本书介绍Kafka的应用和使用，适合Java开发者和数据工程师。
电子书
编辑推荐
本书教读者在Kafka平台上实现流式处理。在这本易于理解的书中，读者将通过实际的例子来收集、转换和聚合数据，使用多个处理器，处理实时事件。
内容简介
Kafka Streams是Kafka提供的一个用于构建流式处理程序的Java库，它与Storm、Spark等流式处理框架不同，是一个仅依赖于Kafka的Java库，而不是一个流式处理框架。除Kafka之外，Kafka Streams不需要额外的流式处理集群，提供了轻量级、易用的流式处理API。
本书包括4部分，共9章，从基础API到复杂拓扑的应用，通过具体示例由浅入深地详细介绍了Kafka Streams基础知识及使用方法。本书的主要内容包含流式处理发展历程和Kafka Streams工作原理的介绍，Kafka基础知识的介绍，使用Kafka Streams实现一个具体流式处理应用程序，讨论状态存储及其使用方法，讨论表和流的二元性及使用场景，介绍Kafka Streams应用程序的监控及测试方法，介绍使用Kafka Connect将现有数据源集成到Kafka Streams中，使用KSQL进行交互式查询等。
本书适合使用Kafka Streams实现流式处理应用的开发人员阅读。
章节目录
- 版权信息
- 版权声明
- 内容提要
- 中文版序
- 译者序
- 译者简介
- 序
- 前言
- 资源与支持
- 配套资源
- 提交勘误
- 与我们联系
- 关于异步社区和异步图书
- 致谢
- 关于作者
- 关于本书
- 读者对象
- 本书组织结构：路线图
- 关于代码
- 图书论坛
- 其他在线资源
- 关于封面插图
- 第一部分 开启Kafka Streams之旅
- 第1章 欢迎来到Kafka Streams
- 1.1 大数据的发展以及它是如何改变程序设计方式的
- 1.1.1 大数据起源
- 1.1.2 MapReduce中的重要概念
- 1.1.3 批处理还不够
- 1.2 流式处理简介
- 何时使用流式处理和何时不使用它
- 1.3 处理购买交易
- 1.3.1 权衡流式处理的选择
- 1.3.2 将需求解构为图表
- 1.4 改变看待购买交易的视角
- 1.4.1 源节点
- 1.4.2 信用卡屏蔽节点
- 1.4.3 模式节点
- 1.4.4 奖励节点
- 1.4.5 存储节点
- 1.5 Kafka Streams在购买处理节点图中的应用
- 1.6 Kafka Streams在购买交易流中的应用
- 1.6.1 定义源
- 1.6.2 第一个处理器：屏蔽信用卡号码
- 1.6.3 第二个处理器：购买模式
- 1.6.4 第三个处理器：客户奖励
- 1.6.5 第四个处理器：写入购买记录
- 1.7 小结
- 第2章 Kafka快速指南
- 2.1 数据问题
- 2.2 使用Kafka处理数据
- 2.2.1 ZMart原始的数据平台
- 2.2.2 一个Kafka销售交易数据中心
- 2.3 Kafka架构
- 2.3.1 Kafka是一个消息代理
- 2.3.2 Kafka是一个日志
- 2.3.3 Kafka日志工作原理
- 2.3.4 Kafka和分区
- 2.3.5 分区按键对数据进行分组
- 2.3.6 编写自定义分区器
- 2.3.7 指定一个自定义分区器
- 2.3.8 确定恰当的分区数
- 2.3.9 分布式日志
- 2.3.10 ZooKeeper：领导者、追随者和副本
- 2.3.11 Apache ZooKeeper
- 2.3.12 选择一个控制器
- 2.3.13 副本
- 2.3.14 控制器的职责
- 2.3.15 日志管理
- 2.3.16 日志删除
- 2.3.17 日志压缩
- 2.4 生产者发送消息
- 2.4.1 生产者属性
- 2.4.2 指定分区和时间戳
- 2.4.3 指定分区
- 2.4.4 Kafka中的时间戳
- 2.5 消费者读取消息
- 2.5.1 管理偏移量
- 2.5.2 自动提交偏移量
- 2.5.3 手动提交偏移量
- 2.5.4 创建消费者
- 2.5.5 消费者和分区
- 2.5.6 再平衡
