大數據架構之道與項目實戰

大數據架構之道與項目實戰

《大數據架構之道與項目實戰》是2018年清華大學出版社出版的圖書,作者是常耀斌、鄭智民、周賢波。

基本介紹

  • 書名:大數據架構之道與項目實戰
  • 作者:常耀斌,鄭智民,周賢波
  • 出版社:清華大學出版社
  • 出版時間:2018年12月1日
  • 定價:75 元
  • ISBN:9787302515869
  • 印次:1-1
  • 印刷日期:2018.12.10
內容簡介,圖書目錄,

內容簡介

本書從總體技術要求出發,深入分析了全棧技術的各自優勢和套用場景,傳授了三十多種主流技術的架構設計、技術原理和集成方法。第 1章介紹企業級大數據平台服務的總體設計,突出研究經典設計模式之美、吸納分散式技術的精髓、深耕微架構的演變內涵。第 2章~第 9章是項目實戰環節,介紹高並發採集、靈活轉發、高可擴展海量存儲、高並發海量存儲、高可靠海量存儲、實時計算、智慧型分析和自定義遷移等微服務,手把手傳授架構設計和核心代碼,讓讀者掌握商用微服務產品開發全流程。

圖書目錄

第 1章 企業級大數據平台服務的總體設計
1.1平台架構設計的總體技術要求
1.2微服務引擎的可擴展性設計
1.3微服務引擎的優秀解決方案
1.3.1 高並發採集微服務
1.3.2 靈活轉發微服務
1.3.3 高可擴展海量存儲服務
1.3.4 高並發海量存儲服務
1.3.5 高可靠海量存儲服務
1.3.6 實時計算服務
1.3.7 基於機器學習的智慧型分析服務
1.3.8 自定義遷移服務
1.4設計小結· 17
第 2章 大數據高並發採集微服務引擎
2.1核心需求分析和優秀解決方案
2.2服務引擎的技術架構設計
2.2.1 Maven與 Eclipse集成配置
2.2.2 Mina2.0框架以及業務設計
2.2.3 設備協定規範制定及數據包設計
2.2.4 按照設備和數據類型進行業務樹構建
2.2.5 按照設備的數據包狀態進行解析
2.2.6 按照通用方式進行高並發入庫
2.3核心技術講解及模組化設計
2.3.1 Spring Maven Web服務構建
2.3.2 Spring Boot微服務構建
2.3.3 數據包定義和實現
2.3.4 業務樹構建和實現
2.3.5 數據包狀態進行解析實現
2.3.6 按照通用方式進行高並發入庫實現
2.3.7 客戶端模擬器工具類進行高並發測試
2.4項目小結·
第 3章 大數據靈活轉發微服務引擎
3.1核心需求分析和優秀解決方案
3.2服務引擎的技術架構設計
3.3核心技術講解及模組化實現
3.3.1SpringMVCWeb服務構建
3.3.2SpringBoot微服務構建
3.3.3靈活配置和通用工具類構建
3.3.4創建傳送數據主題,註冊觀察者對象
3.3.5啟動多執行緒進行數據傳送
3.3.6採用Post策略模式進行數據傳送
3.3.7採用ActiveMQ策略模式進行數據傳送
3.4項目小結·173
4.1核心需求分析和優秀解決方案
4.2服務引擎的技術架構設計
4.3核心技術講解及模組化實現
4.3.1SpringMVC的工作原理及執行流程
4.3.2SpringMVCWeb服務構建
4.3.3SpringBootWeb微服務構建
4.3.4統一對外數據接收接口及通用類
4.3.5MySQL對智慧型終端運動數據的分狀態和分策略處理
4.3.6MySQL對智慧型終端運動數據的分職責處理
4.3.7MySQL對智慧型終端運動數據的統一入庫處理
4.4項目小結
第5章大數據高並發海量存儲微服務引擎
5.1核心需求分析和優秀解決方案
5.2服務引擎的技術架構設計
5.3核心技術講解及模組化實現
5.3.1SpringMVC和SpringBoot集成MongoDB
5.3.2MongoTemplate核心類實現Dao層接口
5.3.3基於MongoDB處理智慧型終端運動數據
5.3.4基於MongoDB管道技術處理體檢數據
5.3.5基於AngularJS架構可視化體檢數據
5.4項目小結·
第6章大數據高可靠海量存儲微服務引擎
6.1核心需求分析和優秀解決方案
6.2服務引擎的技術架構設計
6.3核心技術講解及模組化實現
6.3.1Hadoop完全分散式集群構建
6.3.2SpringMVC和SpringBoot集成Hbase
6.3.3HbaseTemplate核心類實現Dao層接口
6.3.4Hbase集群的智慧型終端運動數據Controller接口
6.3.5Hbase集群的智慧型終端運動數據Service接口
6.3.6Hbase集群的智慧型終端運動數據Dao接口
6.4項目小結
第7章大數據實時計算微服務引擎
7.1核心需求分析和優秀解決方案
7.2服務引擎的技術架構設計
7.3核心技術講解及模組化實現
7.3.1分散式採集服務Flume部署及數據採集
7.3.2分散式訊息服務Kafka部署及數據傳送
7.3.3創建HBase資料庫和Spark環境
7.3.4分散式實時處理引擎SparkStreaming原理及數據處理
7.3.5構建BD_RTPServer_DP工程實現數據處理
7.3.6構建BD_RTPServer_Boot服務實現可視化
7.4項目小結
第8章大數據智慧型分析微服務引擎
8.1核心需求分析和優秀解決方案
8.2服務引擎的技術架構設計
8.3核心機器學習算法講解和套用
8.3.1邏輯回歸的原理分析
8.3.2支持向量機原理分析
8.3.3決策樹原理分析
8.3.4聚類算法原理分析
8.3.5關聯規則算法原理分析
8.3.6協同過濾原理分析
8.4Spark架構原理與數據預測
8.4.1YARN運行架構工作原理
8.4.2SparkMlib核心技術
8.4.3SpringMaven工程構建
8.4.4決策樹預測體檢費用
8.4.5邏輯回歸預測體檢費用
8.4.6隨機森林預測體檢費用
8.4.7支持向量機預測疾病機率
8.4.8協同過濾推薦藥品
8.5項目小結
第9章大數據自定義遷移微服務引擎
9.1核心需求分析和優秀解決方案
9.2服務引擎的技術架構設計
9.3核心技術講解及模組化實現
9.3.1Hadoop生態的核心組件
9.3.2HBase工作原理
9.3.3Sqoop工作原理
9.3.4MapReduce工作原理
9.3.5Sqoop抽取歷史數據到HDFS
9.3.6構建工程BD_CustomTransfer_Maven
9.3.7智慧型終端運動數據從MySQL數據遷移到Hive
9.4項目小結

相關詞條

熱門詞條

聯絡我們