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:
نویسندگان: Bahaaldine Azarmi
سری:
ISBN (شابک) : 9781484213278
ناشر: Apress
سال نشر: 2016
تعداد صفحات: 147
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Scalable Big Data Architecture: A practitioners guide to choosing relevant Big Data architecture 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 معماری مقیاس پذیر مقیاس پذیر: یک پزشک متخصص برای انتخاب معماری مربوط به Big Big Data راهنمایی می کند 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.
این کتاب انواع مختلف معماری دادهها را برجسته میکند و احتمالات بسیاری را که در پس اصطلاح «دادههای بزرگ» نهفته است، از استفاده از پایگاههای داده No-SQL گرفته تا استقرار معماری تحلیل جریان، یادگیری ماشین، و حاکمیت را نشان میدهد. مقیاس پذیر Big Data Architecture موارد استفاده در صنعت بتن در دنیای واقعی را پوشش می دهد که از برنامه های کاربردی توزیع شده پیچیده استفاده می کند، که شامل برنامه های کاربردی وب، RESTful API و توان عملیاتی بالای حجم زیادی از داده های ذخیره شده در فروشگاه های داده بدون SQL بسیار مقیاس پذیر مانند Couchbase و Elasticsearch است. این کتاب نشان میدهد که چگونه پردازش دادهها را میتوان در مقیاس از استفاده از دادههای NoSQL تا ترکیبی از توزیع دادههای بزرگ انجام داد. هنگامی که پردازش داده بسیار پیچیده است و شامل توپولوژی پردازش های مختلف مانند کارهای طولانی مدت، پردازش جریانی، همبستگی چندین منبع داده و یادگیری ماشینی است، اغلب لازم است بار را به Hadoop یا Spark واگذار کنید و از No-SQL برای ارائه داده های پردازش شده استفاده کنید. در زمان واقعی. این کتاب به شما نشان میدهد که چگونه ترکیبی از فناوریهای کلان داده موجود در اکوسیستم Hadoop را انتخاب کنید. این بر روی پردازش کارهای طولانی، معماری، الگوهای داده جریان، تجزیه و تحلیل گزارش و تجزیه و تحلیل زمان واقعی تمرکز دارد. هر الگوی با مثالهای عملی نشان داده شده است که از پروژههای منبع باز مختلف مانند Logstash، Spark، Kafka و غیره استفاده میکنند.
This book highlights the different types of data architecture and illustrates the many possibilities hidden behind the term "Big Data", from the usage of No-SQL databases to the deployment of stream analytics architecture, machine learning, and governance. Scalable Big Data Architecture covers real-world, concrete industry use cases that leverage complex distributed applications , which involve web applications, RESTful API, and high throughput of large amount of data stored in highly scalable No-SQL data stores such as Couchbase and Elasticsearch. This book demonstrates how data processing can be done at scale from the usage of NoSQL datastores to the combination of Big Data distribution. When the data processing is too complex and involves different processing topology like long running jobs, stream processing, multiple data sources correlation, and machine learning, it's often necessary to delegate the load to Hadoop or Spark and use the No-SQL to serve processed data in real time. This book shows you how to choose a relevant combination of big data technologies available within the Hadoop ecosystem. It focuses on processing long jobs, architecture, stream data patterns, log analysis, and real time analytics. Every pattern is illustrated with practical examples, which use the different open sourceprojects such as Logstash, Spark, Kafka, and so on.
Front Matter....Pages i-xiii
The Big (Data) Problem....Pages 1-16
Early Big Data with NoSQL....Pages 17-40
Defining the Processing Topology....Pages 41-56
Streaming Data....Pages 57-80
Querying and Analyzing Patterns....Pages 81-103
Learning From Your Data?....Pages 105-121
Governance Considerations....Pages 123-137
Back Matter....Pages 139-142