流式架構 Kafka與MapR Streams數據流處理
內容簡介： 所有連續的事件流都可以稱爲數據流。對連續數據流設計和構建流式數據架構，能夠實現實時或近實時應用，提升整個組織的效率。本書以Apache Kafka和MapRStreams爲例，重點講解如何確定使用流數據的時機、如何爲多用戶系統設計流式架構、爲什麼要求消息傳遞層具備某些特定功能，以及爲什麼需要微服務，並且描述了目前最符合流式設計需求的消息傳遞和流分析工具，適合架構師、大數據科學家及IT工
相關文章
- 1. Kafka Streams | 流，實時處理和功能
- 2. Kafka流式處理
- 3. Spark Streaming，Flink，Storm，Kafka Streams，Samza：如何選擇流處理框架
- 4. Kafka Streams與其餘流處理平臺的差別在哪裏？
- 5. Kafka Streams與其他流處理平臺的差異在哪裏？
- 6. 數據架構的將來——淺談流處理架構
- 7. 大數據生態圈之流式數據處理框架選擇(Storm VS Kafka Streams VS Spark Streaming VS Flink VS Samza)
- 8. Apache Kafka和MapR流如何處理主題分區
- 9. Storm vs. Kafka Streams vs. Spark Streaming vs. Flink ，流式處理框架一網打盡！
- 10. 大數據流處理框架介紹
- 更多相關文章...
- • XSL-FO 流 - XSL-FO 教程
- • Lua 流程控制 - Lua 教程
- • Flink 數據傳輸及反壓詳解
- • TiDB 在摩拜單車在線數據業務的應用和實踐
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Kafka Streams | 流，實時處理和功能
- 2. Kafka流式處理
- 3. Spark Streaming，Flink，Storm，Kafka Streams，Samza：如何選擇流處理框架
- 4. Kafka Streams與其餘流處理平臺的差別在哪裏？
- 5. Kafka Streams與其他流處理平臺的差異在哪裏？
- 6. 數據架構的將來——淺談流處理架構
- 7. 大數據生態圈之流式數據處理框架選擇(Storm VS Kafka Streams VS Spark Streaming VS Flink VS Samza)
- 8. Apache Kafka和MapR流如何處理主題分區
- 9. Storm vs. Kafka Streams vs. Spark Streaming vs. Flink ，流式處理框架一網打盡！
- 10. 大數據流處理框架介紹