معرفی و دانلود کتاب کلان داده

معرفی کتاب کلان داده

کتاب کلان داده نوشته‌ی ناتان مارز و جیمز وارن، به شما می‌آموزد که چگونه در مورد سیستم‌های داده فکر کنید و چگونه مشکلات دشوار را با راه‌حل‌های ساده رفع کنید.

درباره‌ی کتاب کلان داده:

استفاده از کلان داده به سادگی دو برابر کردن RDBMS با استفاده از فناوری جدید و مرسوم، نیست. خوشبختانه، مقیاس پذیری و سادگی دو طرفه نیستند، فقط باید رویکرد متفاوتی اتخاذ کنید. سیستم‌های کلان داده از بسیاری از ماشین آلات استفاده می‌کنند که به موازات ذخیره و پردازش داده‌ها کار می‌کنند و چالش‌های اساسی ناآشنا را برای اکثر توسعه دهندگان معرفی می‌کند. کلان داده می‌آموزد که این سیستم‌ها را با استفاده از معماری که از سخت افزارهای گروه‌بندی شده به همراه ابزارهای جدیدی که به طور خاص برای گرفتن و تحلیل داده‌های وب طراحی شده‌اند، بسازید. این یک رویکرد مقیاس پذیر و آسان برای درک سیستم‌های کلان داده را که توسط یک تیم کوچک ساخته و اجرا می‌شود، توصیف می‌کند.

ناتان مارز (Nathan Marz) و جیمز وارن (James Warren) در کتاب کلان داده (Big Data: Principles and Best Practices of Scalable Realtime Data Systems) به دنبال یک مثال واقع گرایانه، شما را از طریق تئوری سیستم‌های کلان داده و نحوه اجرای آن‌ها در عمل راهنمایی می‌کنند. کلان داده‌ها نیازی به مواجهه قبلی با تجزیه و تحلیل داده‌های در مقیاس بزرگ با ابزارهای NoSQL ندارند.

کتاب کلان داده به چه مباحثی می‌پردازد؟

فصل 1 اصول سیستم‌های داده را معرفی می‌کند و مروری بر معماری لامیدا می‌کند؛ یک رویکرد کلی برای ساختن هر سیستم داده. فصل‌های 2 تا 17 در تمام بخش‌های معماری لامبدا پرداخته است، که فصول مختلف بین تئوری و تصویرگری متناوب هستند. اجازه ندهید که اسامی شما را فریب دهند، اما همه فصل‌ها بسیار مثال زدنی هستند.

فصول 2 تا 9 بر لایه دسته‌ای معماری لامبدا تمرکز دارد. در اینجا در مورد مدل‌سازی مجموعه داده‌های اصلی، با استفاده از پردازش دسته‌ای برای ایجاد نماهای دلخواه از داده‌ها، و مبادلات بین پردازش‌های افزایشی و دسته‌ای، اطلاعات کسب خواهید کرد.

فصول 10 و 11 بر لایه سرویس تمرکز می‌کنند، که امکان تاخیر کم به نماهای تولید شده توسط لایه دسته‌ای را فراهم می‌کند. در اینجا با بانک اطلاعاتی تخصصی که فقط به صورت عمده به صورت انبوه ارسال می‌شوند، آشنا می‌شوید. خواهید فهمید که این بانک‌های اطلاعاتی به طور چشمگیری ساده تر از بانک‌های اطلاعاتی سنتی هستند و به آن‌ها ویژگی‌ها عملکردی، عملیاتی و استحکامی عالی می‌بخشد.

در بخشی ار کتاب کلان داده می‌خوانیم:

بسیاری از پیچیدگی‌ها ذاتی در معماری‌های کاملا افزایشی وجود دارد که در ایجاد زیرساخت‌های تولید مشکل ایجاد می‌کند. در اینجا به یک مورد توجه خواهیم کرد: نیاز به خواندن / نوشتن پایگاه داده برای انجام تراکم آنلاین و کارهایی که باید به صورت عملیاتی انجام دهید تا امور به طور روان اجرا شود.

در یک دیتابیس خواندن / نوشتن، به عنوان یک فهرست دیسک به صورت افزایشی به آن اضافه و اصلاح می‌شود، بخش‌هایی از این شاخص استفاده نشده می‌مانند. این قسمت‌های بلااستفاده فضا را به خود می‌گیرند و در نهایت نیاز به پس گرفتن مجدد برای جلوگیری از پر شدن دیسک هستند. پس گرفتن مجدد فضا به محض استفاده از آن، بسیار گران است، بنابراین گاهی اوقات در فرآیندی بنام فشرده سازی، فضا به صورت عمده بازپرداخت می‌شود.

فهرست مطالب کتاب

فصل 1: یک الگوی جدید برای کلان داده
بخش 1: لایه دسته‌ای
فصل 2: مدل داده برای کلان داده
فصل 3: مدل داده برای کلان داده: تصویر
فصل 4: ذخیره داده در لایه دسته‌ای
فصل 5: ذخیره‌سازی داده‌ها روی لایه دسته‌ای: تصویر
فصل 6: لایه دسته‌ای
فصل 7: لایه دسته‌ای: تصویر
فصل 8: یک لایه دسته‌ای مثال: معماری و الگوریتم
فصل 9: یک لایه دسته‌ای مثال: پیاده‌سازی
فصل 10: خدمت لایه
بخش 2: لایه سرویس 
فصل 11: لایه خدمت: تصویر
بخش 3: لایه سریع
فصل 12: نمایش زمان واقعی
فصل 13: نمایش زمان واقعی: تصویر
فصل 14: پردازش صف و جریان
فصل 15: صف‌بندی و پردازش جریان: تصویر
فصل 16: پردازش جریان میکرو دسته‌ای
فصل 17: پردازش جریان میکرو دسته‌ای: تصویر
فصل 18: معماری لامبدا در عمق