实时大数据分析 基于Storm Spark技术的实时应用 中文PDF

资源名称：实时大数据分析 基于Storm Spark技术的实时应用 中文PDF

第1章 大数据技术前景及分析平台 1 
1.1 大数据的概念 1 
1.2 大数据的维度范式 2 
1.3 大数据生态系统 3 
1.4 大数据基础设施 4 
1.5 大数据生态系统组件 5 
1.5.1 构建业务解决方案 8 
1.5.2 数据集处理 8 
1.5.3 解决方案实施 8 
1.5.4 呈现 9 
1.6 分布式批处理 9 
1.7 分布式数据库（NoSQL） 13 
1.7.1 NoSQL数据库的优势 15 
1.7.2 选择NoSQL数据库 16 
1.8 实时处理 16 
1.8.1 电信或移动通信场景 17 
1.8.2 运输和物流 17 
1.8.3 互联的车辆 18 
1.8.4 金融部门 18 
1.9 本章小结 18 
第2章 熟悉Storm 19 
2.1 Storm概述 19 
2.2 Storm的发展 20 
2.3 Storm的抽象概念 22 
2.3.1 流 22 
2.3.2 拓扑 22 
2.3.3 Spout 23 
2.3.4 Bolt 23 
2.3.5 任务 24 
2.3.6 工作者 25 
2.4 Storm的架构及其组件 25 
2.4.1 Zookeeper集* 25 
2.4.2 Storm集* 25 
2.5 如何以及何时使用Storm 27 
2.6 Storm的内部特性 32 
2.6.1 Storm的并行性 32 
2.6.2 Storm的内部消息处理 34 
2.7 本章小结 36 
第3章 用Storm处理数据 37 
3.1 Storm输入数据源 37 
3.2 认识Kafka 38 
3.2.1 关于Kafka的更多知识 39 
3.2.2 Storm的其他输入数据源 43 
3.2.3 Kafka作为输入数据源 46 
3.3 数据处理的可靠性 47 
3.3.1 锚定的概念和可靠性 49 
3.3.2 Storm的acking框架 51 
3.4 Storm的简单模式 52 
3.4.1 联结 52 
3.4.2 批处理 53 
3.5 Storm的持久性 53 
3.6 本章小结 58 
第4章 Trident概述和Storm性能优化 59 
4.1 使用Trident 59 
4.1.1 事务 60 
4.1.2 Trident 拓扑 60 
4.1.3 Trident操作 61 
4.2 理解LMAX 65 
4.2.1 内存和缓存 66 
4.2.2 环形缓冲区—粉碎器的心脏 69 
4.3 Storm的节点间通信 72 
4.3.1 ZeroMQ 73 
4.3.2 Storm的ZeroMQ配置 74 
4.3.3 Netty 74 
4.4 理解Storm UI 75 
4.4.1 Storm UI登录页面 75 
4.4.2 拓扑首页 78 
4.5 优化Storm性能 80 
4.6 本章小结 83 
第5章 熟悉Kinesis 84 
5.1 Kinesis架构概述 84 
5.1.1 Amazon Kinesis的优势和用例 84 
5.1.2 高级*结构 86 

........

资源截图：