• teoretyczne podstawy koncepcji systemów Big Data
• wskazówki umożliwiające optymalne wykorzystanie zasobów do obsługi danych
• wybór technik przetwarzania i obsługi wielkich ilości danych w czasie rzeczywistym
• zagadnienia dotyczące baz danych NoSQL, przetwarzania strumieniowego i zarządzania złożonością obliczeń przyrostowych
• informacje o praktycznym stosowaniu takich narzędzi jak Hadoop, Cassandra i Storm
• wskazówki umożliwiające poszerzenie wiedzy o zwykłych bazach danych

Rozdziały:

Przedmowa (11)

Podziękowania (13)

O książce (17)

Rozdział 1. Nowy paradygmat dla Big Data (19)

• 1.1. Zawartość książki (20)
• 1.2. Skalowanie tradycyjnej bazy danych (21)
  • 1.2.1. Skalowanie za pomocą kolejki (22)
  • 1.2.2. Skalowanie przez sharding bazy danych (22)
  • 1.2.3. Rozpoczynają się problemy z odpornością na błędy (23)
  • 1.2.4. Problemy z uszkodzeniem danych (24)
  • 1.2.5. Co poszło nie tak? (24)
  • 1.2.6. W jaki sposób techniki Big Data mogą pomóc? (24)
• 1.3. NoSQL nie jest panaceum (25)
• 1.4. Pierwsze zasady (25)
• 1.5. Wymagane właściwości systemu Big Data (26)
  • 1.5.1. Niezawodność i odporność na błędy (26)
  • 1.5.2. Odczytywanie i aktualizowanie z niską latencją (27)
  • 1.5.3. Skalowalność (27)
  • 1.5.4. Uogólnienie (27)
  • 1.5.5. Rozszerzalność (27)
  • 1.5.6. Zapytania ad hoc (28)
  • 1.5.7. Minimalna konserwacja (28)
  • 1.5.8. Debugowalność (28)
• 1.6. Problemy z architekturami w pełni przyrostowymi (29)
  • 1.6.1. Złożoność operacyjna (29)
  • 1.6.2. Ekstremalna złożoność osiągania spójności ostatecznej (30)
  • 1.6.3. Brak odporności na ludzkie błędy (32)
  • 1.6.4. Rozwiązanie w pełni przyrostowe w porównaniu z architekturą lambda (32)
• 1.7. Architektura lambda (34)
  • 1.7.1. Warstwa przetwarzania wsadowego (36)
  • 1.7.2. Warstwa obsługująca (37)
  • 1.7.3. Warstwy przetwarzania wsadowego i obsługująca zapewniają niemal wszystkie właściwości (37)
  • 1.7.4. Warstwa przetwarzania czasu rzeczywistego (39)
• 1.8. Najnowsze trendy w technologii (41)
  • 1.8.1. Procesory nie stają się coraz szybsze (42)
  • 1.8.2. Elastyczne chmury (42)
  • 1.8.3. Dynamiczny ekosystem open source dla Big Data (42)
• 1.9. Przykładowa aplikacja: SuperWebAnalytics.com (44)
• 1.10. Podsumowanie (44)

CZĘŚĆ I. WARSTWA PRZETWARZANIA WSADOWEGO (47)

Rozdział 2. Model danych dla Big Data (49)

• 2.1. Właściwości danych (51)
  • 2.1.1. Dane są surowe (53)
  • 2.1.2. Dane są niemutowalne (56)
  • 2.1.3. Dane są wiecznie prawdziwe (59)
• 2.2. Reprezentacja danych za pomocą modelu opartego na faktach (60)
  • 2.2.1. Przykładowe fakty i ich właściwości (60)
  • 2.2.2. Korzyści ze stosowania modelu opartego na faktach (62)
• 2.3. Schematy graficzne (66)
  • 2.3.1. Elementy schematu graficznego (66)
  • 2.3.2. Potrzeba zapewnienia egzekwowalności schematu (67)
• 2.4. Kompletny model danych dla aplikacji SuperWebAnalytics.com (68)
• 2.5. Podsumowanie (70)

Rozdział 3. Model danych dla Big Data: ilustracja (71)

• 3.1. Dlaczego framework serializacji? (72)
• 3.2. Apache Thrift (72)
  • 3.2.1. Węzły (73)
  • 3.2.2. Krawędzie (73)
  • 3.2.3. Właściwości (74)
  • 3.2.4. Połączenie wszystkich elementów w obiekty danych (75)
  • 3.2.5. Ewolucja schematu (75)
• 3.3. Ograniczenia frameworku serializacji (76)
• 3.4. Podsumowanie (78)

