企业大数据处理：Spark、Druid、Flume与Kafka应用实践（全新）

图书标准信息

• 作者 肖冠宇 著
• 出版社 机械工业出版社
• 出版时间 2017-09
• 版次 1
• ISBN 9787111579229
• 定价 59.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 208页
• 丛书 大数据技术丛书

【内容简介】

这是一本立足于企业真实的商用项目来讲解如何高效从事大数据实践的著作。技术层面，从全栈的角度系统梳理和详尽讲解了大数据的核心技术，包括Spark、Druid、Flume、Kafka等，让我们在纷繁复杂的技术中少走弯路；经验层面，为企业的大数据技术选型和大数据平台建设提供了成熟的解决方案；实操层面，提供了大量的案例，其中包括2个综合性的案例。

 

全书一共分为三个部分：

 

第一部分（第1章）：主要介绍了企业大数据系统的前期准备工作，包括构建企业大数据处理系统需要的软件环境和集群环境是如何搭建的。

 

第二部分（第2~7章）：依次重点讲解了Spark的基本原理、使用方法和优化方式；Druid的基本原理、集群的搭建过程，以及相关的各种操作；日志收集系统Flume的基本架构、关键组件，以及分层日志收集架构的设计与实践；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）：详细讲解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】

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。

 

【目录】

前　言

第一部分　准备工作

第1章　基础环境准备 2

1.1　软件环境准备 2

1.2　集群环境准备 4

1.2.1　Zookeeper集群部署 4

1.2.2　Hadoop部署 6

1.3　小结 15

第二部分　核心技术

第2章　Spark详解 18

2.1　Spark概述 18

2.1.1　Spark概述 18

2.1.2　Shuff?le详解 25

2.2　Spark SQL 29

2.2.1　SparkSession 29

2.2.2　DataFrame 30

2.2.3　DataSet 35

2.3　Structured Streaming 35

2.3.1　数据源 36

2.3.2　输出到外部存储 38

2.3.3　WordCount示例 40

2.4　Spark优化 42

2.4.1　数据优化 42

2.4.2　代码优化 44

2.4.3　参数优化 46

2.5　小结 48

第3章　Druid原理及部署 49

3.1　架构设计 49

3.1.1　节点类型 49

3.1.2　Segment介绍 57

3.1.3　容错处理 59

3.1.4　路由节点 60

3.2　集群部署 63

3.2.1　集群规划 63

3.2.2　配置安装 64

3.3　小结 72

第4章　Druid数据摄入 73

4.1　模式设计 73

4.1.1　设计概述 73

4.1.2　数据解析 75

4.1.3　Segment分区 79

4.1.4　模式更改 81

4.2　批量数据摄入 81

4.3　流数据摄入 87

4.3.1　Tranquility 88

4.3.2　StreamPush 91

4.3.3　从Kafka中摄取数据 92

4.4　数据更新 94

4.5　小结 95

第5章　Druid客户端 96

5.1　涉及组件 96

5.1.1　查询相关 96

5.1.2　过滤器 99

5.1.3　聚合粒度 101

5.1.4　聚合器 105

5.2　查询类型 109

5.2.1　时间序列查询 109

5.2.2　TopN查询 111

5.2.3　分组查询 113

5.2.4　元数据查询 117

5.2.5　搜索查询 121

5.3　查询API 125

5.3.1　RESTful介绍 125

5.3.2　Jersey客户端 126

5.4　小结 129

第6章　日志收集 130

6.1　Flume介绍 130

6.1.1　基本架构 131

6.2　Flume应用实践 144

6.2.1　拦截器、选择器实践 144

6.2.2　负载均衡、故障转移实践 149

6.2.3　设计与实践 150

6.3　小结 154

第7章　分布式消息队列 155

7.1　Kafka介绍 155

7.1.1　基本架构 155

7.1.2　高吞吐的实现 157

7.1.3　高可用的实现 160

7.2　安装部署 161

7.2.1　Broker配置参数 161

7.2.2　分布式部署 162

7.3　客户端API 163

7.3.1　Producer API 164

7.3.2　Consumer API 165

7.4　小结 169

第三部分　项目实践

第8章　数据平台 172

8.1　需求分析 172

8.2　功能实现 173

8.2.1　架构设计 173

8.2.2　关键功能实现 175

8.3　小结 184

第9章　监控系统 185

9.1　Inf?luxDB 185

9.1.1　Inf?luxDB简介 186

9.1.2　Inf?luxDB安装 186

9.1.3　Inf?luxDB操作 188

9.1.4　Inf?luxDB客户端 191

9.2　JMXTrans 192

9.2.1　JMXTrans介绍 192

9.2.2　JMXTrans安装 194

9.2.3　JMXTrans使用 195

9.3　Grafana 198

9.3.1　Grafana安装 198

9.3.2　Grafana使用 199

9.4　小结 208