实时流计算系统设计与实现

作品简介

全书分为11章。第1章介绍了实时流计算技术的产生背景、使用场景和通用架构。第2章通过实时流计算数据的采集，详细分析了Java高性能编程的理论基础。第3-6章通过从头构造一个分布式实时流计算框架，详细剖析了实时流计算中的几个核心概念和技术重点，并通过多个开源流计算平台的实现来验证这些核心概念和技术重点。第7章谈论了当实在做不到“实时”时，我们应该作出的备选方案。第8-10章阐述了构建一个完整实时流计算系统时，必要的周边辅助系统。第11章给出实时流计算应用案例。

周爽著。

作品目录

• 前言
• 第1章　实时流计算
• 1.1　大数据时代的新挑战：实时流计算
• 1.2　实时流计算使用场景
• 1.3　实时流数据的特点
• 1.4　实时流计算系统架构
• 1.5　本章小结
• 第2章　数据采集
• 2.1　设计数据采集的接口
• 2.2　使用Sprin Boot实现数据采集服务器
• 2.3　BIO与NIO
• 2.4　NIO和异步
• 2.5　使用Netty实现数据采集服务器
• 2.6　本章小结
• 第3章　实现单节点流计算应用
• 3.1　自己动手写实时流计算框架
• 3.2　CompletableFuture方法与原理
• 3.3　采用CompletableFuture实现单节点流处理
• 3.4　流计算应用的性能调优
• 3.5　本章小结
• 第4章　数据处理
• 4.1　流计算到底在计算什么
• 4.2　流数据操作
• 4.3　时间维度聚合特征计算
• 4.4　关联图谱特征计算
• 4.5　事件序列分析
• 4.6　模型学习和预测
• 4.7　本章小结
• 第5章　实时流计算的状态管理
• 5.1　流的状态
• 5.2　采用Redis实现流信息状态管理
• 5.3　采用Apache Ignite实现流信息状态管理
• 5.4　扩展为集群
• 5.5　本章小结
• 第6章　开源流计算框架
• 6.1　Apache Storm
• 6.2　Spark Streaming
• 6.3　Apache Samza
• 6.4　Apache Flink
• 6.5　本章小结
• 第7章　当做不到实时
• 7.1　做不到实时的原因
• 7.2　Lambda架构
• 7.3　Kappa架构与架构实例
• 7.4　本章小结
• 第8章　数据传输
• 8.1　消息中间件
• 8.2　Apache Kafka
• 8.3　RabbitMQ
• 8.4　Apache Camel
• 8.5　本章小结
• 第9章　数据存储
• 9.1　存储的设计原则
• 9.2　点查询
• 9.3　Ad-Hoc查询
• 9.4　离线分析
• 9.5　关系型数据库查询
• 9.6　本章小结
• 第10章　服务治理和配置管理
• 10.1　服务治理
• 10.2　面向配置编程
• 10.3　动态配置
• 10.4　将前端配置与后端服务配置隔离开
• 10.5　本章小结
• 第11章　实时流计算应用案例
• 11.1　实时流数据特征提取引擎
• 11.2　使用Flink实现风控引擎
• 11.3　本章小结