1.本书从宏观层面介绍流计算，并介绍处理实时数据流的内容、地、时间和方式。 2.本书一作泰勒·阿基道是谷歌公司的高级软件工程师、数据处理语言和系统部门的技术负责人，拥有丰富的经验，负责谷歌的Apache Beam、Cloud Dataflow、Flume、MapReduce和MillWheel等内部数据处理工具。他还是Apache Beam PMC的创始成员。 3.本书译者为阿里技术团队，由专门的流式系统技术的推广团队，可以借势推广。
售 价：¥
纸质售价：¥78.80购买纸书
6.3
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
内容提要
O’Reilly Media, Inc.介绍
推荐序
译者序
前言
第一部分 Beam模型
第1章 流式入门
1.1 术语：什么是流式
1.2 数据处理模式
1.3 小结
第2章 数据处理的来龙去脉
2.1 路线图
2.2 批处理基础：定义及位置
2.3 开始流式处理：时机及方法
2.4 小结
第3章 水位
3.1 定义
3.2 源水位的创建
3.3 水位传播
3.4 百分位数水位
3.5 处理时间水位
3.6 案例分析
3.7 小结
第4章 高级开窗
4.1 时机/位置：处理时间开窗
4.2 位置：会话
4.3 位置：自定义开窗
4.4 小结
第5章 精确一次及副作用
5.1 为什么精确一次这么重要
5.2 准确性与完整性
5.3 确保在混洗中精确一次
5.4 解决确定性
5.5 性能
5.6 源端的精确一次
5.7 汇端的精确一次
5.8 使用场景
5.9 其他系统
5.10 小结
第二部分 流和表
第6章 流和表
6.1 流和表的基础：流表相对性的特殊理论
6.2 批处理与流和表
6.3 流和表世界的定义、位置、时机和方法
6.4 流表相对性的通用理论
6.5 小结
第7章 持久状态的实践
7.1 动机
7.2 隐式状态
7.3 通用状态
7.4 小结
第8章 流式SQL
8.1 什么是流式SQL
8.2 回顾：流和表的偏好
8.3 展望：迈向健壮的流式SQL
8.4 小结
第9章 流式连接
9.1 所有连接都是流式连接
9.2 非开窗连接
9.3 开窗连接
9.4 小结
第10章 大规模数据处理的演进
10.1 MapReduce
10.2 Hadoop
10.3 Flume
10.4 Storm
10.5 Spark
10.6 MillWheel
10.7 Kafka
10.8 Cloud Dataflow
10.9 Flink
10.10 Beam
10.11 小结
关于作者
关于封面
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
