ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Foundations for Architecting Data Solutions: Managing Successful Data Projects

دانلود کتاب مبانی معماری راه حل های داده: مدیریت پروژه های داده موفق

Foundations for Architecting Data Solutions: Managing Successful Data Projects

مشخصات کتاب

Foundations for Architecting Data Solutions: Managing Successful Data Projects

دسته بندی: کامپیوتر
ویرایش: Paperback 
نویسندگان: ,   
سری:  
ISBN (شابک) : 1492038741, 9781492038740 
ناشر: O’Reilly Media 
سال نشر: 2018 
تعداد صفحات: 189 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت 

قیمت کتاب (تومان) : 47,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Foundations for Architecting Data Solutions: Managing Successful Data Projects 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 مبانی معماری راه حل های داده: مدیریت پروژه های داده موفق 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.


توضیحاتی در مورد کتاب مبانی معماری راه حل های داده: مدیریت پروژه های داده موفق

در حالی که بسیاری از شرکت ها به جزئیات پیاده سازی مانند موتورهای پردازش توزیع شده و الگوریتم های تجزیه و تحلیل داده ها فکر می کنند، این کتاب کاربردی دید بسیار گسترده تری از توسعه کلان داده دارد، که از برنامه ریزی اولیه شروع می شود و با پشتکار به سمت اجرا حرکت می کند. نویسندگان تد مالاسکا و جاناتان سیدمن شما را از طریق مؤلفه‌های اصلی لازم برای شروع، معمار و توسعه پروژه‌های کلان داده موفق راهنمایی می‌کنند.

همه از CIOها و COOها گرفته تا معماران و توسعه‌دهندگان اصلی، انواع داده‌های بزرگ را بررسی خواهند کرد. معماری ها و برنامه های کاربردی، از خطوط لوله داده های عظیم تا برنامه های کاربردی در مقیاس وب. هر فصل به بخشی از چرخه عمر توسعه نرم افزار می پردازد و الگوهایی را برای به حداکثر رساندن موفقیت بلندمدت در طول عمر پروژه شما مشخص می کند.


فرآیند برنامه ریزی را با در نظر گرفتن انواع پروژه داده های کلیدی شروع کنید.
استفاده از دستورالعمل‌ها برای ارزیابی و انتخاب راه‌حل‌های مدیریت داده‌ها
کاهش ریسک مربوط به فناوری، تیم شما و الزامات مبهم
کاوش در طراحی رابط سیستم با استفاده از API، REST، و سیستم‌های pub/sub
سیستم ذخیره سازی توزیع شده مناسب را برای سیستم کلان داده خود انتخاب کنید
مجموعه های ابرداده را برای معماری داده خود برنامه ریزی و پیاده سازی کنید
از خطوط لوله داده برای اطمینان از یکپارچگی داده ها از منبع تا ذخیره سازی نهایی استفاده کنید
ویژگی های مختلف را ارزیابی کنید. موتورهایی برای پردازش داده هایی که جمع آوری می کنید


توضیحاتی درمورد کتاب به خارجی

While many companies ponder implementation details such as distributed processing engines and algorithms for data analysis, this practical book takes a much wider view of big data development, starting with initial planning and moving diligently toward execution. Authors Ted Malaska and Jonathan Seidman guide you through the major components necessary to start, architect, and develop successful big data projects.

Everyone from CIOs and COOs to lead architects and developers will explore a variety of big data architectures and applications, from massive data pipelines to web-scale applications. Each chapter addresses a piece of the software development life cycle and identifies patterns to maximize long-term success throughout the life of your project.


Start the planning process by considering the key data project types
Use guidelines to evaluate and select data management solutions
Reduce risk related to technology, your team, and vague requirements
Explore system interface design using APIs, REST, and pub/sub systems
Choose the right distributed storage system for your big data system
Plan and implement metadata collections for your data architecture
Use data pipelines to ensure data integrity from source to final storage
Evaluate the attributes of various engines for processing the data you collect





نظرات کاربران