دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Real-time Big Data Analytics
دانلود کتاب تجزیه و تحلیل داده های بزرگ در زمان واقعی
مشخصات کتاب
Real-time Big Data Analytics
ویرایش:
نویسندگان: Sumit Gupta. Shilpi
سری:
ISBN (شابک) : 1784391409, 9781784391409
ناشر: Packt Publishing
سال نشر: 2016
تعداد صفحات: 0
زبان: English
فرمت فایل : AZW3 (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 مگابایت
قیمت کتاب (تومان) : 41,000
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های بزرگ در زمان واقعی: پردازش داده، پایگاه داده و کلان داده، کامپیوتر و فناوری
در صورت تبدیل فایل کتاب Real-time Big Data Analytics 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 تجزیه و تحلیل داده های بزرگ در زمان واقعی 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 تجزیه و تحلیل داده های بزرگ در زمان واقعی
طراحی، پردازش و تجزیه و تحلیل مجموعه بزرگی از داده های پیچیده در زمان واقعی
درباره این کتاب
- آشنایی با تبدیل ها و پایگاه داده تعاملات سطح، و اطمینان از قابلیت اطمینان پیام‌های پردازش شده با استفاده از Storm
- اجرای استراتژی‌ها برای حل چالش‌های پردازش بی‌درنگ داده‌ها
- بارگیری مجموعه داده‌ها، ساخت پرس و جو و ارائه توصیه‌هایی با استفاده از Spark SQL
این کتاب برای چه کسی است
اگر معمار، توسعه‌دهنده یا برنامه‌نویسی هستید که می‌خواهید برنامه‌ها/چارچوب‌هایی را برای پیاده‌سازی تحلیل‌های بی‌درنگ توسعه دهید. با استفاده از فناوری‌های منبع باز، پس این کتاب برای شماست.
آنچه خواهید آموخت
- تکنولوژی‌ها و چارچوب‌های کلان داده را کاوش کنید
- در چالش‌های عملی کار کنید و از مواردی از تجزیه و تحلیل زمان واقعی در مقابل تجزیه و تحلیل دسته ای استفاده کنید
- توسعه موارد استفاده واقعی برای پردازش و تجزیه و تحلیل داده ها در زمان واقعی با استفاده از الگوی برنامه نویسی Apache Storm
- Handle and process داده‌های تراکنش بی‌درنگ
- بهینه‌سازی و تنظیم Apache Storm برای حجم‌های کاری مختلف و استقرار تولید
- پردازش و پخش داده‌ها با Amazon Kinesis و Elastic MapReduce
- اجرای تعاملی و تجزیه و تحلیل داده‌های اکتشافی با استفاده از Spark SQL
- توسعه معماری‌ها/برنامه‌های مشترک سازمانی برای تجزیه و تحلیل زمان واقعی و دسته‌ای
در جزئیات
اینترپرایز در تلاش بوده است مقابله با چالش‌های دریافت داده‌ها در زمان واقعی یا تقریباً زمان واقعی دشوار است.
اگرچه فناوری‌هایی مانند Storm و Spark (و بسیاری دیگر) وجود دارند که چالش‌های داده‌های بلادرنگ را با استفاده از تکنولوژی/چارچوب مناسب برای مورد استفاده تجاری مناسب، کلید موفقیت است. این کتاب مهارت های مورد نیاز برای طراحی سریع، پیاده سازی و استقرار تجزیه و تحلیل بلادرنگ خود را با استفاده از نمونه های دنیای واقعی از موارد استفاده از داده های بزرگ در اختیار شما قرار می دهد.
از ابتدای کتاب، ما اصول اولیه را پوشش خواهیم داد. از چارچوب ها و فن آوری های مختلف پردازش داده ها در زمان واقعی. ما تفاوت‌های بین پردازش دسته‌ای و بی‌درنگ را به تفصیل مورد بحث و توضیح قرار خواهیم داد، و همچنین تکنیک‌ها و مفاهیم برنامه‌نویسی را با استفاده از طوفان Apache بررسی خواهیم کرد.
