更新时间：2020-05-21 10:44:49
封面
版权信息
版权声明
内容提要
作者简介
前言
审稿人简介
资源与支持
第一部分 导言——熟悉实时分析
第1章 实时分析简介
1.1 大数据的定义
1.2 大数据的基础设施
1.3 实时分析——神话与现实
1.4 近实时解决方案——可用的架构
1.5 Lambda架构——分析可能性
1.6 物联网——想法与可能性
1.7 云——考虑NRT和物联网
1.8 小结
第2章 实时应用的基本组件
2.1 NRT系统及其构建模块
2.2 NRT的高级系统视图
2.3 NRT的技术视图
2.4 小结
第二部分 搭建基础设施
第3章 了解和跟踪数据流
3.1 了解数据流
3.2 为数据提取安装基础设施
3.3 将数据从源填到处理器——期望和注意事项
3.4 比较与选择适合用例的最佳实践
3.5 小试牛刀
3.6 小结
第4章 安装和配置Storm
4.1 Storm概述
4.2 Storm架构和组件
4.3 安装和配置Storm
4.4 在Storm上实时处理任务
4.5 小结
第5章 配置Apache Spark和Flink
5.1 安装并快速运行Spark
5.2 安装并快速运行Flink
5.3 安装并快速运行Apache Beam
5.4 Apache Beam中的平衡
5.5 小结
第三部分 Storm实时计算
第6章 集成Storm与数据源
6.1 RabbitMQ有效的消息传递
6.2 RabbitMQ交换器
6.3 RabbitMQ与Storm集成
6.4 PubNub数据流发布者
6.5 将Storm和RMQ_PubNub传感器数据拓扑串在一起
6.6 小结
第7章 从Storm到Sink
7.1 安装并配置Cassandra
7.2 Storm和Cassandra拓扑
7.3 Storm和IMDB集成处理维度数据
7.4 集成表示层与Storm
7.5 小试牛刀
7.6 小结
第8章 Storm Trident
8.1 状态保持和Trident
8.2 基本Storm Trident拓扑
8.3 Trident内部实现
8.4 Trident操作
8.5 DRPC
8.6 小试牛刀
8.7 小结
第四部分 使用Spark实现实时计算
第9章 运用Spark引擎
9.1 Spark概述
9.2 Spark的独特优势
9.3 Spark用例
9.4Spark架构——引擎内部的运行模式
9.5 Spark的语用概念
9.6 Spark 2.x——数据框和数据集的出现
9.7 小结
第10章 运用Spark操作
10.1 Spark——封装和API
10.2 RDD语用探索
10.3 共享变量——广播变量和累加器
10.4 小结
第11章 Spark Streaming
11.1 Spark Streaming的概念
11.2 Spark Streaming的简介和体系结构
11.3 Spark Streaming的封装结构
11.4 连接Kafka和Spark Streaming
11.5 小结
第五部分 使用Flink实现实时分析
第12章 运用Apache Flink
12.1 Flink体系结构和执行引擎
12.2 Flink的基本组件和进程
12.3 将源流集成到Flink
12.4 Flink处理和计算
12.5 Flink持久化
12.6 Flink CEP
12.7 Pattern API
12.8 Gelly
12.9 小试牛刀
12.10 小结
第六部分 综合应用
第13章 用例研究