Rozdział 4. Przechowywanie danych w warstwie przetwarzania wsadowego (79)

• 4.1. Wymagania dotyczące przechowywania głównego zbioru danych (80)
• 4.2. Wybór rozwiązania pamięci masowej dla warstwy przetwarzania wsadowego (81)
  • 4.2.1. Użycie magazynu danych klucz-wartość dla głównego zbioru danych (82)
  • 4.2.2. Rozproszone systemy plików (82)
• 4.3. Sposób działania rozproszonych systemów plików (83)
• 4.4. Przechowywanie głównego zbioru danych z wykorzystaniem rozproszonego systemu plików (85)
• 4.5. Partycjonowanie pionowe (86)
• 4.6. Niskopoziomowy charakter rozproszonych systemów plików (87)
• 4.7. Przechowywanie głównego zbioru danych aplikacji SuperWebAnalytics.com w rozproszonym systemie plików (89)
• 4.8. Podsumowanie (90)

Rozdział 5. Przechowywanie danych w warstwie przetwarzania wsadowego: ilustracja (91)

• 5.1. Korzystanie z Hadoop Distributed File System (92)
  • 5.1.1. Problem małych plików (93)
  • 5.1.2. Dążenie do wyższego poziomu abstrakcji (93)
• 5.2. Przechowywanie danych w warstwie przetwarzania wsadowego z wykorzystaniem biblioteki Pail (94)
  • 5.2.1. Podstawowe operacje biblioteki Pail (95)
  • 5.2.2. Serializacja i umieszczanie obiektów w wiaderkach (96)
  • 5.2.3. Operacje przetwarzania wsadowego z wykorzystaniem biblioteki Pail (98)
  • 5.2.4. Partycjonowanie pionowe z wykorzystaniem biblioteki Pail (99)
  • 5.2.5. Formaty plików i kompresja biblioteki Pail (100)
  • 5.2.6. Podsumowanie zalet biblioteki Pail (101)
• 5.3. Przechowywanie głównego zbioru danych dla aplikacji SuperWebAnalytics.com (102)
  • 5.3.1. Ustrukturyzowane wiaderko dla obiektów Thrift (103)
  • 5.3.2. Podstawowe wiaderko dla aplikacji SuperWebAnalytics.com (104)
  • 5.3.3. Podział wiaderka w celu pionowego partycjonowania zbioru danych (104)
• 5.4. Podsumowanie (107)

Rozdział 6. Warstwa przetwarzania wsadowego (109)

• 6.1. Przykłady do rozważenia (110)
  • 6.1.1. Liczba odsłon w czasie (110)
  • 6.1.2. Inferencja płci (111)
  • 6.1.3. Punkty wpływu (111)
• 6.2. Obliczenia w warstwie przetwarzania wsadowego (112)
• 6.3. Porównanie algorytmów ponownego obliczania z algorytmami przyrostowymi (114)
  • 6.3.1. Wydajność (116)
  • 6.3.2. Odporność na ludzkie błędy (117)
  • 6.3.3. Ogólność algorytmów (117)
  • 6.3.4. Wybór stylu algorytmu (118)
• 6.4. Skalowalność w warstwie przetwarzania wsadowego (119)
• 6.5. MapReduce: paradygmat dla obliczeń Big Data (119)
  • 6.5.1. Skalowalność (121)
  • 6.5.2. Odporność na błędy (123)
  • 6.5.3. Ogólność MapReduce (123)
• 6.6. Niskopoziomowy charakter MapReduce (125)
  • 6.6.1. Wieloetapowe obliczenia są nienaturalne (125)
  • 6.6.2. Operacje łączenia są bardzo skomplikowane do ręcznej implementacji (126)
  • 6.6.3. Wykonywanie logiczne jest ściśle powiązane z fizycznym (128)
• 6.7. Diagramy potokowe: wyższy poziom sposobu myślenia na temat obliczeń wsadowych (129)
  • 6.7.1. Koncepcje diagramów potokowych (129)
  • 6.7.2. Wykonywanie diagramów potokowych poprzez MapReduce (134)
  • 6.7.3. Agregator łączący (134)
  • 6.7.4. Przykłady diagramów potokowych (136)
• 6.8. Podsumowanie (136)

Rozdział 7. Warstwa przetwarzania wsadowego: ilustracja (139)

