| | | 離線和實時大數據開發實戰 計算機與互聯網書籍 朱松嶺 著 大數據 | 該商品所屬分類:圖書 -> ε | 【市場價】 | 452-656元 | 【優惠價】 | 283-410元 | 【出版社】 | 機械工業出版社 | 【ISBN】 | 9787111596783 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
![](/c49/32/31157689208.jpg)
出版社:機械工業出版社 ISBN:9787111596783 商品編碼:31157689208 代碼:59
" 商品基本信息,請以下列介紹為準 | 商品名稱: | 離線和實時大數據開發實戰 計算機與互聯網 書籍 | 作者: | 朱松嶺 | 代碼: | 59.0 | 出版社: | 機械工業出版社 | 出版日期: | 2018-05-01 | ISBN: | 9787111596783 | 印次: | | 版次: | 1 | 裝幀: | 平裝-膠訂 | 開本: | 小16開 |
內容簡介 | 本書分為三篇。第壹篇:從整體上給出數據大圖和數據平臺大圖,主要介紹數據的主要流程、各個流程的關鍵技術、數據的主要從業者及他們的職責等;數據平臺大圖分離線和實時分別給出數據平臺架構、關鍵數據概念和技術等;第二篇:介紹離線數據開發的主要技術,包含Hadoop、Hive、維度建模等,另外此部分還將綜合上述各種離線技術給出離線數據處理實戰;第三篇:集中介紹實時數據處理的各項技術,包含Storm、SparkSteaming、Flink、Beam等。 |
目錄 | 目錄?Contents 前言 篇數據大圖和數據平臺大圖 第1章數據大圖 2 1.1數據流程 2 1.1.1數據產生 3 1.1.2數據采集和傳輸 5 1.1.3數據存儲處理 6 1.1.4數據應用 7 1.2數據技術 8 1.2.1數據采集傳輸主要技術 9 1.2.2數據處理主要技術 10 1.2.3數據存儲主要技術 12 1.2.4數據應用主要技術 13 1.3數據相關從業者和角色 14 1.3.1數據平臺開發、運維工程師 14 1.3.2數據開發、運維工程師 15 1.3.3數據分析工程師 15 1.3.4算法工程師 16 1.3.5業務人員 16 1.4本章小結 17 第2章數據平臺大圖 18 2.1離線數據平臺的架構、技術和設計 19 2.1.1離線數據平臺的整體架構 19 2.1.2數據倉庫技術 20 2.1.3數據倉庫建模技術 23 2.1.4數據倉庫邏輯架構設計 26 2.2實時數據平臺的架構、技術和設計 27 2.2.1實時數據平臺的整體架構 28 2.2.2流計算技術 29 2.2.3主要流計算開源框架 29 2.3數據管理 32 2.3.1數據探查 32 2.3.2數據集成 33 2.3.3數據質量 33 2.3.4數據屏蔽 34 2.4本章小結 35 第二篇離線數據開發:大數據開發的主戰場 第3章Hadoop原理實踐 38 3.1開啟大數據時代的Hadoop 38 3.2HDFS和MapReduce優缺點分析 40 3.2.1HDFS 41 3.2.2MapReduce 42 3.3HDFS和MapReduce基本架構 43 3.4MapReduce內部原理實踐 46 3.4.1MapReduce邏輯開發 46 3.4.2MapReduce任務提交詳解 47 3.4.3MapReduce內部執行原理詳解 48 3.5本章小結 52 第4章Hive原理實踐 53 4.1離線大數據處理的主要技術:Hive 53 4.1.1Hive出現背景 53 4.1.2Hive基本架構 55 4.2Hive SQL 56 4.2.1Hive 關鍵概念 57 4.2.2Hive 數據庫 59 4.2.3Hive 表DDL 60 4.2.4Hive表DML 63 4.3Hive SQL執行原理圖解 65 4.3.1select 語句執行圖解 66 4.3.2group by語句執行圖解 67 4.3.3join語句執行圖解 69 4.4Hive函數 73 4.5其他SQL on Hadoop技術 74 4.6本章小結 76 第5章Hive優化實踐 77 5.1離線數據處理的主要挑戰:數據傾斜 77 5.2Hive優化 79 5.3join無關的優化 79 5.3.1group by引起的傾斜優化 79 5.3.2count distinct優化 80 5.4大表join小表優化 80 5.5大表join大表優化 82 5.5.1問題場景 82 5.5.2方案1:轉化為mapjoin 83 5.5.3方案2:join時用case when語句 84 5.5.4方案3:倍數B表,再取模join 84 5.5.5方案4:動態一分為二 87 5.6本章小結 89 第6章維度建模技術實踐 90 6.1大數據建模的主要技術:維度建模 90 6.1.1維度建模關鍵概念 91 6.1.2維度建模一般過程 95 6.2維度表設計 96 6.2.1維度變化 96 6.2.2維度層次 99 6.2.3維度一致性 100 6.2.4維度整合和拆分 101 6.2.5維度其他 102 6.3深入事實表 104 6.3.1事務事實表 104 6.3.2快照事實表 106 6.3.3累計快照事實表 107 6.3.4無事實的事實表 108 6.3.5彙總的事實表 108 |
" | | | | | |