離線和實(shí)時(shí)大數(shù)據(jù)開(kāi)發(fā)實(shí)戰(zhàn)

目　　錄?Contents
前言
第一篇　數(shù)據(jù)大圖和數(shù)據(jù)平臺(tái)大圖
第1章　數(shù)據(jù)大圖 2
1.1　數(shù)據(jù)流程 2
1.1.1　數(shù)據(jù)產(chǎn)生 3
1.1.2　數(shù)據(jù)采集和傳輸 5
1.1.3　數(shù)據(jù)存儲(chǔ)處理 6
1.1.4　數(shù)據(jù)應(yīng)用 7
1.2　數(shù)據(jù)技術(shù) 8
1.2.1　數(shù)據(jù)采集傳輸主要技術(shù) 9
1.2.2　數(shù)據(jù)處理主要技術(shù) 10
1.2.3　數(shù)據(jù)存儲(chǔ)主要技術(shù) 12
1.2.4　數(shù)據(jù)應(yīng)用主要技術(shù) 13
1.3　數(shù)據(jù)相關(guān)從業(yè)者和角色 14
1.3.1　數(shù)據(jù)平臺(tái)開(kāi)發(fā)、運(yùn)維工程師 14
1.3.2　數(shù)據(jù)開(kāi)發(fā)、運(yùn)維工程師 15
1.3.3　數(shù)據(jù)分析工程師 15
1.3.4　算法工程師 16
1.3.5　業(yè)務(wù)人員 16
1.4　本章小結(jié) 17
第2章　數(shù)據(jù)平臺(tái)大圖 18
2.1　離線數(shù)據(jù)平臺(tái)的架構(gòu)、技術(shù)和設(shè)計(jì) 19
2.1.1　離線數(shù)據(jù)平臺(tái)的整體架構(gòu) 19
2.1.2　數(shù)據(jù)倉(cāng)庫(kù)技術(shù) 20
2.1.3　數(shù)據(jù)倉(cāng)庫(kù)建模技術(shù) 23
2.1.4　數(shù)據(jù)倉(cāng)庫(kù)邏輯架構(gòu)設(shè)計(jì) 26
2.2　實(shí)時(shí)數(shù)據(jù)平臺(tái)的架構(gòu)、技術(shù)和設(shè)計(jì) 27
2.2.1　實(shí)時(shí)數(shù)據(jù)平臺(tái)的整體架構(gòu) 28
2.2.2　流計(jì)算技術(shù) 29
2.2.3　主要流計(jì)算開(kāi)源框架 29
2.3　數(shù)據(jù)管理 32
2.3.1　數(shù)據(jù)探查 32
2.3.2　數(shù)據(jù)集成 33
2.3.3　數(shù)據(jù)質(zhì)量 33
2.3.4　數(shù)據(jù)屏蔽 34
2.4　本章小結(jié) 35
第二篇　離線數(shù)據(jù)開(kāi)發(fā)：大數(shù)據(jù)開(kāi)發(fā)的主戰(zhàn)場(chǎng)
第3章　Hadoop原理實(shí)踐 38
3.1　開(kāi)啟大數(shù)據(jù)時(shí)代的Hadoop 38
3.2　HDFS和MapReduce優(yōu)缺點(diǎn)分析 40
3.2.1　HDFS 41
3.2.2　MapReduce 42
3.3　HDFS和MapReduce基本架構(gòu) 43
3.4　MapReduce內(nèi)部原理實(shí)踐 46
3.4.1　MapReduce邏輯開(kāi)發(fā) 46
3.4.2　MapReduce任務(wù)提交詳解 47
3.4.3　MapReduce內(nèi)部執(zhí)行原理詳解 48
3.5　本章小結(jié) 52
第4章　Hive原理實(shí)踐 53
4.1　離線大數(shù)據(jù)處理的主要技術(shù)：Hive 53
4.1.1　Hive出現(xiàn)背景 53
4.1.2　Hive基本架構(gòu) 55
4.2　Hive SQL 56
4.2.1　Hive 關(guān)鍵概念 57
4.2.2　Hive 數(shù)據(jù)庫(kù) 59
4.2.3　Hive 表DDL 60
4.2.4　Hive表DML 63
4.3　Hive SQL執(zhí)行原理圖解 65
4.3.1　select 語(yǔ)句執(zhí)行圖解 66
