Andere Kunden interessierten sich auch für
Einführung in Big-Data-Systeme und -TechnologienGroße Datenmengen speichern und verarbeitenEinsatz zahlreicher Tools wie Hadoop, Apache Cassandra, Apache Storm uvm.
Daten müssen mittlerweile von den meisten Unternehmen in irgendeiner Form verarbeitet werden. Dabei können sehr schnell so große Datenmengen entstehen, dass herkömmliche Datenbanksysteme nicht mehr ausreichen. Big-Data-Systeme erfordern Architekturen, die in der Lage sind, Datenmengen nahezu beliebigen Umfangs zu speichern und zu verarbeiten. Dies bringt grundlegende Anforderungen mit sich, mit denen viele Entwickler noch nicht vertraut sind.
Die Autoren erläutern die Einrichtung solcher Datenhaltungssysteme anhand eines speziell für große Datenmengen ausgelegten Frameworks: der Lambda-Architektur. Hierbei handelt es sich um einen skalierbaren, leicht verständlichen Ansatz, der auch von kleinen Teams implementiert und langfristig betrieben werden kann.
Die Grundlagen von Big-Data-Systemen werden anhand eines realistischen Beispiels praktisch umgesetzt. In diesem Kontext lernen Sie neben einem allgemeinen Framework zur Verarbeitung großer Datenmengen auch Technologien wie Hadoop, Storm und NoSQL-Datenbanken kennen.
Dieses Buch setzt keinerlei Vorkenntnisse über Tools zur Datenanalyse oder NoSQL voraus, grundlegende Erfahrungen im Umgang mit herkömmlichen Datenbanken sind aber durchaus hilfreich.
Aus dem Inhalt:Big-Data-Systeme und -TechnologienEchtzeitverarbeitung sehr großer DatenmengenLambda-ArchitekturBatch-Layer: Datenmodell, Datenspeicherung, SkalierbarkeitStapelverarbeitungsprozesseModellierung von StammdatensätzenImplementierung eines Graphenschemas mit Apache ThriftEinsatz von MapReduceJCascalog zur Implementierung von Pipe-DiagrammenServing-Layer: Konzepte und Einsatz von ElephantDBSpeed-Layer: Berechnung und Speicherung von Echtzeit-ViewsEinsatz von Hadoop, Apache Cassandra, Apache Kafka und Apache StormStreamverarbeitung mit Trident
Daten müssen mittlerweile von den meisten Unternehmen in irgendeiner Form verarbeitet werden. Dabei können sehr schnell so große Datenmengen entstehen, dass herkömmliche Datenbanksysteme nicht mehr ausreichen. Big-Data-Systeme erfordern Architekturen, die in der Lage sind, Datenmengen nahezu beliebigen Umfangs zu speichern und zu verarbeiten. Dies bringt grundlegende Anforderungen mit sich, mit denen viele Entwickler noch nicht vertraut sind.
Die Autoren erläutern die Einrichtung solcher Datenhaltungssysteme anhand eines speziell für große Datenmengen ausgelegten Frameworks: der Lambda-Architektur. Hierbei handelt es sich um einen skalierbaren, leicht verständlichen Ansatz, der auch von kleinen Teams implementiert und langfristig betrieben werden kann.
Die Grundlagen von Big-Data-Systemen werden anhand eines realistischen Beispiels praktisch umgesetzt. In diesem Kontext lernen Sie neben einem allgemeinen Framework zur Verarbeitung großer Datenmengen auch Technologien wie Hadoop, Storm und NoSQL-Datenbanken kennen.
Dieses Buch setzt keinerlei Vorkenntnisse über Tools zur Datenanalyse oder NoSQL voraus, grundlegende Erfahrungen im Umgang mit herkömmlichen Datenbanken sind aber durchaus hilfreich.
Aus dem Inhalt:Big-Data-Systeme und -TechnologienEchtzeitverarbeitung sehr großer DatenmengenLambda-ArchitekturBatch-Layer: Datenmodell, Datenspeicherung, SkalierbarkeitStapelverarbeitungsprozesseModellierung von StammdatensätzenImplementierung eines Graphenschemas mit Apache ThriftEinsatz von MapReduceJCascalog zur Implementierung von Pipe-DiagrammenServing-Layer: Konzepte und Einsatz von ElephantDBSpeed-Layer: Berechnung und Speicherung von Echtzeit-ViewsEinsatz von Hadoop, Apache Cassandra, Apache Kafka und Apache StormStreamverarbeitung mit Trident
»Die Stärke des Buches liegt darin, dass es tatsächlich einen tieferen Einblick in Struktur und Funktion von Big-Data-Systemen bietet. Einzelmechanismen wie HDFS, MapReduce, Streaming und anderes werden im Detail dargestellt. Damit hilft die Lektüre zu verstehen, wann, wo und wie solche Systeme eingesetzt werden müssen oder sollten.« (Bigdata-Insider, 02/2019)