• 7.1. Przykład ilustracyjny (140)
• 7.2. Typowe pułapki narzędzi do przetwarzania danych (142)
  • 7.2.1. Języki niestandardowe (142)
  • 7.2.2. Słabo komponowalne abstrakcje (143)
• 7.3. Wprowadzenie do JCascalog (144)
  • 7.3.1. Model danych JCascalog (144)
  • 7.3.2. Struktura zapytania JCascalog (145)
  • 7.3.3. Kwerendowanie wielu zbiorów danych (147)
  • 7.3.4. Grupowanie i agregatory (150)
  • 7.3.5. Analiza przykładowego zapytania (150)
  • 7.3.6. Niestandardowe operacje predykatów (153)
• 7.4. Kompozycja (158)
  • 7.4.1. Łączenie podzapytań (158)
  • 7.4.2. Podzapytania tworzone dynamicznie (159)
  • 7.4.3. Makra predykatów (162)
  • 7.4.4. Makra predykatów tworzone dynamicznie (164)
• 7.5. Podsumowanie (166)

Rozdział 8. Przykładowa warstwa przetwarzania wsadowego: architektura i algorytmy (167)

• 8.1. Projekt warstwy przetwarzania wsadowego aplikacji SuperWebAnalytics.com (168)
  • 8.1.1. Obsługiwane zapytania (168)
  • 8.1.2. Obrazy wsadowe (169)
• 8.2. Przegląd przepływu pracy (172)
• 8.3. Przyjmowanie nowych danych (174)
• 8.4. Normalizacja adresów URL (174)
• 8.5. Normalizacja identyfikatorów użytkowników (175)
• 8.6. Usuwanie zduplikowanych odsłon (180)
• 8.7. Obliczanie obrazów wsadowych (180)
  • 8.7.1. Liczba odsłon w czasie (180)
  • 8.7.2. Liczba unikatowych użytkowników w czasie (181)
  • 8.7.3. Analiza współczynnika odrzuceń (182)
• 8.8. Podsumowanie (183)

Rozdział 9. Przykładowa warstwa przetwarzania wsadowego: implementacja (185)

• 9.1. Punkt startowy (186)
• 9.2. Przygotowanie przepływu pracy (187)
• 9.3. Przyjmowanie nowych danych (187)
• 9.4. Normalizacja adresów URL (191)
• 9.5. Normalizacja identyfikatorów użytkowników (192)
• 9.6. Usuwanie zduplikowanych odsłon (197)
• 9.7. Obliczanie obrazów wsadowych (197)
  • 9.7.1. Liczba odsłon w czasie (197)
  • 9.7.2. Liczba unikatowych użytkowników w czasie (200)
  • 9.7.3. Analiza współczynnika odrzuceń (201)
• 9.8. Podsumowanie (204)

CZĘŚĆ II. WARSTWA OBSŁUGUJĄCA (205)

Rozdział 10. Warstwa obsługująca (207)

• 10.1. Metryki wydajności dla warstwy obsługującej (209)
• 10.2. Rozwiązanie warstwy obsługującej dotyczące problemu wyboru między normalizacją a denormalizacją (211)
• 10.3. Wymagania względem bazy danych warstwy obsługującej (213)
• 10.4. Projektowanie warstwy obsługującej dla aplikacji SuperWebAnalytics.com (215)
  • 10.4.1. Liczba odsłon w czasie (215)
  • 10.4.2. Liczba użytkowników w czasie (216)
  • 10.4.3. Analiza współczynnika odrzuceń (217)
• 10.5. Porównanie z rozwiązaniem w pełni przyrostowym (217)
  • 10.5.1. W pełni przyrostowe rozwiązanie problemu liczby unikatowych użytkowników w czasie (218)
  • 10.5.2. Porównanie z rozwiązaniem opartym na architekturze lambda (224)
• 10.6. Podsumowanie (224)

Rozdział 11. Warstwa obsługująca: ilustracja (227)

• 11.1. Podstawy ElephantDB (228)
  • 11.1.1. Tworzenie obrazu w ElephantDB (228)
  • 11.1.2. Serwowanie obrazu w ElephantDB (229)
  • 11.1.3. Korzystanie z ElephantDB (229)
• 11.2. Budowanie warstwy obsługującej dla aplikacji SuperWebAnalytics.com (231)
  • 11.2.1. Liczba odsłon w czasie (231)
  • 11.2.2. Liczba unikatowych użytkowników w czasie (234)
  • 11.2.3. Analiza współczynnika odrzuceń (235)
• 11.3. Podsumowanie (236)

CZĘŚĆ III. WARSTWA PRZETWARZANIA CZASU RZECZYWISTEGO (237)

Rozdział 12. Obrazy czasu rzeczywistego (239)