4.3.2　group by語(yǔ)句執(zhí)行圖解 67
4.3.3　join語(yǔ)句執(zhí)行圖解 69
4.4　Hive函數(shù) 73
4.5　其他SQL on Hadoop技術(shù) 74
4.6　本章小結(jié) 76
第5章　Hive優(yōu)化實(shí)踐 77
5.1　離線數(shù)據(jù)處理的主要挑戰(zhàn)：數(shù)據(jù)傾斜 77
5.2　Hive優(yōu)化 79
5.3　join無(wú)關(guān)的優(yōu)化 79
5.3.1　group by引起的傾斜優(yōu)化 79
5.3.2　count distinct優(yōu)化 80
5.4　大表join小表優(yōu)化 80
5.5　大表join大表優(yōu)化 82
5.5.1　問(wèn)題場(chǎng)景 82
5.5.2　方案1：轉(zhuǎn)化為mapjoin 83
5.5.3　方案2：join時(shí)用case when語(yǔ)句 84
5.5.4　方案3：倍數(shù)B表，再取模join 84
5.5.5　方案4：動(dòng)態(tài)一分為二 87
5.6　本章小結(jié) 89
第6章　維度建模技術(shù)實(shí)踐 90
6.1　大數(shù)據(jù)建模的主要技術(shù)：維度建模 90
6.1.1　維度建模關(guān)鍵概念 91
6.1.2　維度建模一般過(guò)程 95
6.2　維度表設(shè)計(jì) 96
6.2.1　維度變化 96
6.2.2　維度層次 99
6.2.3　維度一致性 100
6.2.4　維度整合和拆分 101
6.2.5　維度其他 102
6.3　深入事實(shí)表 104
6.3.1　事務(wù)事實(shí)表 104
6.3.2　快照事實(shí)表 106
6.3.3　累計(jì)快照事實(shí)表 107
6.3.4　無(wú)事實(shí)的事實(shí)表 108
6.3.5　匯總的事實(shí)表 108
6.4　大數(shù)據(jù)的維度建模實(shí)踐 109
6.4.1　事實(shí)表 109
6.4.2　維度表 110
6.5　本章小結(jié) 110
第7章　Hadoop數(shù)據(jù)倉(cāng)庫(kù)開(kāi)發(fā)實(shí)戰(zhàn) 111
7.1　業(yè)務(wù)需求 112
7.2　Hadoop數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)設(shè)計(jì) 113
7.3　Hadoop數(shù)據(jù)倉(cāng)庫(kù)規(guī)范設(shè)計(jì) 114
7.3.1　命名規(guī)范 115
7.3.2　開(kāi)發(fā)規(guī)范 115
7.3.3　流程規(guī)范 116
7.4　FutureRetailer數(shù)據(jù)倉(cāng)庫(kù)構(gòu)建實(shí)踐 118
7.4.1　商品維度表 118
7.4.2　銷(xiāo)售事實(shí)表 120
7.5　數(shù)據(jù)平臺(tái)新架構(gòu)——數(shù)據(jù)湖 121
7.6　本章小結(jié) 123
第三篇　實(shí)時(shí)數(shù)據(jù)開(kāi)發(fā)：大數(shù)據(jù)開(kāi)發(fā)的未來(lái)
第8章　Storm流計(jì)算開(kāi)發(fā) 127
8.1　流計(jì)算技術(shù)的鼻祖：Storm技術(shù) 128
8.1.1　Storm基本架構(gòu) 129
8.1.2　Storm關(guān)鍵概念 130
8.1.3　Storm并發(fā) 132
8.1.4　Storm核心類(lèi)和接口 133
8.2　Storm實(shí)時(shí)開(kāi)發(fā)示例 133
8.2.1　語(yǔ)句生成spout 134
8.2.2　語(yǔ)句分割bolt 135
8.2.3　單詞計(jì)數(shù)bolt 136
8.2.4　上報(bào)bolt 136
8.2.5　單詞計(jì)數(shù)topology 137
8.2.6　單詞計(jì)數(shù)并發(fā)配置 139
