实时数据处理和分析指南

图书标准信息

• 作者 Gupta 著；[印度]希尔皮·萨克塞纳（Shilpi Saxena）、[印度]沙鲁巴·古普塔、Saurabh、吴志国、曾凤姝 译
• 出版社 人民邮电出版社
• 出版时间 2020-05
• 版次 1
• ISBN 9787115524867
• 定价 79.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 280页
• 字数 382千字

【内容简介】

《实时数据处理和分析指南》主要介绍实时大数据计算领域的相关技巧和经验，包括Flink、Spark和Storm等流处理框架技术。全书从搭建开发环境开始，逐步实现流处理，循序渐进地引导读者学习如何利用Rabbit MQ、Kafka和NiFi以及Storm、Spark、Flink和Beam等组件协同应用来解决实际问题。

本书内容分为6个部分，分别是“导言――熟悉实时分析”“搭建基础设施”“Storm实时计算”“使用Spark实现实时计算”“使用Flink实现实时分析”以及“综合应用”。

在阅读本书之前，读者应具备基本的Java和Scala编程基础，还应熟悉Maven、Java和Eclipse的安装和配置流程。

【作者简介】

希尔皮·萨克塞纳（Shilpi Saxena）是IT领域的一位技术布道者。她曾涉足多个领域(机器对机器空间、医疗保健、电信、人才招聘和制造业)。在企业解决方案的构思和执行的所有方面，以及在软件行业的产品和服务方面有超过12年的经验。她一直在大数据领域从事设计、管理和提供解决方案，并领导着一支高水平和分布在各地的精英工程师团队。

沙鲁巴·古普塔（Saurabh Gupta）是一名软件工程师，有数十年的IT行业从业经验，目前从事处理和设计在生产中运行的实时和批处理项目的相关工作，主要包括Impala、Storm、NiFi、Kafka等技术以及在AWS上部署Docker，他还参与了各种物联网项目，涉及电信、医疗保健、智能城市、智能汽车等领域。

