Streaming Analytics: Concepts, architectures, platforms, use cases and applications

هنگامی که نهادهای دیجیتالی شده، دستگاه‌های متصل و میکروسرویس‌ها به طور هدفمند با هم تعامل دارند، در نهایت با حجم عظیمی از داده‌های جریانی چندساختاری (زمان واقعی) مواجه می‌شویم که به طور مداوم توسط منابع مختلف با سرعت بالا تولید می‌شوند. تجزیه و تحلیل جریان اجازه می دهد تا مدیریت، نظارت، و تجزیه و تحلیل زمان واقعی داده های جریان زنده. این موضوع به دلیل ظهور تجزیه و تحلیل آنلاین و پلتفرم های لبه و اینترنت اشیاء اهمیت پیدا کرده است. یک تحول دیجیتال واقعی در سراسر صنعت از طریق جمع‌آوری دقیق داده‌ها، پاکسازی و خرد کردن در زمان واقعی به دست می‌آید. ثبت و در معرض قرار دادن این رویدادهای ارزش افزوده به عنوان وظیفه اصلی برای دستیابی به بینش های قابل اعتماد و به موقع در نظر گرفته می شود.

نویسندگان چالش هایی را که به طور گسترده با جریان داده ها و تجزیه و تحلیل مرتبط است، بیان و برجسته می کنند. ، الگوریتم ها و رویکردهای تجزیه و تحلیل داده ها را توصیف کند، مفاهیم و فناوری های محاسبات لبه و مه را ارائه دهد و نشان دهد که چگونه تجزیه و تحلیل جریان را می توان در ابرهای دستگاه لبه انجام داد. آنها همچنین چندین مورد استفاده از صنعت را در عملیات سیستم ابری در حمل و نقل و امنیت سایبری و سایر حوزه های تجاری ترسیم می کنند.

این کتاب مورد علاقه صنعت ICT و محققان دانشگاهی، دانشمندان و دانشمندان خواهد بود. مهندسان و همچنین مدرسان و دانشجویان پیشرفته در زمینه‌های علوم داده، معماری ابر/مه/لبه، اینترنت اشیا و هوش مصنوعی و زمینه‌های کاربردی مرتبط. همچنین برای معماران ابر/لبه/مه و اینترنت اشیا، متخصصان تجزیه و تحلیل، تیم‌های عملیات فناوری اطلاعات و مهندسین قابلیت اطمینان سایت (SRE) مفید خواهد بود.

When digitized entities, connected devices and microservices interact purposefully, we end up with a massive amount of multi-structured streaming (real-time) data that is continuously generated by different sources at high speed. Streaming analytics allows the management, monitoring, and real-time analytics of live streaming data. The topic has grown in importance due to the emergence of online analytics and edge and IoT platforms. A real digital transformation is being achieved across industry verticals through meticulous data collection, cleansing and crunching in real time. Capturing and subjecting those value-adding events is considered to be the prime task for achieving trustworthy and timely insights.

The authors articulate and accentuate the challenges widely associated with streaming data and analytics, describe data analytics algorithms and approaches, present edge and fog computing concepts and technologies and show how streaming analytics can be accomplished in edge device clouds. They also delineate several industry use cases across cloud system operations in transportation and cyber security and other business domains.

The book will be of interest to ICTs industry and academic researchers, scientists and engineers as well as lecturers and advanced students in the fields of data science, cloud/fog/edge architecture, internet of things and artificial intelligence and related fields of applications. It will also be useful to cloud/edge/fog and IoT architects, analytics professionals, IT operations teams and site reliability engineers (SREs).