Big Data : Entwicklung und Programmierung von Systemen für große Datenmengen und Einsatz der Lambda-Architektur /

Techniken und Best Practices für Datensysteme Einführung in Big-Data-Systeme Echtzeitverarbeitung sehr großer Datenmengen Tools wie Hadoop, Cassandra und Storm Bei Anwendungen in der Größenordnung von sozialen Netzwerken, der Datenverkehrsanalyse in Echtzeit oder E-Commerce-Websites entstehen seh...

Descripción completa

Detalles Bibliográficos
Clasificación:Libro Electrónico
Autores principales: Marz, Nathan (Autor), Warren, James (Autor)
Otros Autores: Lorenzen, Knut (Traductor)
Formato: Electrónico eBook
Idioma:Alemán
Inglés
Publicado: [Germany] : Mitp Verlags GmbH & Co. KG, 2016.
Temas:
Big data.
Real-time data processing.
Database management.
Database design.
Data mining.
Données volumineuses.
Temps réel (Informatique)
Bases de données > Gestion.
Bases de données > Conception.
Exploration de données (Informatique)
Acceso en línea:Texto completo (Requiere registro previo con correo institucional)

MARC

LEADER 00000cam a2200000Ii 4500
001 OR_ocn960211568
003 OCoLC
005 20231017213018.0
006 m o d
007 cr unu||||||||
008 161010s2016 gw a o 000 0 ger d
040 |a UMI  |b eng  |e rda  |e pn  |c UMI  |d OCLCF  |d COO  |d OCLCQ  |d C6I  |d REB  |d WYU  |d TOH  |d DST  |d OCLCO  |d OCLCQ 
020 |a 9783958451773 
020 |a 3958451772 
029 1 |a AU@  |b 000071518090 
035 |a (OCoLC)960211568 
037 |a CL0500000791  |b Safari Books Online 
041 1 |a ger  |h eng 
050 4 |a QA76.9.D32 
082 0 4 |a 005.7  |2 23 
049 |a UAMI 
100 1 |a Marz, Nathan,  |e author. 
240 1 0 |a Big data.  |l German 
245 1 0 |a Big Data :  |b Entwicklung und Programmierung von Systemen für große Datenmengen und Einsatz der Lambda-Architektur /  |c Nathan Marz, James Warren ; Übersetzung aus dem Amerikanischen von Knut Lorenzen. 
264 1 |a [Germany] :  |b Mitp Verlags GmbH & Co. KG,  |c 2016. 
300 |a 1 online resource (1 volume) :  |b illustrations 
336 |a text  |b txt  |2 rdacontent 
337 |a computer  |b c  |2 rdamedia 
338 |a online resource  |b cr  |2 rdacarrier 
546 |a Translation from English of : Big Data: Principles and best practices of scalable realtime data systems. 
588 0 |a Online resource; title from title page (viewed October 7, 2016). 
520 |a Techniken und Best Practices für Datensysteme Einführung in Big-Data-Systeme Echtzeitverarbeitung sehr großer Datenmengen Tools wie Hadoop, Cassandra und Storm Bei Anwendungen in der Größenordnung von sozialen Netzwerken, der Datenverkehrsanalyse in Echtzeit oder E-Commerce-Websites entstehen sehr schnell so große Datenmengen, dass herkömmliche Datenbanksysteme ihnen nicht mehr gewachsen sind. Solche Anwendungen erfordern Architekturen, die dafür ausgelegt sind, Datenmengen nahezu beliebigen Umfangs zu speichern und zu verarbeiten. Dieses Buch erklärt die Einrichtung solcher Datenhaltungssysteme anhand einer speziell für große Datenmengen ausgelegten Architektur. Der Autor erläutert die Theorie von Big-Data-Systemen und zeigt, wie der Leser dies in die Praxis umsetzen kann. Darüber hinaus werden Technologien wie Hadoop, Storm und NoSQL-Datenbanken eingeführt. 
505 0 |a Cover; Titel; Impressum; Inhaltsverzeichnis; Vorwort; Danksagungen; Über dieses Buch; Kapitel 1: Ein neues Paradigma für Big Data; 1.1 Aufbau des Buches; 1.2 Skalierung mit einer herkömmlichen Datenbank; 1.2.1 Skalierung mit einer Warteschlange; 1.2.2 Skalierung durch Sharding; 1.2.3 Erste Probleme mit der Fehlertoleranz; 1.2.4 Probleme mit fehlerhaften Daten; 1.2.5 Was ist schiefgegangen?; 1.2.6 Inwiefern sind Big-Data-Verfahren hilfreich?; 1.3 NoSQL ist kein Allheilmittel; 1.4 Grundlagen; 1.5 Erwünschte Eigenschaften eines Big-Data-Systems; 1.5.1 Belastbarkeit und Fehlertoleranz 
