流式架构 Kafka与MapR Streams数据流处理PDF电子书下载

第1章 为什么使用流 1

飞机、火车和汽车：车联网和物联网 3

流数据：这才是现实世界 6

什么时候需要流 8

不止是实时：流架构的更多优势 11

流架构的最佳实践 13

医疗数据流案例 14

流数据：架构设计的核心 17

第2章 流式架构 19

狭义视角：实时应用 20

通用流式架构的关键问题 21

消息传递技术的重要性 24

实时分析工具 28

Apache Storm 30

Apache Spark Streaming 31

Apache Flink 32

Apache Apex 33

流分析功能比较 33

小结 36

第3章 流架构：微服务的理想平台 37

为什么需要微服务 38

微服务需要哪些支撑 41

关于微服务的更多详情 42

设计流架构：以在线视频服务为例 45

新设计：支持消息传递的基础设施 47

通用微架构的重要性 49

命名问题 50

为什么使用分布式文件和NoSQL数据库 52

视频服务的新设计 52

小结：综合平台视角 54

第4章 使用Kafka进行流传输 57

Kafka的动机 57

Kafka的创新 58

Kafka的基本概念 60

排序 61

持久化 62

Kafka API 62

KafkaProducer API 63

KafkaConsumer API 66

遗留API 70

Kafka实用程序 71

负载均衡 71

镜像 72

Kafka的陷阱 73

产品环境下的Kafka 73

主题和分区的数目有限 74

手动均衡分区负载 75

没有固有的序列化机制 76

镜像的不足 77

小结 78

第5章 MapR Streams 79

MapR Streams的创新 79

MapR流系统的历史和情境 82

MapR Streams的工作原理 84

配置MapR Streams 86

地理分布式复制 89

MapR Streams的陷阱 91

第6章 基于流数据的欺诈检测 93

刷卡速度 94

快速响应决策：“这是欺诈吗” 95

多用途流数据 98

欺诈检测器的向上扩展 99

小结 101

第7章 地理分布式数据流 103

利益相关者 104

设计目标 106

设计选择 106

我们的设计 108

数据 108

控制谁能访问流数据 109

基于流的地理分布式复制的优势 110

第8章 总结 113

流式架构的优势 115

过渡到流架构 116

小结 119

附录A 附加资源 121

作者简介 125