幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Flink實時大數據處理技術(高等院校大數據與人工智慧應用人才培養系列教材)

  • 作者：編者:劉月峰|責編:郝建偉//張翠翠
  • 出版社：機械工業
  • ISBN：9787111752004
  • 出版日期：2024/06/01
  • 裝幀：平裝
  • 頁數：326
人民幣：RMB 79.9 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書從實踐的角度出發，介紹了Flink實時大數據處理框架開發的技術知識，包括實時處理系統的相關概念、開發方法、分散式計算的體系結構，以及面向事件驅動的編程技術。書中詳細探討了Flink的流式處理和批處理融合的能力，以及它在大規模數據流處理中的優勢，並通過一個具體的實例介紹大數據實時處理系統的開發方法和開發過程。此外，本書還介紹了實時數據倉庫的設計與實現，包括數據抽取、數據轉換、數據存儲和數據可視化等方面的內容，以幫助讀者構建強大而可擴展的實時數據處理系統。除第10章外，其餘各章配有習題，以指導讀者深入地進行學習。
    本書既可作為高等學校電腦軟體技術課程的教材，也可作為大數據開發人員的技術參考書。
作者介紹
編者:劉月峰|責編:郝建偉//張翠翠
目錄
前言
第1章  Apache Flink概述
  1.1  Flink是什麼
    1.1.1  Flink的起源
    1.1.2  Flink的發展過程和主要版本
    1.1.3  Flink的定義
    1.1.4  編程語言的選擇
  1.2  Flink層次架構
    1.2.1  架構設計
    1.2.2  API和Libraries層
    1.2.3  Runtime核心層
    1.2.4  物理部署層
  1.3  大數據處理架構的發展
    1.3.1  Lambda架構
    1.3.2  Kappa架構
    1.3.3  流處理框架的發展
  1.4  Flink應用場景
    1.4.1  事件驅動型應用
    1.4.2  數據分析應用
    1.4.3  數據管道應用
    1.4.4  行業應用
  1.5  Flink生態系統和社區
    1.5.1  Flink的生態系統和相關工具
    1.5.2  Flink的社區和貢獻者
  1.6  Flink與其他大數據框架的關係
    1.6.1  Flink與Hadoop
    1.6.2  Flink與Hive
    1.6.3  Flink與Spark Streaming
    1.6.4  Flink與Storm
  1.7  習題
第2章  Scala語言
  2.1  Scala語言概述
    2.1.1  Scala簡介
    2.1.2  開發環境配置
    2.1.3  創建項目
  2.2  Scala語言入門
    2.2.1  類型體系結構
    2.2.2  變數的定義與使用
    2.2.3  字面量與插值表達式
    2.2.4  運算符
    2.2.5  流程式控制制語句
  2.3  集合
    2.3.1  集合概述
    2.3.2  Array和ArrayBuffer
    2.3.3  Tuple
    2.3.4  List和ListBuffer
    2.3.5  Set
    2.3.6  Map
    2.3.7  集合操作符號
  2.4  函數式編程

    2.4.1  函數的定義與使用
    2.4.2  匿名函數
    2.4.3  高階函數
    2.4.4  柯里化與閉包
  2.5  面向對象編程
    2.5.1  類與對象
    2.5.2  構造器
    2.5.3  繼承
    2.5.4  伴生類與伴生對象
    2.5.5  多態
    2.5.6  泛型
    2.5.7  隱式轉換
  2.6  模式匹配
    2.6.1  基本使用
    2.6.2  條件守衛
    2.6.3  常用匹配
    2.6.4  樣例類
  2.7  習題
第3章  環境搭建和應用部署
  3.1  Flink開發環境搭建
    3.1.1  CentOS環境準備
    3.1.2  項目初始化
    3.1.3  項目結構與依賴
  3.2  Flink詞頻統計
    3.2.1  批處理方式
    3.2.2  流處理方式
    3.2.3  兩種方式對比
    3.2.4  向集群提交作業
  3.3  Flink集群部署
    3.3.1  Flink集群核心組件
    3.3.2  部署模式
    3.3.3  Standalone模式
    3.3.4  YARN模式
  3.4  YARN模式的部署與應用提交
    3.4.1  環境準備
    3.4.2  會話模式
    3.4.3  單作業模式
    3.4.4  應用模式
  3.5  習題
第4章  Flink流處理架構與原理
  4.1  流處理模型與原理
    4.1.1  數據流的概念
    4.1.2  流處理和批處理
    4.1.3  流處理的原理
    4.1.4  流處理的模型
    4.1.5  流處理的優化策略
  4.2  Flink流處理架構
    4.2.1  Flink的數據流模型
    4.2.2  運算元
    4.2.3  Flink的狀態管理

