دانلود کتاب Scalable Big Data Architecture: A practitioners guide to choosing relevant Big Data architecture (به فارسی: معماری کلان داده مقیاس پذیر: راهنمای متخصصان برای انتخاب معماری کلان داده مرتبط) نوشته شده توسط «Bahaaldine Azarmi»
اطلاعات کتاب معماری کلان داده مقیاس پذیر: راهنمای متخصصان برای انتخاب معماری کلان داده مرتبط
موضوع اصلی: کامپیوتر – پایگاه داده
نوع: کتاب الکترونیکی
ناشر: Apress
نویسنده: Bahaaldine Azarmi
زبان: english
فرمت کتاب: EPUB (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2016
تعداد صفحه: 141
حجم فایل: 1.82 مگابایت
کد کتاب: 1484213270 , 9781484213278
نوبت چاپ: 1st ed.
توضیحات کتاب معماری کلان داده مقیاس پذیر: راهنمای متخصصان برای انتخاب معماری کلان داده مرتبط
این کتاب انواع مختلف معماری داده‌ها را برجسته می‌کند و احتمالات بسیاری را که در پس اصطلاح «داده‌های بزرگ» نهفته است، از استفاده از پایگاه‌های داده No-SQL گرفته تا استقرار معماری تجزیه و تحلیل جریان، یادگیری ماشین، و حاکمیت را نشان می‌دهد.
معماری داده‌های بزرگ مقیاس‌پذیر، موارد استفاده در صنعت بتن در دنیای واقعی را پوشش می‌دهد که از برنامه‌های کاربردی توزیع شده پیچیده، که شامل برنامه‌های کاربردی وب، RESTful API، و توان عملیاتی بالای حجم زیادی از داده‌های ذخیره‌شده در ذخیره‌گاه‌های داده بدون SQL بسیار مقیاس‌پذیر است، استفاده می‌کند. به عنوان Couchbase و Elasticsearch. این کتاب نشان می‌دهد که چگونه پردازش داده‌ها را می‌توان در مقیاس از استفاده از داده‌های NoSQL تا ترکیبی از توزیع Big Data انجام داد.
زمانی که پردازش داده‌ها بسیار پیچیده است و شامل توپولوژی پردازش متفاوتی مانند کارهای طولانی، پردازش جریانی، چندگانه است. همبستگی منابع داده و یادگیری ماشین، اغلب لازم است بار را به Hadoop یا Spark واگذار کنید و از No-SQL برای ارائه داده های پردازش شده در زمان واقعی استفاده کنید.
این کتاب به شما نشان می‌دهد که چگونه ترکیبی از فناوری‌های کلان داده موجود در اکوسیستم Hadoop را انتخاب کنید. بر روی پردازش کارهای طولانی، معماری، الگوهای داده های جریانی، تجزیه و تحلیل گزارش و تجزیه و تحلیل زمان واقعی تمرکز دارد. هر الگوی با مثال‌های عملی نشان داده می‌شود که از پروژه‌های منبع باز مختلف مانند Logstash، Spark، Kafka و غیره استفاده می‌کنند.
زیرساخت‌های داده سنتی برای هضم و ارائه ترکیب و تجزیه و تحلیل داده‌ها از حجم زیادی از داده‌ها ساخته شده‌اند. این کتاب به شما کمک می‌کند تا بفهمید چرا باید از الگوریتم‌های یادگیری ماشینی در اوایل پروژه استفاده کنید، قبل از اینکه تحت تأثیر محدودیت‌های تحمیل‌شده در برخورد با توان عملیاتی بالای داده‌های بزرگ قرار بگیرید.
معماری داده‌های بزرگ مقیاس‌پذیر برای توسعه‌دهندگان، معماران داده و دانشمندان داده است که به دنبال درک بهتری از نحوه انتخاب مرتبط‌ترین الگو برای پروژه داده‌های بزرگ و ابزارهایی برای ادغام در آن الگو هستند.
This book highlights the different types of data architecture and illustrates the many possibilities hidden behind the term “Big Data”, from the usage of No-SQL databases to the deployment of stream analytics architecture, machine learning, and governance.
Scalable Big Data Architecture covers real-world, concrete industry use cases that leverage complex distributed applications , which involve web applications, RESTful API, and high throughput of large amount of data stored in highly scalable No-SQL data stores such as Couchbase and Elasticsearch. This book demonstrates how data processing can be done at scale from the usage of NoSQL datastores to the combination of Big Data distribution.
When the data processing is too complex and involves different processing topology like long running jobs, stream processing, multiple data sources correlation, and machine learning, it’s often necessary to delegate the load to Hadoop or Spark and use the No-SQL to serve processed data in real time.
This book shows you how to choose a relevant combination of big data technologies available within the Hadoop ecosystem. It focuses on processing long jobs, architecture, stream data patterns, log analysis, and real time analytics. Every pattern is illustrated with practical examples, which use the different open sourceprojects such as Logstash, Spark, Kafka, and so on.
Traditional data infrastructures are built for digesting and rendering data synthesis and analytics from large amount of data. This book helps you to understand why you should consider using machine learning algorithms early on in the project, before being overwhelmed by constraints imposed by dealing with the high throughput of Big data.
Scalable Big Data Architecture is for developers, data architects, and data scientists looking for a better understanding of how to choose the most relevant pattern for a Big Data project and which tools to integrate into that pattern.
دانلود کتاب «معماری کلان داده مقیاس پذیر: راهنمای متخصصان برای انتخاب معماری کلان داده مرتبط»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.