Big Data: Principios y mejores prácticas de los sistemas escalables de datos en tiempo real

Opiniones de los lectores

El libro ofrece una exploración detallada de la arquitectura Lambda, sus componentes y su aplicación en el manejo de big data. Aunque muchas reseñas elogian la teoría y la claridad del contenido, existen problemas con la encuadernación física del libro y algunas preocupaciones sobre la aplicación práctica.

⬤ Explicación detallada y bien organizada de la Arquitectura Lambda y los conceptos de big data.
⬤ Perspectivas teóricas claras hasta el nivel del byte.
⬤ Útil para entender las complejidades de big data.
⬤ Adecuado tanto para principiantes como para desarrolladores experimentados; aborda problemas del mundo real con eficacia.
⬤ Proporciona una inmersión profunda en la capa batch y los pseudo modelos.

⬤ Mala calidad física de encuadernación y montaje
⬤ algunas copias se deshacen.
⬤ Limitadas soluciones prácticas o actualizaciones para la arquitectura tratada, lo que hace que algunos contenidos parezcan anticuados.
⬤ Algunos lectores consideran que el enfoque carece de detalles de implementación aplicables a los marcos actuales.
⬤ No todos los lectores captan los conceptos con facilidad
⬤ algunos se sintieron confusos.

(basado en 60 opiniones de lectores)

Título original:

Big Data: Principles and Best Practices of Scalable Realtime Data Systems

Contenido del libro:

Resumen

Big Data le enseña a construir sistemas de big data utilizando una arquitectura que aprovecha el hardware en clúster junto con nuevas herramientas diseñadas específicamente para capturar y analizar datos a escala web. Describe un enfoque escalable y fácil de entender de los sistemas de big data que puede construir y ejecutar un equipo pequeño. Siguiendo un ejemplo realista, este libro guía a los lectores a través de la teoría de los sistemas de big data, cómo implementarlos en la práctica y cómo desplegarlos y operarlos una vez construidos.

La compra del libro impreso incluye un libro electrónico gratuito en formatos PDF, Kindle y ePub de Manning Publications.

Acerca del libro

Las aplicaciones a escala web como las redes sociales, los análisis en tiempo real o los sitios de comercio electrónico manejan muchos datos, cuyo volumen y velocidad superan los límites de los sistemas de bases de datos tradicionales. Estas aplicaciones requieren arquitecturas construidas en torno a clusters de máquinas para almacenar y procesar datos de cualquier tamaño, o velocidad. Afortunadamente, escala y simplicidad no son mutuamente excluyentes.

Big Data le enseña a construir sistemas de big data utilizando una arquitectura diseñada específicamente para capturar y analizar datos a escala web. Este libro presenta la Arquitectura Lambda, un enfoque escalable y fácil de entender que puede ser construido y ejecutado por un equipo pequeño. Explorará la teoría de los sistemas de big data y cómo implementarlos en la práctica. Además de descubrir un marco general para el procesamiento de big data, aprenderá tecnologías específicas como Hadoop, Storm y bases de datos NoSQL.

Este libro no requiere una exposición previa al análisis de datos a gran escala ni a las herramientas NoSQL. Es útil estar familiarizado con las bases de datos tradicionales.

Contenido

⬤ Introducción a los sistemas de big data.

⬤ Procesamiento en tiempo real de datos a escala web.

⬤ Herramientas como Hadoop, Cassandra y Storm.

⬤ Extensiones a los conocimientos tradicionales de bases de datos.

Sobre los autores

Nathan Marz es el creador de Apache Storm y el creador de la arquitectura Lambda para sistemas de big data. James Warren es un arquitecto analítico con experiencia en aprendizaje automático y computación científica.

Índice

⬤ Un nuevo paradigma para Big Data.

PARTE 1 CAPA BATCH.

⬤ Modelo de datos para Big Data.

⬤ Modelo de datos para Big Data: Ilustración.

⬤ Almacenamiento de datos en la capa batch.

⬤ Almacenamiento de datos en la capa de lotes: Ilustración.

⬤ Capa de lotes.

⬤ Capa de lotes: Ilustración.

⬤ Un ejemplo de capa batch: Arquitectura y algoritmos.

⬤ Un ejemplo de capa batch: Implementación.

PARTE 2 CAPA DE SERVICIO.

⬤ Capa de servicio.

⬤ Capa de servicio: Ilustración.

PARTE 3 CAPA DE VELOCIDAD.

⬤ Vistas en tiempo real.

⬤ Vistas en tiempo real: Ilustración.

⬤ Procesamiento de colas y flujos.

⬤ Procesamiento de colas y flujos: Ilustración.

⬤ Procesamiento de flujos por microlotes.

⬤ Procesamiento de microflujos: Ilustración.

⬤ Arquitectura Lambda en profundidad.