505 8 |a 1.5.2 Lesen und Aktualisieren mit geringen Latenzzeiten1.5.3 Skalierbarkeit; 1.5.4 Allgemeingültigkeit; 1.5.5 Erweiterbarkeit; 1.5.6 Ad-hoc-Abfragen; 1.5.7 Minimaler Wartungsaufwand; 1.5.8 Fehlerbehebung; 1.6 Schwierigkeiten vollständig inkrementeller Architekturen; 1.6.1 Komplexität im Betrieb; 1.6.2 Extreme Komplexität, um letztendliche Konsistenz zu erzielen; 1.6.3 Keine Fehlertoleranz gegenüber menschlichem Versagen; 1.6.4 Vollständig inkrementelle Lösung kontra Lambda-Architektur; 1.7 Lambda-Architektur; 1.7.1 Batch-Layer; 1.7.2 Serving-Layer 
505 8 |a 1.7.3 Batch- und Serving-Layer erfüllen fast alle Anforderungen1.7.4 Speed-Layer; 1.8 Die neuesten Trends; 1.8.1 Prozessoren werden kaum noch schneller; 1.8.2 Elastic Clouds; 1.8.3 Ein lebhaftes Open-Source-Ökosystem für Big Data; 1.9 Beispielanwendung: SuperWebAnalytics.com; 1.10 Zusammenfassung; Teil I: Batch-Layer; Kapitel 2: Das Datenmodell für Big Data; 2.1 Die Eigenschaften von Daten; 2.1.1 Daten sind ursprünglich; 2.1.2 Daten sind unveränderlich; 2.1.3 Daten sind beständig korrekt; 2.2 Das faktenbasierte Modell zur Repräsentierung von Daten; 2.2.1 Faktenbeispiele und ihre Eigenschaften 
505 8 |a 2.2.2 Vorteile des faktenbasierten Modells2.3 Graphenschemata; 2.3.1 Elemente eines Graphenschemas; 2.3.2 Die Notwendigkeit, dem Schema zu gehorchen; 2.4 Ein vollständiges Datenmodell für SuperWebAnalytics.com; 2.5 Zusammenfassung; Kapitel 3: Das Datenmodell für Big Data: Praxis; 3.1 Wozu ein Serialisierungs-Framework?; 3.2 Apache Thrift; 3.2.1 Knoten; 3.2.2 Kanten; 3.2.3 Eigenschaften; 3.2.4 Alles in Datenobjekten zusammenfassen; 3.2.5 Weiterentwicklung des Schemas; 3.3 Für Serialisierungs-Frameworks geltende Beschränkungen; 3.4 Zusammenfassung; Kapitel 4: Datenspeicherung im Batch-Layer 
505 8 |a 4.1 Speicheranforderungen des Stammdatensatzes4.2 Auswahl einer Speicherlösung für den Batch-Layer; 4.2.1 Schlüssel-Werte-Datenbank zum Speichern des Stammdatensatzes verwenden; 4.2.2 Verteilte Dateisysteme; 4.3 Funktionsweise verteilter Dateisysteme; 4.4 Speichern des Stammdatensatzes mit einem verteilten Dateisystem; 4.5 Vertikale Partitionierung; 4.6 Verteilte Dateisysteme sind maschinennah; 4.7 Speichern des SuperWebAnalytics.com-Stammdatensatzes in einem verteiltem Dateisystem; 4.8 Zusammenfassung; Kapitel 5: Datenspeicherung im Batch-Layer: Praxis 
590 |a O'Reilly  |b O'Reilly Online Learning: Academic/Public Library Edition 
650 0 |a Big data. 
650 0 |a Real-time data processing. 
650 0 |a Database management. 
650 0 |a Database design. 
650 0 |a Data mining. 
650 6 |a Données volumineuses. 
650 6 |a Temps réel (Informatique) 
650 6 |a Bases de données  |x Gestion. 
650 6 |a Bases de données  |x Conception. 
650 6 |a Exploration de données (Informatique) 
650 7 |a Big data.  |2 fast  |0 (OCoLC)fst01892965 
650 7 |a Data mining.  |2 fast  |0 (OCoLC)fst00887946 
650 7 |a Database design.  |2 fast  |0 (OCoLC)fst00888032 
650 7 |a Database management.  |2 fast  |0 (OCoLC)fst00888037 
650 7 |a Real-time data processing.  |2 fast  |0 (OCoLC)fst01091219 
700 1 |a Warren, James,  |e author. 
700 1 |a Lorenzen, Knut,  |e translator. 
856 4 0 |u https://learning.oreilly.com/library/view/~/9783958451773/?ar  |z Texto completo (Requiere registro previo con correo institucional) 
994 |a 92  |b IZTAP 

Ejemplares similares