- 2.5.7 更细粒度的消费者分配
- 2.5.8 消费者示例
- 2.6 安装和运行Kafka
- 2.6.1 Kafka本地配置
- 2.6.2 运行Kafka
- 2.6.3 发送第一条消息
- 2.7 小结
- 第二部分 Kafka Streams开发篇
- 第3章 开发Kafka Streams
- 3.1 流式处理器API
- 3.2 Kafka Streams的Hello World
- 3.2.1 构建“Yelling App”的拓扑
- 3.2.2 Kafka Streams配置
- 3.2.3 Serde的创建
- 3.3 处理客户数据
- 3.3.1 构建一个拓扑
- 3.3.2 创建一个自定义的Serde
- 3.4 交互式开发
- 3.5 下一步
- 3.5.1 新需求
- 3.5.2 将记录写入Kafka之外
- 3.6 小结
- 第4章 流和状态
- 4.1 事件的思考
- 流需要状态
- 4.2 将状态操作应用到Kafka Stream
- 4.2.1 值转换处理器
- 4.2.2 有状态的客户奖励
- 4.2.3 初始化值转换器
- 4.2.4 使用状态将Purchase对象映射为RewardAccumulator
- 4.2.5 更新奖励处理器
- 4.3 使用状态存储查找和记录以前看到的数据
- 4.3.1 数据本地化
- 4.3.2 故障恢复和容错
- 4.3.3 Kafka Streams使用状态存储
- 4.3.4 其他键/值存储供应者
- 4.3.5 状态存储容错
- 4.3.6 配置变更日志主题
- 4.4 连接流以增加洞察力
- 4.4.1 设置数据
- 4.4.2 生成包含客户ID的键来执行连接
- 4.4.3 构建连接
- 4.4.4 其他连接选项
- 4.5 Kafka Streams中的时间戳
- 4.5.1 自带的时间戳提取器实现类
- 4.5.2 WallclockTimestampExtractor
- 4.5.3 自定义时间戳提取器
- 4.5.4 指定一个时间戳提取器
- 4.6 小结
- 第5章 KTable API
- 5.1 流和表之间的关系
- 5.1.1 记录流
- 5.1.2 更新记录或变更日志
- 5.1.3 事件流与更新流对比
- 5.2 记录更新和KTable配置
- 5.2.1 设置缓存缓冲大小
- 5.2.2 设置提交间隔
- 5.3 聚合和开窗操作
- 5.3.1 按行业汇总股票成交量
- 5.3.2 开窗操作
- 5.3.3 连接KStream和KTable
- 5.3.4 GlobalKTable
- 5.3.5 可查询的状态
- 5.4 小结
- 第6章 处理器API
- 6.1 更高阶抽象与更多控制的权衡
- 6.2 使用源、处理器和接收器创建一个拓扑
- 6.2.1 添加一个源节点
- 6.2.2 添加一个处理器节点
- 6.2.3 增加一个接收器节点
- 6.3 通过股票分析处理器深入研究处理器API
- 6.3.1 股票表现处理器应用程序
- 6.3.2 process()方法
- 6.3.3 punctuator执行
- 6.4 组合处理器
- 构建组合处理器
- 6.5 集成处理器API和Kafka Streams API
- 6.6 小结
- 第三部分 管理Kafka Streams
- 第7章 监控和性能
- 7.1 Kafka基本监控
- 7.1.1 测评消费者和生产者性能
- 7.1.2 检查消费滞后
- 7.1.3 拦截生产者和消费者
- 7.2 应用程序指标
- 7.2.1 指标配置
- 7.2.2 如何连接到收集到的指标
- 7.2.3 使用JMX
- 7.2.4 查看指标
- 7.3 更多Kafka Streams调试技术
- 7.3.1 查看应用程序的表现形式
- 7.3.2 获取应用程序各种状态的通知
- 7.3.3 使用状态监听器
- 7.3.4 状态恢复监听器
- 7.3.5 未捕获的异常处理器
- 7.4 小结
- 第8章 测试Kafka Streams应用程序
- 8.1 测试拓扑
- 8.1.1 构建测试用例
- 8.1.2 测试拓扑中的状态存储
- 8.1.3 测试处理器和转换器