در ادامه، شما را با "Amazon Kinesis" آشنا خواهیم کرد. برای پردازش بلادرنگ داده در فضای ابری ما درک شما از تجزیه و تحلیل بلادرنگ را از طریق بررسی جامع Apache Spark به همراه معماری سطح بالا و اجزای سازنده یک برنامه Spark توسعه خواهیم داد.
شما خواهید آموخت که چگونه داده های خود را تغییر دهید، یک خروجی از تبدیل ها دریافت کنید و نتایج خود را با استفاده از Spark RDD، با استفاده از رابطی به نام Spark SQL برای کار با Spark ادامه دهید.
در پایان این کتاب، Spark Streaming، کتابخانه استریم Spark را معرفی خواهیم کرد. و شما را از طریق معماری لامبدا (LA) در حال ظهور راهنمایی می کند، که یک پلت فرم ترکیبی برای پردازش کلان داده با ترکیب داده های دسته ای زمان واقعی و از پیش محاسبه شده برای ارائه یک نمای تقریباً هم زمان از داده های دریافتی فراهم می کند.
سبک و رویکرد
این گام به گام یک آموزش ساده و مفصل است که با نمونه‌های عملی از ویژگی‌های اولیه و پیشرفته پر شده است.
هر موضوع به‌طور متوالی توضیح داده می‌شود. و توسط نمونه های دنیای واقعی و تکه های کد اجرایی پشتیبانی می شود.
توضیحاتی درمورد کتاب به خارجی
Design, process, and analyze large sets of complex data in real time
About This Book
- Get acquainted with transformations and database-level interactions, and ensure the reliability of messages processed using Storm
- Implement strategies to solve the challenges of real-time data processing
- Load datasets, build queries, and make recommendations using Spark SQL
Who This Book Is For
If you are a Big Data architect, developer, or a programmer who wants to develop applications/frameworks to implement real-time analytics using open source technologies, then this book is for you.
What You Will Learn
- Explore big data technologies and frameworks
- Work through practical challenges and use cases of real-time analytics versus batch analytics
- Develop real-word use cases for processing and analyzing data in real-time using the programming paradigm of Apache Storm
- Handle and process real-time transactional data
- Optimize and tune Apache Storm for varied workloads and production deployments
- Process and stream data with Amazon Kinesis and Elastic MapReduce
- Perform interactive and exploratory data analytics using Spark SQL
- Develop common enterprise architectures/applications for real-time and batch analytics
In Detail
Enterprise has been striving hard to deal with the challenges of data arriving in real time or near real time.
Although there are technologies such as Storm and Spark (and many more) that solve the challenges of real-time data, using the appropriate technology/framework for the right business use case is the key to success. This book provides you with the skills required to quickly design, implement and deploy your real-time analytics using real-world examples of big data use cases.
From the beginning of the book, we will cover the basics of varied real-time data processing frameworks and technologies. We will discuss and explain the differences between batch and real-time processing in detail, and will also explore the techniques and programming concepts using Apache Storm.
Moving on, we'll familiarize you with “Amazon Kinesis” for real-time data processing on cloud. We will further develop your understanding of real-time analytics through a comprehensive review of Apache Spark along with the high-level architecture and the building blocks of a Spark program.
You will learn how to transform your data, get an output from transformations, and persist your results using Spark RDDs, using an interface called Spark SQL to work with Spark.
At the end of this book, we will introduce Spark Streaming, the streaming library of Spark, and will walk you through the emerging Lambda Architecture (LA), which provides a hybrid platform for big data processing by combining real-time and precomputed batch data to provide a near real-time view of incoming data.
Style and approach
This step-by-step is an easy-to-follow, detailed tutorial, filled with practical examples of basic and advanced features.
Each topic is explained sequentially and supported by real-world examples and executable code snippets.
