唯一串流大數據處理平台: Apache Kafka動手做
| 作者 | 胡夕 |
|---|---|
| 出版社 | 聯合發行股份有限公司 |
| 商品描述 | 唯一串流大數據處理平台: Apache Kafka動手做：作者把學到的知識及原理集中整理、轉化成文字來幫助那些尚未接觸Kafka的讀者們，希望讀者們能夠降低在學習Kafka時所花費的時 |
內容簡介
內容簡介 作者把學到的知識及原理集中整理、轉化成文字來幫助那些尚未接觸Kafka 的讀者們，希望讀者們能夠降低在學習Kafka 時所花費的時間成本、 快速上手；作者也期許眾讀者們，於閱讀完本書的同時，能夠和作者一樣，體驗到瞭解一個過去從未觸及的領域時，所產生的那種滿足及興奮感。
作者介紹
作者介紹 ■作者簡介胡夕
產品目錄
產品目錄 01 認識Apache Kafka1.1 Kafka 快速入門1.2 訊息引擎系統1.3 Kafka 概要設計1.4 Kafka 基本概念與術語1.5 Kafka 使用場景1.6 本章小結02 Kafka 發展歷史2.1 Kafka 的歷史2.2 Kafka 版本變遷2.3 如何選擇Kafka 版本2.4 Kafka 與Confl uent2.5 本章小結03 Kafka 線上環境部署3.1 叢集環境規劃3.2 虛擬分散式環境安裝3.3 多節點環境安裝3.4 驗證部署3.5 參數設定3.6 本章小結04 producer 開發4.1 producer 概覽4.2 建置producer4.3 訊息分區機制4.4 訊息序列化4.5 producer 攔截器4.6 無訊息遺失設定4.7 訊息壓縮4.8 多執行緒處理4.9 舊版本producer4.10 本章小結05 consumer 開發5.1 consumer 概覽5.2 建置consumer5.3 訂閱topic5.4 訊息輪詢5.5 位移管理5.6 重平衡（rebalance）5.7 解序列化5.8 多執行緒消費實例5.9 獨立consumer5.10 舊版本consumer5.11 本章小結06 Kafka 設計原理6.1 broker 端設計架構6.2 producer 端設計6.3 consumer 端設計6.4 實現精確一次處理語義6.5 本章小結07 管理Kafka 叢集7.1 叢集管理7.2 topic 管理7.3 topic 動態設定管理7.4 consumer 相關管理7.5 topic 分區管理7.6 Kafka 常見指令稿工具7.7 API 方式管理叢集7.8 MirrorMaker7.9 Kafka 安全7.10 常見問題7.11 本章小結08 監控Kafka 叢集8.1 叢集健康度檢查8.2 MBean 監控8.3 broker 端JMX 監控8.4 clients 端JMX 監控8.5 JVM 監控8.6 OS 監控8.7 主流監控架構8.8 本章小結09 最佳化Kafka 叢集9.1 引言9.2 確定最佳化目標9.3 叢集基礎最佳化9.4 最佳化傳輸量9.5 最佳化延遲時間9.6 最佳化持久性9.7 最佳化可用性9.8 本章小結10 Kafka Connect 與Kafka Streams10.1 引言10.2 Kafka Connect10.3 Kafka Streams10.4 本章小結
商品規格
| 書名 / | 唯一串流大數據處理平台: Apache Kafka動手做 |
|---|---|
| 作者 / | 胡夕 |
| 簡介 / | 唯一串流大數據處理平台: Apache Kafka動手做：作者把學到的知識及原理集中整理、轉化成文字來幫助那些尚未接觸Kafka的讀者們，希望讀者們能夠降低在學習Kafka時所花費的時 |
| 出版社 / | 聯合發行股份有限公司 |
| ISBN13 / | 9789865003654 |
| ISBN10 / | 9865003651 |
| EAN / | 9789865003654 |
| 誠品26碼 / | 2681720597001 |
| 頁數 / | 496 |
| 注音版 / | 否 |
| 裝訂 / | P:平裝 |
| 語言 / | 1:中文 繁體 |
| 尺寸 / | 23X17X2.2CM |
| 級別 / | N:無 |
| 重量(g) / | 620.8 |
試閱文字
自序 : 這是一個最好的大數據時代，這是一個最壞的大數據時代！
很抱歉，我使用了這句改編後的狄更斯名言作為開頭，我想沒有誰會質疑「當今是大數據時代」這個論點。實際到大數據企業內，各種各樣的大數據產業方興未艾，其中在即時流式處理領域湧現出大量的技術與架構，令技術人員們應接不暇。即時流式處理系統在克服了傳統批次處理系統延遲時間方面的固有缺陷的同時，還擺脫了設計上的桎梏，實現了「夢寐以求」的正確性。可以說，對流式處理從業人員來說，這正是摩拳擦掌、大展巨集圖的最好時代。
與此同時，我們也清醒地意識到當今大數據領域內的細分越來越精細化。不必說日漸火爆的人工智慧和機器學習潮流引誘著我們改弦易轍，也不必說那些紛繁複雜的技術架構令人眼花繚亂，單是靜下心來沉澱所學、思考方向的片刻時光於我們這些從業者來說都已顯得彌足珍貴。我們仿佛在黑暗密林中徘徊，試圖找出那條通往光明的「康莊大道」。每當發現了一條羊腸小路都好似救命稻草一般緊
緊抓住。多年後我們回望那只不過是不斷追逐熱點罷了，在技術的海洋中我們迷失了前進的方向。從這個意義上說，這實在是一個糟糕的時代。
時光切回到4 年前的某個下午，那時我正在做著Kafka 的大數據專案。我突然發現與其盲目跟風各種技術趨勢，何不精進手頭的工作，把目前工作中用到的技術搞明白，於是我萌發了研究Kafka 的想法。直到今天，我都無比慶倖那個午後做出的衝動決定，正如Adam Grant 在《離經叛道》一書中所說：最正確的決定都是在衝動之下做出的。誠不欺我！
最佳賣點
最佳賣點 : 結合典型使用場景， 對Kafka 整個技術體系進行了較為全面的講解。對Kafka 的設計原理及其流式處理組件進行了較深入的探討。書附詳實案例，便於讀者了解實際情形。