- 8.2 集成测试
- 构建集成测试
- 8.3 小结
- 第四部分 Kafka Streams进阶
- 第9章 Kafka Streams的高级应用
- 9.1 将Kafka与其他数据源集成
- 9.1.1 使用Kafka Connect集成数据
- 9.1.2 配置Kafka Connect
- 9.1.3 转换数据
- 9.2 替代数据库
- 9.2.1 交互式查询的工作原理
- 9.2.2 分配状态存储
- 9.2.3 创建和查找分布式状态存储
- 9.2.4 编写交互式查询
- 9.2.5 查询服务器内部
- 9.3 KSQL
- 9.3.1 KSQL流和表
- 9.3.2 KSQL架构
- 9.3.3 安装和运行KSQL
- 9.3.4 创建一个KSQL流
- 9.3.5 编写KSQL查询
- 9.3.6 创建一张KSQL表
- 9.3.7 配置KSQL
- 9.4 小结
- 附录A 额外的配置信息
- A.1 限制启动时再平衡的数量
- A.2 应对代理中断的能力
- A.3 处理反序列化错误
- A.4 扩展应用程序
- A.5 RocksDB配置
- A.6 提前创建重新分区的主题
- A.7 配置内部主题
- A.8 重置Kafka Streams应用程序
- A.9 清理本地状态
- 附录B 精确一次处理语义
展开全部
Kafka Streams实战是2019年由人民邮电出版社出版,作者。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《Kafka Streams实战》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。
电子书
电子书
深入浅出展现Flink技术精髓，力求详细而完整地描述Flink大数据项目实战，从零开始快速掌握Flink的基本原理和核心功能。
电子书
本书适合应用Kafka的专业技术人员阅读，包括但不限于大数据相关应用的开发者、运维者和爱好者。
电子书
本书介绍Kafka的技术原理和应用技巧。
电子书
本书先介绍经典的图像处理技术，然后探索图像处理算法的演变历程，始终紧扣图像处理以及计算机视觉与深度学习方面的最新进展。全书共12章，涵盖图像处理入门基础知识、应用导数方法实现图像增强、形态学图像处理、图像特征提取与描述符、图像分割，以及图像处理中的经典机器学习方法等内容。
电子书
在数字经济时代，数据是重要的资源要素；同时，新的数据又在源源不断地产生，企业面临的一个基本问题就是如何管理和利用这些数据，这对传统的数据处理方法与分析框架提出了新的诉求和挑战，也是全球业界与学界为关心的问题。为了满足大数据时代对信息的快速处理的需求，一个分布式的开源计算框架Apache Spark应运而生。经过十年的发展，Spark已经成为目前大数据处理的标杆，在整个业界得到了广泛的使用。对大数据工程师来说，用Spark构建数据管道无疑是很好的选择，而对数据科学家来说，Spark也是高效的数据探索工具。
本书基于Spark发行版2.4.4写作而成，包含大量的实例与一个完整项目，技术理论与实战相结合，层次分明，循序渐进。本书不仅介绍了如何开发Spark应用的基础内容，包括Spark架构、Spark编程、SparkSQL、Spark调优等，还探讨了Structured Streaming、Spark机器学习、Spark图挖掘、Spark深度学习、Alluxio系统等高级主题，同时完整实现了一个企业背景调查系统，借鉴了数据湖与Lambda架构的思想，涵盖了批处理、流处理应用开发，并加入了一些开源组件来满足业务需求。学习该系统可以使读者从实战中巩固所学，并将技术理论与应用实战融会贯通。
本书适合准备学习Spark的开发人员和数据分析师，以及准备将Spark应用到实际项目中的开发人员和管理人员阅读，也适合计算机相关专业的高年级本科生和研究生学习和参考，对于具有一定的Spark使用经验并想进一步提升的数据科学从业者也是很好的参考资料。
电子书
实战自然语言处理及深度学习，涵盖基础知识与实际应用。
电子书
一本书带你读懂ChatGPT背后的技术，掌握NLP迁移学习的奥秘。