    4.2.4  Flink的容錯機制
    4.2.5  Flink在流計算中的優化
  4.3  Flink集群架構
    4.3.1  集群組件的協作
    4.3.2  Task和運算元鏈
    4.3.3  Task Slots和資源管理
  4.4  習題
第5章  流處理API
  5.1  基本使用
    5.1.1  DataStream是什麼
    5.1.2  基礎程序
    5.1.3  並行度的設置
  5.2  DataStream數據源
    5.2.1  內置Data Source
    5.2.2  自定義 Data Source
  5.3  DataStream轉換運算元
    5.3.1  數據流轉換
    5.3.2  RichFunction
    5.3.3  物理分區
    5.3.4  運算元鏈
    5.3.5  資源組
  5.4  DataStream Sink
    5.4.1  Data Sinks
    5.4.2  自定義Sink
  5.5  用戶行為實時分析
  5.6  習題
第6章  時間和窗口
  6.1  時間與窗口的概念
    6.1.1  Flink中的時間
    6.1.2  窗口
    6.1.3  水位線
  6.2  窗口的基本使用
    6.2.1  窗口分配器
    6.2.2  內置窗口分配器
    6.2.3  窗口觸發器
    6.2.4  內置觸發器
  6.3  窗口函數
    6.3.1  ReduceFunction
    6.3.2  AggregateFunction
    6.3.3  ProcessWindowFunction
    6.3.4  增量聚合的ProcessWindowFunction
  6.4  習題
第7章  處理函數與狀態管理
  7.1  處理函數
    7.1.1  ProcessFunction
    7.1.2  KeyedProcessFunction
    7.1.3  定時器
  7.2  多流操作
    7.2.1  Union
    7.2.2  Connect

    7.2.3  Window Join
    7.2.4  Interval Join
    7.2.5  側輸出流
    7.2.6  處理遲到數據
  7.3  狀態管理
    7.3.1  有狀態的流處理
    7.3.2  鍵控狀態
    7.3.3  運算元狀態
  7.4  狀態持久化
    7.4.1  Checkpoint
    7.4.2  StateBackend
    7.4.3  Savepoint
  7.5  習題
第8章  Table API和SQL API
  8.1  Table API和SQL API概述
    8.1.1  程序基本結構
    8.1.2  TableEnvironment創建
    8.1.3  創建Table
    8.1.4  Table查詢
    8.1.5  Table輸出
    8.1.6  Table與DataStream的轉換
  8.2  Flink SQL使用
    8.2.1  基本使用
    8.2.2  DDL創建表
    8.2.3  查詢表
    8.2.4  插入數據
  8.3  窗口處理
    8.3.1  窗口表值函數
    8.3.2  窗口聚合
    8.3.3  窗口連接
    8.3.4  Top-N
    8.3.5  去重
  8.4  函數
    8.4.1  標量函數
    8.4.2  表值函數
    8.4.3  聚合函數
    8.4.4  表值聚合函數
  8.5  習題
第9章  Flink Kafka連接器
  9.1  Kafka概述
    9.1.1  基本概念
    9.1.2  環境準備
  9.2  生產者與消費者
    9.2.1  Topic操作
    9.2.2  消息發送及消費
    9.2.3  容錯機制
  9.3  Flink集成Kafka
    9.3.1  DataStream API集成Kafka
    9.3.2  Table API集成Kafka
  9.4  數據實時清洗與可視化

    9.4.1  數據模擬
    9.4.2  數據清洗處理
    9.4.3  將數據寫入ClickHouse
    9.4.4  數據可視化
  9.5  習題
第10章  Flink數據倉庫項目實戰
  10.1  數據倉庫概述
    10.1.1  基本概念
    10.1.2  與資料庫比較
    10.1.3  OLTP與OLAP
    10.1.4  數據倉庫的應用
  10.2  數據倉庫架構與模型設計
    10.2.1  數據倉庫架構
    10.2.2  數據ETL
    10.2.3  維度數據模型
    10.2.4  數據倉庫分層
    10.2.5  離線數據倉庫與實時數據倉庫
  10.3  實時數據倉庫環境準備
    10.3.1  項目需求
    10.3.2  Nginx日誌數據模擬
    10.3.3  安裝和配置Flume
  10.4  項目具體實現
    10.4.1  數據處理
    10.4.2  數據分析
    10.4.3  數據存儲
    10.4.4  數據可視化
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032