【目录】

第 一部分 导言―熟悉实时分析

第 1章 实时分析简介 2

1．1 大数据的定义 2

1．2 大数据的基础设施 3

1．3 实时分析―神话与现实 6

1．4 近实时解决方案―可用的架构 9

1．4．1 NRT的Storm解决方案 9

1．4．2 NRT的Spark解决方案 10

1．5 Lambda架构―分析可能性 11

1．6 物联网―想法与可能性 13

1．7 云―考虑NRT和物联网 17

1．8 小结 18

第 2章 实时应用的基本组件 19

2．1 NRT系统及其构建模块 19

2．1．1 数据采集 21

2．1．2 流处理 22

2．1．3 分析层―服务终端用户 23

2．2 NRT的高级系统视图 25

2．3 NRT的技术视图 26

2．3．1 事件生产者 27

2．3．2 数据收集 27

2．3．3 代理 29

2．3．4 转换和处理 31

2．3．5 存储 32

2．4 小结 32

第二部分 搭建基础设施

第3章 了解和跟踪数据流 34

3．1 了解数据流 34

3．2 为数据提取安装基础设施 35

3．2．1 Apache Kafka 35

3．2．2 Apache NiFi 36

3．2．3 Logstash 41

3．2．4 Fluentd 43

3．2．5 Flume 46

3．3 将数据从源填到处理器―期望和注意事项 48

3．4 比较与选择适合用例的最佳实践 49

3．5 小试牛刀 49

3．6 小结 51

第4章 安装和配置Storm 52

4．1 Storm概述 52

4．2 Storm架构和组件 53

4．2．1 特征 54

4．2．2 组件 54

4．2．3 流分组 56

4．3 安装和配置Storm 57

4．3．1 安装Zookeeper 57

4．3．2 配置Apache Storm 59

4．4 在Storm上实时处理任务 61

4．5 小结 67

第5章 配置Apache Spark和Flink 68

5．1 安装并快速运行Spark 68

5．1．1 源码构建 69

5．1．2 下载Spark安装包 69

5．1．3 运行示例 70

5．2 安装并快速运行Flink 73

5．2．1 使用源码构建Flink 73

5．2．2 下载Flink 74

5．2．3 运行示例 75

5．3 安装并快速运行Apache Beam 79

5．3．1 Beam模型 79

5．3．2 运行示例 80

5．3．3 MinimalWordCount示例 82

5．4 Apache Beam中的平衡 85

5．5 小结 88

第三部分 Storm实时计算

第6章 集成Storm与数据源 90

6．1 RabbitMQ有效的消息传递 90

6．2 RabbitMQ交换器 91

6．2．1 直接交换器 91

6．2．2 RabbitMQ安装配置 93

6．2．3 RabbitMQ的发布和订阅 95

6．3 RabbitMQ与Storm集成 99

6．4 PubNub数据流发布者 107

6．5 将Storm和RMQ_PubNub传感器数据拓扑串在一起 111

6．6 小结 114

第7章 从Storm到Sink 115

7．1 安装并配置Cassandra 115

7．1．1 安装Cassandra 116

7．1．2 配置Cassandra 117

7．2 Storm和Cassandra拓扑 118

7．3 Storm和IMDB集成处理维度数据 120

7．4 集成表示层与Storm 122

7．5 小试牛刀 134

7．6 小结 143

第8章 Storm Trident 144

8．1 状态保持和Trident 144

8．1．1 事务性spout 145

8．1．2 不透明事务性spout 145

8．2 基本Storm Trident拓扑 146

8．3 Trident内部实现 148

8．4 Trident操作 149

8．4．1 函数 149

8．4．2 Map函数and FlatMap函数 150

8．4．3 peek函数 151

8．4．4 过滤器 151

8．4．5 窗口操作 152

8．4．6 聚合操作 155

8．4．7 分组操作 158

8．4．8 合并和组合操作 159

8．5 DRPC 160

8．6 小试牛刀 161

8．7 小结 164

第四部分 使用Spark实现实时计算

第9章 运用Spark引擎 166

9．1 Spark概述 166

9．2 Spark的独特优势 169

9．3 Spark用例 172

9．4 Spark架构―引擎内部的运行模式 174

9．5 Spark的语用概念 176

9．6 Spark 2．x―数据框和数据集的出现 178

9．7 小结 179

第 10章 运用Spark操作 180

10．1 Spark―封装和API 180

10．2 RDD语用探索 182

10．2．1 转换 185

10．2．2 动作 190

10．3 共享变量―广播变量和累加器 192

10．3．1 广播变量 192

10．3．2 累加器 195

10．4 小结 196

第 11章 Spark Streaming 197

11．1 Spark Streaming的概念 197

11．2 Spark Streaming的简介和体系结构 198

11．3 Spark Streaming的封装结构 203

11．3．1 Spark Streaming API 203

11．3．2 Spark Streaming操作 204

11．4 连接Kafka和Spark Streaming 206

11．5 小结 208

第五部分 使用Flink实现实时分析

第 12章 运用Apache Flink 210

12．1 Flink体系结构和执行引擎 210

12．2 Flink的基本组件和进程 213

12．3 将源流集成到Flink 215

12．3．1 和Apache Kafka集成 215

12．3．2 和RabbitMQ集成 218

12．4 Flink处理和计算 221

12．4．1 Datastream API 221

12．4．2 DataSet API 223

12．5 Flink持久化 224

12．6 FlinkCEP 226

12．7 Pattern API 227

12．7．1 检测模式 227

12．7．2 模式选择 228

12．7．3 示例 228

12．8 Gelly 229

12．9 小试牛刀 231

12．10 小结 242

第六部分 综合应用

第 13章 用例研究 244

13．1 概述 244

13．2 数据建模 245

13．3 工具和框架 246

13．4 建立基础设施 247

13．5 实现用例 252

13．5．1 构建数据模拟器 252

13．5．2 Hazelcast加载器 259

13．5．3 构建Storm拓扑 261

13．6 运行用例 272

13．7 小结 279