Storm实时数据处理

内容简介

在大数据领域，Hadoop无疑是手可热的技术。作为分布式系统架构，Hadoop具有高可靠性、高扩展性、性、高容错性和低成本的优点。然而随着数据体积越来越大，实时处理能力成为了许多机构需要面对的要挑战。Hadoop是一个批处理系统，在实时计算处理方面显得十分乏力。storm是一个类似于Hadoop勺实时数据处理框架，也是一个有效的开源实时计算工具，通常被比作“实时的Hadoop”。
　　《大数据技术丛书：Storm实时数据处理》通过丰富的实例，系统讲解Storm的基础知识和实时数据处理的实践方法，内容涵盖Storm本地开发环境搭建、日志流数据处理、Trident、分布式远程过程调用、Topology在不同编程语言中的实现方法、Storm与Hadoop的集成方法、实时机器学习、持续交付和如何在AWS上部署Storm。此外，《大数据技术丛书：Storm实时数据处理》旨在围绕Storm技术促进DevOps实践，使读者能够开发Storm解决方案，同时可靠地交付有价值的产品。
　　《大数据技术丛书：Storm实时数据处理》适合想学习实时处理技术或者想通过Storm实现实时处理方法的开发者阅读。

目录

译者序
前言
第1章 搭建开发环境
1.1 简介
1.2 搭建开发环境
1.3 分布式版本控制
1.4 创建“Hello World”Topology
1.5 创建Storm集群——配置机器
1.6 创建Storm集群——配置Storm
1.7 获取基本的点击率统计信息
1.8 对Bolt进行单元测试
1.9 实现集成测试
1.10 将产品部署到集群
第2章 日志流处理
2.1 简介
2.2 创建日志代理
2.3 创建日志Spout
2.4 基于规则的日志流分析
2.5 索引与持久化日志数据
2.6 统计与持久化日志统计信息
2.7 为日志流集群创建集成测试
2.8 创建日志分析面板
第3章 使用Trident计算单词重要度
3.1 简介
3.2 使用Twitter过滤器创建URL流
3.3 从文件中获取整洁的词流
3.4 计算每个单词的相对重要度
第4章 分布式远程过程调用
4.1 简介
4.2 通过DPRC实现所需处理流程
4.3 对Trident Topology进行集成测试
4.4 实现滚动窗口Topology
4.5 在集成测试中模拟时间
第5章 在不同语言中实现Topology
5.1 简介
5.2 在Qt中实现多语言协议
5.3 在Qt中实现SplitSentence Bolt
5.4 在Ruby中实现计数 Bolt
5.5 在Clojure中实现单词计数Topology
第6章 Storm与Hadoop集成
6.1 简介
6.2 在Hadoop中实现TF-IDF算法
6.3 持久化来自Storm的文件
6.4 集成批处理与实时视图
第7章 实时机器学习
7.1 简介
7.2 实现事务性Topology
7.3 在R中创建随机森林分类模型
7.4 基于随机森林的事务流业务分类
7.5 在R中创建关联规则模型
7.6 创建引擎
7.7 实时在线机器学习
第8章 持续交付
8.1 简介
8.2 搭建CI服务器
8.3 搭建系统环境
8.4 定义交付流水线
8.5 实现自动化验收测试
第9章 在AWS上部署Storm
9.1 简介
9.2 使用Pallet在AWS上部署Storm
9.3  搭建虚拟私有云
9.4 使用Vagrant在虚拟私有云上部署Storm