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 Learning and Operating Presto: Fast, Reliable SQL for Data Analytics and Lakehouses

دانلود کتاب یادگیری و اجرای Presto: SQL سریع و قابل اعتماد برای تجزیه و تحلیل داده ها و Lakehouses

Learning and Operating Presto: Fast, Reliable SQL for Data Analytics and Lakehouses

مشخصات کتاب

Learning and Operating Presto: Fast, Reliable SQL for Data Analytics and Lakehouses

ویرایش:  
نویسندگان: , , ,   
سری:  
ISBN (شابک) : 9781098141851 
ناشر: O’Reilly Media, Inc. 
سال نشر: 2023 
تعداد صفحات: 194 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 Mb 

قیمت کتاب (تومان) : 41,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 6


در صورت تبدیل فایل کتاب Learning and Operating Presto: Fast, Reliable SQL for Data Analytics and Lakehouses 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 یادگیری و اجرای Presto: SQL سریع و قابل اعتماد برای تجزیه و تحلیل داده ها و Lakehouses 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 یادگیری و اجرای Presto: SQL سریع و قابل اعتماد برای تجزیه و تحلیل داده ها و Lakehouses

جامعه Presto از زمان پیدایش آن در فیس بوک در سال 2012 به صورت قارچ گونه رشد کرده است. اما افزایش این موتور جستجوی توزیع شده SQL می تواند حتی برای باتجربه ترین مهندسان نیز چالش برانگیز باشد. این کتاب عملی به شما نشان می دهد که چگونه عملیات Presto را در سازمان خود شروع کنید تا بینش هایی را در مورد مجموعه داده ها در هر کجا که ساکن هستند به دست آورید. نویسندگان Angelica Lo Duca، Vivek Bharathan و George Wang توضیح می‌دهند که Presto چیست، از کجا آمده است، و تفاوت آن با سایر راه‌حل‌های ذخیره‌سازی داده چیست. متوجه خواهید شد که چرا فیس بوک، اوبر، توییتر و ارائه دهندگان ابر، از جمله AWS، Google Cloud، و Alibaba از Presto استفاده می کنند و چگونه می توانید به سرعت Presto را در تولید مستقر کنید. شما درباره موارد زیر یاد خواهید گرفت: امنیت و مدیریت Presto نحو و اتصالات خوشه‌ها و تنظیم عیب‌یابی: گزارش‌ها، پیام‌های خطا و موارد دیگر گسترش Presto برای بینش تجاری در زمان واقعی گسترش PrestoDB


توضیحاتی درمورد کتاب به خارجی

The Presto community has mushroomed since its origins at Facebook in 2012. But ramping up this distributed SQL query engine can be challenging even for the most experienced engineers. This practical book shows you how to begin Presto operations at your organization to derive insights on datasets wherever they reside. Authors Angelica Lo Duca, Vivek Bharathan, and George Wang explain what Presto is, where it came from, and how it differs from other data warehousing solutions. You\'ll discover why Facebook, Uber, Twitter, and cloud providers, including AWS, Google Cloud, and Alibaba, use Presto and how you can quickly deploy Presto in production. You\'ll learn about: Presto security and administration Syntax and connectors Clusters and tuning Troubleshooting: logs, error messages, and more Extending Presto for real-time business insight Extending PrestoDB