• 12.1. Obliczanie obrazów czasu rzeczywistego (241)
• 12.2. Przechowywanie obrazów czasu rzeczywistego (242)
  • 12.2.1. Dokładność ostateczna (243)
  • 12.2.2. Ilość stanu przechowywanego w warstwie przetwarzania czasu rzeczywistego (244)
• 12.3. Wyzwania obliczeń przyrostowych (245)
  • 12.3.1. Słuszność twierdzenia CAP (245)
  • 12.3.2. Kompleksowa interakcja między twierdzeniem CAP a algorytmami przyrostowymi (247)
• 12.4. Porównanie aktualizacji asynchronicznych z synchronicznymi (249)
• 12.5. Wygaszanie obrazów czasu rzeczywistego (250)
• 12.6. Podsumowanie (253)

Rozdział 13. Obrazy czasu rzeczywistego: ilustracja (255)

• 13.1. Model danych Cassandry (256)
• 13.2. Korzystanie z bazy danych Cassandra (257)
  • 13.2.1. Zaawansowane funkcje Cassandry (259)
• 13.3. Podsumowanie (259)

Rozdział 14. Kolejkowanie i przetwarzanie strumieniowe (261)

• 14.1. Kolejkowanie (262)
  • 14.1.1. Serwery kolejek pojedynczego konsumenta (263)
  • 14.1.2. Kolejki wielu konsumentów (264)
• 14.2. Przetwarzanie strumieniowe (265)
  • 14.2.1. Kolejki i procesy robocze (266)
  • 14.2.2. Pułapki paradygmatu "kolejki i procesy robocze" (267)
• 14.3. Pojedyncze przetwarzanie strumieniowe wyższego poziomu (268)
  • 14.3.1. Model Storm (268)
  • 14.3.2. Zapewnianie przetwarzania komunikatów (272)
• 14.4. Warstwa przetwarzania czasu rzeczywistego dla aplikacji SuperWebAnalytics.com (274)
  • 14.4.1. Struktura topologii (277)
• 14.5. Podsumowanie (278)

Rozdział 15. Kolejkowanie i przetwarzanie strumieniowe: ilustracja (281)

• 15.1. Definiowanie topologii za pomocą Apache Storm (281)
• 15.2. Klastry Apache Storm i wdrażanie topologii (284)
• 15.3. Gwarantowanie przetwarzania komunikatów (286)
• 15.4. Implementacja warstwy przetwarzania czasu rzeczywistego aplikacji SuperWebAnalytics.com dla liczby unikatowych użytkowników w czasie (288)
• 15.5. Podsumowanie (292)

Rozdział 16. Mikrowsadowe przetwarzanie strumieniowe (293)

• 16.1. Osiąganie semantyki "dokładnie raz" (294)
  • 16.1.1. Ściśle uporządkowane przetwarzanie (294)
  • 16.1.2. Mikrowsadowe przetwarzanie strumieniowe (295)
  • 16.1.3. Topologie przetwarzania mikrowsadowego (296)
• 16.2. Podstawowe koncepcje mikrowsadowego przetwarzania strumieniowego (299)
• 16.3. Rozszerzanie diagramów potokowych dla przetwarzania mikrowsadowego (300)
• 16.4. Dokończenie warstwy przetwarzania czasu rzeczywistego dla aplikacji SuperWebAnalytics.com (302)
  • 16.4.1. Liczba odsłon w czasie (302)
  • 16.4.2. Analiza współczynnika odrzuceń (302)
• 16.5. Inne spojrzenie na przykład analizy współczynnika odrzuceń (307)
• 16.6. Podsumowanie (308)

Rozdział 17. Mikrowsadowe przetwarzanie strumieniowe: ilustracja (309)

• 17.1. Korzystanie z interfejsu Trident (310)
• 17.2. Dokończenie warstwy przetwarzania czasu rzeczywistego dla aplikacji SuperWebAnalytics.com (313)
  • 17.2.1. Liczba odsłon w czasie (314)
  • 17.2.2. Analiza współczynnika odrzuceń (316)
• 17.3. W pełni odporne na błędy przetwarzanie mikrowsadowe z utrzymywaniem stanu w pamięci (322)
• 17.4. Podsumowanie (323)

Rozdział 18. Tajniki architektury lambda (325)

• 18.1. Definiowanie systemów danych (325)
• 18.2. Warstwa przetwarzania wsadowego i warstwa obsługująca (327)
  • 18.2.1. Przyrostowe przetwarzanie wsadowe (328)
  • 18.2.2. Pomiar i optymalizacja wykorzystania zasobów przez warstwę przetwarzania wsadowego (335)
• 18.3. Warstwa przetwarzania czasu rzeczywistego (339)
• 18.4. Warstwa zapytań (340)
• 18.5. Podsumowanie (341)

Skorowidz (343)