8.3　Storm高級(jí)原語(yǔ)Trident 142
8.3.1　Trident引入背景 142
8.3.2　Trident基本思路 142
8.3.3　Trident流操作 143
8.3.4　Trident的實(shí)時(shí)開(kāi)發(fā)實(shí)例 145
8.4　Storm關(guān)鍵技術(shù) 147
8.4.1　spout的可靠性 147
8.4.2　bolt的可靠性 148
8.4.3　Storm反壓機(jī)制 149
8.5　本章小結(jié) 150
第9章　Spark Streaming流計(jì)算開(kāi)發(fā) 151
9.1　Spark生態(tài)和核心概念 151
9.1.1　Spark概覽 151
9.1.2　Spark核心概念 153
9.1.3　Spark生態(tài)圈 157
9.2　Spark生態(tài)的流計(jì)算技術(shù)：Spark Streaming 158
9.2.1　Spark Streaming基本原理 159
9.2.2　Spark Streaming核心API 159
9.3　Spark Streaming的實(shí)時(shí)開(kāi)發(fā)示例 161
9.4　Spark Streaming調(diào)優(yōu)實(shí)踐 162
9.5　Spark Streaming關(guān)鍵技術(shù) 164
9.5.1　Spark Streaming可靠性語(yǔ)義 164
9.5.2　Spark Streaming反壓機(jī)制 165
9.6　本章小結(jié) 166
第10章　Flink流計(jì)算開(kāi)發(fā) 167
10.1　流計(jì)算技術(shù)新貴：Flink 167
10.1.1　Flink技術(shù)棧 168
10.1.2　Flink關(guān)鍵概念和基本原理 169
10.2　Flink API 172
10.2.1　API概覽 172
10.2.2　DataStream API 173
10.3　Flink實(shí)時(shí)開(kāi)發(fā)示例 180
10.4　Flink關(guān)鍵技術(shù)詳解 182
10.4.1　容錯(cuò)機(jī)制 182
10.4.2　水位線 184
10.4.3　窗口機(jī)制 185
10.4.4　撤回 187
10.4.5　反壓機(jī)制 187
10.5　本章小結(jié) 188
第11章　Beam技術(shù) 189
11.1　意圖一統(tǒng)流計(jì)算的Beam 190
11.1.1　Beam的產(chǎn)生背景 190
11.1.2　Beam技術(shù) 191
11.2　Beam技術(shù)核心：Beam Model 193
11.3　Beam SDK 196
11.3.1　關(guān)鍵概念 196
11.3.2　Beam SDK 197
11.4　Beam窗口詳解 202
11.4.1　窗口基礎(chǔ) 202
11.4.2　水位線與延遲數(shù)據(jù) 203
11.4.3　觸發(fā)器 204
11.5　本章小結(jié) 205
第12章　Stream SQL實(shí)時(shí)開(kāi)發(fā)實(shí)戰(zhàn) 206
12.1　流計(jì)算SQL原理和架構(gòu) 207
12.2　流計(jì)算SQL：未來(lái)主要的實(shí)時(shí)開(kāi)發(fā)技術(shù) 208
12.3　Stream SQL 209
12.3.1　Stream SQL源表 209
12.3.2　Stream SQL結(jié)果表 209
12.3.3　Stream SQL維度表 210
12.3.4　Stream SQL臨時(shí)表 211
12.3.5　Stream SQL DML 211
12.4　Stream SQL的實(shí)時(shí)開(kāi)發(fā)實(shí)戰(zhàn) 212
12.4.1　select操作 212
12.4.2　join操作 214
12.4.3　聚合操作 218
12.5　撤回機(jī)制 221
12.6　本章小結(jié) 222
參考文獻(xiàn) 224