Big Data: Principi e buone pratiche dei sistemi scalabili di dati in tempo reale

Recensioni dei lettori

Il libro fornisce un'esplorazione dettagliata dell'architettura Lambda, dei suoi componenti e della sua applicazione nella gestione dei big data. Mentre molte recensioni lodano la teoria e la chiarezza dei contenuti, esistono problemi con la rilegatura fisica del libro e alcune preoccupazioni sull'implementazione pratica.

⬤ Spiegazione ben organizzata e dettagliata dell'architettura Lambda e dei concetti relativi ai big data.
⬤ Approfondimenti teorici chiari fino al livello dei byte.
⬤ Utile per comprendere le complessità dei big data.
⬤ Adatto sia ai principianti che agli sviluppatori esperti; affronta efficacemente i problemi del mondo reale.
⬤ Fornisce un'immersione profonda nel livello batch e negli pseudo modelli.

⬤ Scarsa qualità della rilegatura e dell'assemblaggio
⬤ Alcune copie si sfaldano.
⬤ Soluzioni pratiche o aggiornamenti limitati per l'architettura discussa, che fanno sembrare alcuni contenuti obsoleti.
⬤ Alcuni lettori trovano che l'approccio manchi di dettagli di implementazione applicabili ai framework attuali.
⬤ Non tutti i lettori afferrano facilmente i concetti
⬤ Alcuni si sono sentiti confusi.

(basato su 60 recensioni dei lettori)

Titolo originale:

Big Data: Principles and Best Practices of Scalable Realtime Data Systems

Contenuto del libro:

Sintesi

Big Data insegna a costruire sistemi di big data utilizzando un'architettura che sfrutta l'hardware in cluster insieme a nuovi strumenti progettati specificamente per acquisire e analizzare dati su scala web. Descrive un approccio scalabile e di facile comprensione ai sistemi di big data che possono essere costruiti e gestiti da un piccolo team. Seguendo un esempio realistico, questo libro guida i lettori attraverso la teoria dei sistemi di big data, come implementarli nella pratica e come distribuirli e gestirli una volta costruiti.

L'acquisto del libro stampato include un eBook gratuito nei formati PDF, Kindle e ePub di Manning Publications.

Informazioni sul libro

Le applicazioni su scala web, come i social network, le analisi in tempo reale o i siti di e-commerce, gestiscono una grande quantità di dati, il cui volume e la cui velocità superano i limiti dei sistemi di database tradizionali. Queste applicazioni richiedono architetture costruite attorno a cluster di macchine per memorizzare ed elaborare dati di qualsiasi dimensione o velocità. Fortunatamente, scala e semplicità non si escludono a vicenda.

Big Data insegna a costruire sistemi di big data utilizzando un'architettura progettata appositamente per acquisire e analizzare dati su scala web. Questo libro presenta l'architettura Lambda, un approccio scalabile e di facile comprensione che può essere costruito e gestito da un piccolo team. Esplorerete la teoria dei sistemi di big data e come implementarli nella pratica. Oltre a scoprire un quadro generale per l'elaborazione dei big data, imparerete tecnologie specifiche come Hadoop, Storm e i database NoSQL.

Questo libro non richiede una precedente esposizione all'analisi dei dati su larga scala o agli strumenti NoSQL. La familiarità con i database tradizionali è utile.

Cosa contiene

⬤ Introduzione ai sistemi di big data.

⬤ Elaborazione in tempo reale di dati su scala web.

⬤ Strumenti come Hadoop, Cassandra e Storm.

⬤ Estensioni delle competenze dei database tradizionali.

Informazioni sugli autori

Nathan Marz è il creatore di Apache Storm e l'ideatore dell'architettura Lambda per i sistemi di big data. James Warren è un architetto analitico con un background nell'apprendimento automatico e nell'informatica scientifica.

Indice dei contenuti

⬤ Un nuovo paradigma per i Big Data.

PARTE 1 STRATO BATCH.

⬤ Modello dei dati per i Big Data.

⬤ Modello di dati per i Big Data: Illustrazione.

⬤ Immagazzinamento dei dati sul livello batch.

⬤ Memorizzazione dei dati sul livello batch: Illustrazione.

⬤ Livello batch.

⬤ Livello batch: Illustrazione.

⬤ Un esempio di livello batch: Architettura e algoritmi.

⬤ Un esempio di livello batch: Implementazione.

PARTE 2 STRATO DI SERVIZIO.

⬤ Livello di servizio.

⬤ Livello di servizio: Illustrazione.

PARTE 3 STRATO DI VELOCITÀ.

⬤ Visioni in tempo reale.

⬤ Visioni in tempo reale: Illustrazione.

⬤ Queuing ed elaborazione dei flussi.

⬤ Elaborazione dei flussi e delle code: Illustrazione.

⬤ Elaborazione di flussi micro-batch.

⬤ Elaborazione di flussi micro-batch: Illustrazione.

⬤ Approfondimento dell'architettura Lambda.