类似推荐
编辑推荐
为企业大数据技术选型和大数据平台构建提供成熟的解决方案，包含大量实用案例。
内容简介
本书分为三大部分，共九章。第壹部分（第1章）主要介绍了企业大数据系统的前期准备工作，包括如何构建企业大数据处理系统的软件环境和集群环境。第二部分（第2～7章）首先介绍了Spark的基本原理，Spark2.0版本的SparkSQL、StructuredStreaming原理和使用方法，以及Spark的多种优化方式；然后，介绍了Druid的基本原理、集群的搭建过程、数据摄入过程，以及在查询过程中如何实现Druid查询API；接着介绍了日志收集系统Flume的基本架构和关键组件，以及分层日志收集架构的设计与实践；后介绍了分布式消息队列Kafka的基本架构和集群搭建过程，以及使用Java语言实现客户端API的详细过程。第三部分（第8～9章）主要介绍了企业大数据处理的两个实际应用案例，分别是基于Druid构建多维数据分析平台和基于JMX指标的监控系统。
作者简介
作者肖冠宇，资深大数据研发工程师，有多年的大数据工作经验，对高性能分布式系统架构、大数据技术、数据分析等有深入的研究。
曾就职于人民网人民在线和乐视网智能中心大数据部，主要从事大数据系统研发和广告数据分析；现就职于小米旗下的田米科技，担任大数据研发工程师。
章节目录
版权信息
前言
第一部分 准备工作
第1章 基础环境准备
1.1 软件环境准备
1.2 集群环境准备
1.3 小结
第二部分 核心技术
第2章 Spark详解
2.1 Spark概述
2.2 Spark SQL
2.3 Structured Streaming
2.4 Spark优化
2.5 小结
第3章 Druid原理及部署
3.1 架构设计
3.2 集群部署
3.3 小结
第4章 Druid数据摄入
4.1 模式设计
4.2 批量数据摄入
4.3 流数据摄入
4.4 数据更新
4.5 小结
第5章 Druid客户端
5.1 涉及组件
5.2 查询类型
5.3 查询API
5.4 小结
第6章 日志收集
6.1 Flume介绍
6.2 Flume应用实践
6.3 小结
第7章 分布式消息队列
7.1 Kafka介绍
7.2 安装部署
7.3 客户端API
7.4 小结
第三部分 项目实践
第8章 数据平台
8.1 需求分析
8.2 功能实现
8.3 小结
第9章 监控系统
9.1 InfluxDB
9.2 JMXTrans
9.3 Grafana
9.4 小结
企业大数据处理：Spark、Druid、Flume与Kafka应用实践是2017年由机械工业出版社有限公司出版,作者肖冠宇。
得书感谢您对《企业大数据处理：Spark、Druid、Flume与Kafka应用实践》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
