برای تجزیه و تحلیل بلادرنگ را بیاموزید\r\nکشف کنید که پردازش رویداد چگونه با تجزیه و تحلیل زمان واقعی متفاوت است\r\nدادههای رویداد را از آپاچی کافکا به آپاچی پینوت وارد کنید\r\nبا استفاده از Kafka Streams، جریان رویداد را با داده های ثابت ترکیب کنید\r\nپرس و جوهای بلادرنگ را در برابر داده های رویداد ذخیره شده در Apache Pinot بنویسید\r\nساخت داشبورد بلادرنگ، خط لوله تشخیص تقلب، برنامه ردیابی سفارش و سیستم تشخیص ناهنجاری\r\nبیاموزید که چگونه سازمان هایی مانند Uber، Stripe، و Just Eat از تجزیه و تحلیل زمان واقعی استفاده می کنند
Gain deep insight into real-time analytics, including the features of these systems and the problems they solve. With this practical book, data engineers at organizations that use event-processing systems such as Kafka, Google Pub/Sub, and AWS Kinesis will learn how to analyze data streams in real time. The faster you derive insights, the quicker you can spot changes in your business and act accordingly. In the first part of this book, authors Mark Needham and Dunith Dhanushka from StarTree provide an overview of the real-time analytics space and an understanding of what goes into building real-time applications. The second part offers a series of hands-on tutorials that show you how to combine multiple software products to build real-time analytics applications for an imaginary pizza delivery service. The term “streaming” describes a continuous, never-ending flow of data with no beginning or end. The data is made available incrementally over time, which means that you can act upon it without needing to download everything in one go. A data stream consists of a series of data points ordered in time. Each data point represents an “event” or a change in state that has occurred in the business. For example, a customer purchasing a product becomes an event, which captures facts about the person, product, price, and transaction time. What is Real-Time Analytics? Raw events are useless unless we find a way to derive insights from them. We can derive these insights using a “data analytics system” that captures, stores, processes, and analyses raw events to generate actionable insights from them. Real-time analytics systems capture, analyze and act upon events as soon as they become available. They are the unbounded, incrementally processed counterpart to the batch processing systems that have dominated the data analytics space for many years. With this book, you will: Learn common architectures for real-time analytics Discover how event processing differs from real-time analytics Ingest event data from Apache Kafka into Apache Pinot Combine event streams with static data using Kafka Streams Write real-time queries against event data stored in Apache Pinot Build a real-time dashboard, fraud detection pipeline, order tracking app, and anomaly detection system Learn how organizations like Uber, Stripe, and Just Eat use real-time analytics