فهرست مطالب

Preface
   Why We Wrote This Book
   Who This Book Is For
   Conventions Used in This Book
   Using Code Examples
   O’Reilly Online Learning
   How to Contact Us
   Acknowledgments
      Angelica Lo Duca
      Tim Meehan
      Vivek Bharathan
      Ying Su
1. Introduction to Presto
   Data Warehouses and Data Lakes
   The Role of Presto in a Data Lake
   Presto Origins and Design Considerations
      High Performance
      High Scalability
      Compliance with the ANSI SQL Standard
      Federation of Data Sources
      Running in the Cloud
   Presto Architecture and Core Components
   Alternatives to Presto
      Apache Impala
      Apache Hive
      Spark SQL
      Trino
   Presto Use Cases
      Reporting and Dashboarding
      Ad Hoc Querying
      ETL Using SQL
      Data Lakehouse
      Real-Time Analytics with Real-Time Databases
   Introducing Our Case Study
   Conclusion
2. Getting Started with Presto
   Presto Manual Installation
   Running Presto on Docker
      Installing Docker
      Presto Docker Image
         Dockerfile
         The etc/ directory
            node.properties
            jvm.config
            config.properties
            log.properties
            catalog/.properties
      Building and Running Presto on Docker
      The Presto Sandbox
   Deploying Presto on Kubernetes
      Introducing Kubernetes
      Configuring Presto on Kubernetes
         presto-coordinator.yaml
         presto-workers.yaml
         presto-config-map.yaml
         presto-secrets.yaml
      Adding a New Catalog
      Running the Deployment on Kubernetes
   Querying Your Presto Instance
      Listing Catalogs
      Listing Schemas
      Listing Tables
      Querying a Table
   Conclusion
3. Connectors
   Service Provider Interface
   Connector Architecture
   Popular Connectors
      Thrift
   Writing a Custom Connector
      Prerequisites
      Plugin and Module
         ExamplePlugin
         ExampleConnectorFactory
         ExampleModule
         ExampleConnector
         ExampleHandleResolver
      Configuration
         ExampleConfig
         SessionProperties
         TableProperties
      Metadata
         Data model
         Handles
         ExampleMetadata
         ExampleClient
      Input/Output
         ExampleSplitManager
         ExampleSplit
         ExampleRecordSetProvider and ExampleRecordSet
         ExampleRecordCursor
      Deploying Your Connector
   Apache Pinot
      Setting Up and Configuring Presto
         Setting up Pinot
         Configuring Pinot
         Configuring Presto with Pinot
      Presto-Pinot Querying in Action
   Conclusion
4. Client Connectivity
   Setting Up the Environment
      Presto Client
      Docker Image
      Kubernetes Node
   Connectivity to Presto
      REST API
      Python
      R
      JDBC
      Node.js
      ODBC
      Other Presto Client Libraries
   Building a Client Dashboard in Python
      Setting Up the Client
      Building the Dashboard
         Connecting to and querying Presto
         Preparing the results of the query
         Building the first graph
         Building the second graph
   Conclusion
5. Open Data Lakehouse Analytics
   The Emergence of the Lakehouse
   Data Lakehouse Architecture
   Data Lake
      File Store
      File Format
      Table Format
   Query Engine
   Metadata Management
   Data Governance
      Data Access Control
   Building a Data Lakehouse
      Configuring MinIO
         Populating MinIO
      Configuring HMS
      Configuring Spark
      Registering Hudi Tables with HMS
      Connecting and Querying Presto
   Conclusion
6. Presto Administration
   Introducing Presto Administration
   Configuration
      Properties
         How to configure a cluster
      Sessions
         Using sessions
      JVM
         Memory
         Out-of-memory errors
         Garbage collection
   Monitoring
      Console
         Using the console for monitoring
         Using the console for debugging
         Using the console for going over the interactive plan
      REST API
      Metrics
         JMX connector
         REST API
         JMX exporters
   Management
      Resource Groups
         Configuring resource groups
         Resource groups properties
         Example
      Verifiers
         Setting up the system
         Configuring the MySQL database
         Configuring the Presto verifier
         Running a test
      Session Properties Managers
         Configuring a session property manager
      Namespace Functions
         Setting up the system
         Configuring a function
         Running a test
   Conclusion
7. Understanding Security in Presto
   Introducing Presto Security
   Building Secure Communication in Presto
      Encryption
      Keystore Management
      Configuring HTTPS/TLS
         Running a Presto client
         Running the Presto console
   Authentication
      File-Based Authentication
         Running a Presto client
         Running the Presto console
      LDAP
      Kerberos
         Prerequisites
         Configuring the Presto coordinator and workers
         Configuring the Presto client
      Creating a Custom Authenticator
   Authorization
      Authorizing Access to the Presto REST API
      Configuring System Access Control
      Authorization Through Apache Ranger
         Building a custom audit function
   Conclusion
8. Performance Tuning
   Introducing Performance Tuning
      Reasons for Performance Tuning
      The Performance Tuning Life Cycle
   Query Execution Model
   Approaches for Performance Tuning in Presto
      Resource Allocation
      Storage
      Query Optimization
   Aria Scan
      Table Scanning
      Repartitioning
   Implementing Performance Tuning
      Building and Importing the Sample CSV Table in MinIO
      Converting the CSV Table in ORC
      Defining the Tuning Parameters
      Running Tests
         Default parameters
         Reducing CPU usage
         Query optimization
         Aria scan
   Conclusion
9. Operating Presto at Scale
   Introducing Scalability
      Reasons to Scale Presto
      Common Issues
   Design Considerations
      Availability
      Manageability
      Performance
      Protection
      Configuration
   How to Scale Presto
      Multiple Coordinators
      Presto on Spark
      Spilling
   Using a Cloud Service
   Conclusion
Index




نظرات کاربران