《Storm技术内q与大数据实c(din)PDF 下蝲
转蝲自：(x)https://download.csdn.net/download/peak_h/9448614
下蝲地址Q?/strong>
版权归出版社和原作者所有，链接已删除，误买正?/b>
图书介：(x)
《Storm技术内q与大数据实c(din)内容主要围l实时大数据pȝ的各个方面展开Q从实时q_M介绍到集源码、运l监控、实时系l扩展、以用户dZ的数据^収ͼ最后到推荐、广告、搜索等具体的大数据应用。书中提到的不少问题是实际生产环境中因ؓ(f)数据量增长而遇到的一些真实问题，对即或正在q用实时pȝ处理大数据问题的团队?x)有所帮助?/span>
相关截图Q?br />
图书目录Q?/strong>
W?章 l论
1.1 Storm的基本组?nbsp;
1.1.1 集群l成
1.1.2 核心(j)概念
1.1.3 Storm的可靠?nbsp;
1.1.4 Storm的特?nbsp;
1.2 其他式处理框架
1.2.1 Apache S4
1.2.2 Spark Streaming
1.2.3 计和Storm的应?nbsp;
W?章 实时q_介绍
2.1 实时q_架构介绍
2.2 Kafka架构
2.2.1 Kafka的基本术语和概念
2.2.2 Kafka在实时^C的应?nbsp;
2.2.3 消息的持久化和顺序读?nbsp;
2.2.4 sendfilepȝ调用和零复制
2.2.5 Kafka的客L(fng)
2.2.6 Kafka的扩?nbsp;
2.3 大众点评实时q_
2.3.1 相关数据
2.3.2 实时q_?nbsp;
2.3.3 Blackhole
2.4 1号店实时q_
W?章 Storm集群部v和配|?nbsp;
3.1 Storm的依赖组?nbsp;
3.2 Storm的部|环?nbsp;
3.3 部vStorm服务
3.3.1 部vZooKeeper
3.3.2 部vStorm
3.3.3 配置Storm
3.4 启动Storm
3.5 Storm的守护进E?nbsp;
3.6 部vStorm的其他节?nbsp;
3.7 提交Topology
W?章 Storm内部剖析
4.1 Storm客户?nbsp;
4.2 Nimbus
4.2.1 启动Nimbus服务
4.2.2 Nimbus服务的执行过E?nbsp;
4.2.3 分配Executor
4.2.4 调度?nbsp;
4.2.5 默认调度器DefaultScheduler
4.2.6 均衡调度器EvenScheduler
4.3 Supervisor
4.3.1 ISupervisor接口
4.3.2 Supervisor的共享数?nbsp;
4.3.3 Supervisor的执行过E?nbsp;
4.4 Worker
4.4.1 Worker中的数据?hu)?nbsp;
4.4.2 创徏Worker的过E?nbsp;
4.5 Executor
4.5.1 Executor的创?nbsp;
4.5.2 创徏Spout的Executor
4.5.3 创徏Bolt的Executor
4.6 Task
4.6.1 Task的上下文对象
4.6.2 Task的创?nbsp;
4.7 Storm中的l计
4.7.1 stats框架
4.7.2 metric框架
4.8 Ack框架
4.8.1 Ack的原?nbsp;
4.8.2 Acker Bolt
4.9 StormM架构
W?章 Stormq维和监?nbsp;
5.1 L信息监控
5.1 日志和监?nbsp;
5.2 Storm UI和NimbusClient
5.3 Storm Metric的?nbsp;
5.4 Storm ZooKeeper的目?nbsp;
5.5 Storm Hook的?nbsp;
W?章 Storm的扩?nbsp;
6.1 Storm UI的扩?nbsp;
6.1.1 Storm UI原生功能
6.1.2 Storm UI新功能需?nbsp;
6.1.3 Storm的Thrift接口
6.2 资源隔离
6.2.1 CGroup试
6.2.2 ZCGroup的资源隔ȝ实现
W?章 Storm开?nbsp;
7.1 单示?nbsp;
7.2 调试和日?nbsp;
7.3 Storm Trident
7.4 Strom DRPC
W?章 ZStorm的实时数据^?nbsp;
8.1 Hadoop到Storm的代码迁Uȝ?nbsp;
8.2 实时用户d
8.2.1 单实时画?nbsp;
8.2.2 实时d优化
8.2.3 实时d的毫U更新
8.3 其他场景d
8.4 d的兴度模型构徏
8.5 外部d融合l验分n
8.6 交互式查询和分析用户d
8.7 实时产品和店Z息更?nbsp;
W?章 大数据应用案?nbsp;
9.1 实时DAU计算
9.2 实时个性化推荐
9.2.1 推荐pȝ介绍
9.2.2 实时推荐pȝ的方?nbsp;
9.2.3 ZStorm的实时推荐系l?nbsp;
9.3 q告投放的精准化
9.3.1 点击率预?nbsp;
9.3.2 搜烦(ch)引擎营销
9.3.3 _և化营销与千人千?nbsp;
9.4 实时意图和搜?nbsp;
9.4.1 用户意图预测
9.4.2 搜烦(ch)比h(hun)
9.4.3 搜烦(ch)排序
W?0章 Storm使用l验和性能优化
10.1 使用l验
10.1.1 使用rebalance命o(h)动态调整ƈ发度
10.1.2 使用tick消息做定时器
10.1.3 使用lg的ƈ行度代替U程?nbsp;
10.1.4 不要用DRPC扚w处理大数?nbsp;
10.1.5 不要在Spout中处理耗时的操?nbsp;
10.1.6 log4j的用技?nbsp;
10.1.7 注意fieldsGrouping的数据均衡?nbsp;
10.1.8 优先使用localOrShuffleGrouping
10.1.9 讄合理的MaxSpoutPending?nbsp;
10.1.10 讄合理的Worker?nbsp;
10.1.11 q吞吐量和时效?nbsp;
10.2 性能优化
10.2.1 扑ֈTopology的性能瓉
10.2.2 GC参数优化
10.3 性能优化原则
附录A Kafka原理
附录B Storm源码导入Eclipse
|
苏公|安?32061202001004?/p>
