داده‌های جاری ۲۰۱۷
Streaming Data 2017

کتاب *داده‌های جریانی (Streaming Data)* مفاهیم و الزامات سامانه‌های داده‌ای جریانی و بلادرنگ را معرفی می‌کند. این کتاب یک آموزش غنی از ایده‌ها است که به شما می‌آموزد چگونه در مورد تعامل کارآمد با داده‌های پرسرعت فکر کنید.

خرید نسخه چاپی کتاب شامل یک کتاب الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از انتشارات Manning است.

درباره‌ی فناوری

ما انسان‌ها دائماً در حال فیلتر و رمزگشایی اطلاعاتی هستیم که به سمت ما جریان دارند. به همین ترتیب، برنامه‌های کاربردی داده‌های جریانی می‌توانند وظایف شگفت‌انگیزی مانند خواندن داده‌های موقعیت مکانی زنده برای توصیه خدمات نزدیک، ردیابی عیوب ماشین‌آلات در زمان واقعی و ارسال رسیدهای دیجیتال قبل از خروج مشتریان از فروشگاه را انجام دهند. پیشرفت‌های اخیر در فناوری و تکنیک‌های داده‌های جریانی این امکان را برای هر توسعه‌دهنده‌ای فراهم می‌کند تا در صورت داشتن طرز فکر درست، این برنامه‌ها را بسازد. این کتاب به شما این امکان را می‌دهد که به آن‌ها بپیوندید.

درباره‌ی کتاب

*داده‌های جریانی* یک آموزش غنی از ایده‌ها است که به شما می‌آموزد چگونه در مورد تعامل کارآمد با داده‌های پرسرعت فکر کنید. از طریق مثال‌های مرتبط و موارد استفاده مصور، طرح‌هایی را برای برنامه‌های کاربردی که داده‌های جریانی را می‌خوانند، تجزیه و تحلیل می‌کنند، به اشتراک می‌گذارند و ذخیره می‌کنند، بررسی خواهید کرد. در این مسیر، نقش فناوری‌های کلیدی مانند Spark، Storm، Kafka، Flink، RabbitMQ و موارد دیگر را کشف خواهید کرد. این کتاب تعادل کاملی بین تفکر کلان و جزئیات پیاده‌سازی ارائه می‌دهد.

مطالب داخل کتاب

* روش صحیح جمع‌آوری داده‌های بلادرنگ
* معماری یک خط لوله جریانی
* تجزیه و تحلیل داده‌ها
* چه فناوری‌هایی را چه زمانی استفاده کنیم

مخاطب کتاب

نوشته شده برای توسعه‌دهندگانی که با مفاهیم پایگاه داده رابطه‌ای آشنا هستند. هیچ تجربه‌ای در زمینه برنامه‌های جریانی یا بلادرنگ لازم نیست.

درباره‌ی نویسنده

اندرو پسالتیس یک مهندس نرم‌افزار است که بر تحلیل بلادرنگ با مقیاس‌پذیری عظیم تمرکز دارد.

فهرست مطالب

بخش 1 – یک رویکرد کل نگر جدید
1. معرفی داده‌های جریانی
2. دریافت داده از مشتریان: دریافت داده
3. انتقال داده از لایه جمع آوری: جداسازی خط لوله داده
4. تجزیه و تحلیل داده‌های جریانی
5. الگوریتم‌هایی برای تجزیه و تحلیل داده‌ها
6. ذخیره داده‌های تجزیه و تحلیل شده یا جمع آوری شده
7. در دسترس قرار دادن داده‌ها
8. قابلیت‌ها و محدودیت‌های دستگاه مصرف کننده در دسترسی به داده‌ها
بخش 2 – وارد دنیای واقعی شدن
9. تجزیه و تحلیل پاسخ‌های Meetup در زمان واقعی

Streaming Data introduces the concepts and requirements of streaming and real-time data systems. The book is an idea-rich tutorial that teaches you to think about how to efficiently interact with fast-flowing data.

Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.

About the Technology

As humans, we’re constantly filtering and deciphering the information streaming toward us. In the same way, streaming data applications can accomplish amazing tasks like reading live location data to recommend nearby services, tracking faults with machinery in real time, and sending digital receipts before your customers leave the shop. Recent advances in streaming data technology and techniques make it possible for any developer to build these applications if they have the right mindset. This book will let you join them.

About the Book

Streaming Data is an idea-rich tutorial that teaches you to think about efficiently interacting with fast-flowing data. Through relevant examples and illustrated use cases, you’ll explore designs for applications that read, analyze, share, and store streaming data. Along the way, you’ll discover the roles of key technologies like Spark, Storm, Kafka, Flink, RabbitMQ, and more. This book offers the perfect balance between big-picture thinking and implementation details.

What’s Inside

• The right way to collect real-time data
• Architecting a streaming pipeline
• Analyzing the data
• Which technologies to use and when

About the Reader

Written for developers familiar with relational database concepts. No experience with streaming or real-time applications required.

About the Author

Andrew Psaltis is a software engineer focused on massively scalable real-time analytics.

Table of Contents

PART 1 – A NEW HOLISTIC APPROACH
1. Introducing streaming data
2. Getting data from clients: data ingestion
3. Transporting the data from collection tier: decoupling the data pipeline
4. Analyzing streaming data
5. Algorithms for data analysis
6. Storing the analyzed or collected data
7. Making the data available
8. Consumer device capabilities and limitations accessing the data

PART 2 – TAKING IT REAL WORLD

9. Analyzing Meetup RSVPs in real time