本書基於作者多年的教學與實踐經驗編寫，重點介紹阿裡雲大數據體繫的核心原理與架構。

本書內容涉及開發、運維、管理與架構。

全書分為4 篇，共13 章：

第1 篇（第1～2 章）介紹大數據技術基礎；

第2 篇（第3～8 章）介紹阿裡雲大數據的離線計算服務；

第3 篇（第9～10 章）介紹阿裡雲大數據的實時計算服務，包括消息隊列Kafka 版和實時計算Flink 版；

第4 篇（第11～13 章）介紹阿裡雲大數據增值服務——數加平臺，包括阿裡雲大數據集成開發平臺DataWorks、數據可視化分析平臺Quick BI 和機器學習平臺PAI。

本書適合對大數據技術感興趣的平臺架構師、運維管理人員和項目開發人員閱讀。

無論讀者是否接觸過大數據技術，隻要具備基礎的Linux 知識和Java 基礎，就能夠通過本書快速掌握阿裡雲大數據技術並增加實戰經驗。

根據本書中的操作步驟，讀者可以在實際的項目生產環境中快速應用並實施阿裡雲大數據平臺技術。

隨著信息技術的不斷發展，數據量呈爆炸式增長。為了實現對大數據的高效存儲與管理和快速分析與計算，出現了以Hadoop、Spark和Flink為代表的大數據平臺生態圈體繫。“得數據者得天下”，隨著數據量的不斷增長，大數據生態圈體繫也不斷地發展。在眾多的大數據平臺中，阿裡雲大數據平臺解決了超大規模多場景融合下，化數據的計算需求問題，實現了存儲、數據管理的一體化架構融合，支撐交通、金融、科研、政企等場景下數據的高效處理，是國內自主研發、應用非常廣泛的一體化大數據平臺。

作者擁有大數據平臺方向多年的教學經驗，並在實際的大數據運維和開發工作中積累了大量的實戰經驗，因此想編寫一本繫統介紹阿裡雲大數據生態圈體繫的書籍，力求能夠完整地介紹阿裡雲大數據平臺。本書總結了作者在大數據平臺方面的經驗，希望本書對大數據平臺方向的從業者和學習者有所幫助，為大數據生態圈體繫在國內的發展貢獻一份力量。相信通過本書的介紹，讀者能夠全面並繫統地掌握大數據平臺的知識，並且能夠在實際工作中靈活地運用。

1. 本書特色

本書聚焦阿裡雲大數據平臺技術，全面、深入地講解了與大數據平臺技術相關的知識，並輔以實戰。本書有如下特色。

1）一線技術，繫統全面

本書全面介紹了阿裡雲大數據平臺體繫的組成部分，包含大數據平臺技術涉及的方方面面，力求覆蓋阿裡雲大數據平臺的核心內容。

2）精雕細琢，可讀性強

本書采用通俗易懂的語言，並經過多次打磨，力求精確。同時注重前後章節的承上啟下，讓沒有大數據方面經驗的讀者也可以很輕松地讀懂本書。

3）從零開始，循序漸進

本書從最基礎的內容開始講解並逐步深入，先介紹大數據基礎，然後全面、深入地介紹阿裡雲大數據平臺體繫，從而真正做到幫助讀者從基礎入門向開發高手邁進，讓初級、中級、高級技術人員都可以從本書中學到干貨。

4）深入原理，言簡意賅

本書深入介紹了阿裡雲大數據平臺的底層原理和機制，力求言簡意賅，幫助讀者提高學習效率，同時盡可能地幫助讀者縮短閱讀本書的時間。

5）由易到難，重點解析

本書編排由易到難，內容覆蓋了阿裡雲大數據平臺技術的各個方面。同時對重點和難點進行了詳細講解，對易錯點和注意點進行了提示說明，幫助讀者克服學習過程中的困難。

6）突出實戰，注重效果

本書采用“理論講解 動手實操”的方式，讓讀者在學習理論知識之後能夠動手實操。購買本書的讀者可以通過網絡下載書中所有的相關資料，下載後即可運行，通過實踐來加深理解。

7）實踐方案，指導生產

本書以實踐為主，所有的示例拿來即可運行。並且書中提供了大量的技術解決方案，可以為技術人員在實際的生產環境中提供相應的指導。

2. 閱讀本書，讀者能學到什麼

• 掌握大數據的理論基礎；


• 掌握阿裡雲大數據生態圈體繫；


• 掌握阿裡雲大數據技術的使用方法；


• 掌握基於MaxCompute的大數據離線應用開發；


• 掌握使用MaxCompute SQL處理結構化數據的方法；


• 掌握MaxCompute的權限與安全機制；


• 掌握使用消息隊列Kafka版的方法；


• 掌握使用消息隊列Kafka版開發應用程序的方法；


• 掌握使用實時計算Flink版的方法；


• 掌握使用實時計算Flink版開發應用程序的方法；


• 掌握使用阿裡雲大數據集成開發平臺DataWorks的方法；


• 掌握使用數據可視化分析平臺Quick BI的方法；


• 掌握使用機器學習平臺PAI的方法。

3. 讀者對像

本書既適合阿裡雲大數據平臺技術的初學者閱讀，也適合想進一步提升阿裡雲大數據平臺技術的中高級技術人員閱讀。相信不同級別的技術從業者都能從本書中學到干貨。

本書的讀者對像如下：

本書涉及的所有代碼和配置文件均可按照封底的“讀者服務”中的方式下載。

盡管作者在本書寫作過程中盡可能地追求嚴謹，但難免有疏漏之處，歡迎讀者通過掃描下面的二維碼關注微信公眾號“IT閱讀會”或加入讀者微信群，進行批評與指正。