Apache NiFi｜讓你輕鬆建立Data Pipeline (1版)

類似書籍推薦給您

內容簡介 　　‧精簡的設定和範例介紹，快速掌握Apache NiFi核心精髓 　　‧整合當今主流的資料工程架構與相關服務說明 　　‧掌握資料流設計的特性與重點，踏出資料工程第一步 　　本書介紹Apache NiFi這套服務工具，讀者可以於該服務設計自動化處理資料流(Data Pipeline)。所有的設計與設定都是以No Code與WEB UI方式處理，具備強大的操作互動性和易用性。另外支援大多數的資料載體，如：Relational Database、Document DB、Column-Based、DataWarehouse 、Message Queue等對接處理，並支援目前主流的三大雲平台-AWS(Amazon Web Service)、GCP(Google Cloud Platform)和Microsoft Azure，涵蓋大部分企業使用到的應用與服務，都可透過Apache NiFi做到一站式整合與資料流設計，確保資料處理邏輯以及流入和流出的方向和目的地。同時在面對大量資料處理時也可以運用高擴展的特性來平行執行，也能更細節地去追蹤資料的變化與狀態，最後做到完整的流程與錯誤控制以避免產生資料遺漏的窘境。 　　本書會介紹當今在資料工程常見的架構，接著介紹Apache NiFi的架構與元件、建置流程與設定、操作方式、與外部服務的整合和應用、資料追蹤等各個資料工程常見的應用處理。最後會提及資料工程領域的發展和重點分析，讓對於這塊領域較陌生或有興趣的讀者們，除了可以在本書學到Apache NiFi的核心價值之外，也能意識到該領域的後續發展與重點，給予讀者具體方向進行未來的發展和準備。 目錄 第1章 Data Pipeline 的重要性 1.1 何謂 Data Pipeline？ 1.2 何謂 Streaming 和 Batch？ 1.3 何謂 Lambda、Kappa 和 Delta 架構？ 1.4 為什麼需要使用 Apache NiFi？ 1.5 小結 第2章 Apache NiFi 的架構與建置 2.1 Apache NiFi 架構與規格 2.2 Apache NiFi Data Flow 的版控 - NiFi Registry 2.3 如何建置 Apache NiFi & NiFi Registry 2.4 小結 第3章 Apache NiFi Componenet 介紹 3.1 FlowFile 的概念與操作 3.2 Processor 的概念與操作 3.3 Connection 的概念與操作 3.4 Processor Group 的概念與操作 3.5 Controller Service 的概念與操作 3.6 Templates、Label 和 Funnel 的概念與操作 3.7 NiFi Registry 的概念與操作 3.8 小結 第4章 Apache NiFi 的語法 4.1 Variables 和 Parameters 的範圍與差異 4.2 何謂 NiFi Expression Language？ 4.3 小結 第5章 Apache NiFi 和 DB 對接與實務 5.1 何謂 RDB 和 DocumentDB？ 5.2 如何對 MySQL 對接與操作？ 5.3 如何與 MongoDB 對接與操作？ 5.4 小結 第6章 Apache NiFi 和 Message Queue 對接與實務 6.1 什麼是 Message Queue？ 6.2 什麼是 Apache Kafka？ 6.3 如何對 Apache Kafka 對接與操作？ 6.4 小結 第7章 Apache NiFi 和 Cloud 對接與實務 7.1 如何串接 AWS 服務？ 7.2 如何串接 GCP 服務？ 7.3 小結 第8章 Apache NiFi 監控與追蹤邏輯 8.1 訂定適當的監控指標 8.2 Apache NiFi 的 Reporting Task 和整合應用 8.3 Apache NiFi 的基本偵錯 Alert 機制 8.4 小結 第9章 資料工程的重要性與未來 9.1 資料工程是什麼？為何重要？ 9.2 未來資料工程的變化與趨勢

圖形演算法：Apache Spark與Neo4j實務範例

類似書籍推薦給您

內容簡介 　　"從基本概念到重要的演算法，再到處理平臺和實際案例，作者為美妙圖形世界編寫了一本兼具指導性與說明性的參考指南。" —Kirk Borne, PhD 　　Principal Data Scientist and Executive 　　Advisor, Booz Allen Hamilton 　　"一本實用且資訊豐富的指南，幫助你藉由使用圖形演算法檢測模式和結果，來獲取更多洞察力，圖形資料庫開發人員的必讀書籍。"—Luanne Misquitta 　　Vice President of Engineering, 　　GraphAware 　　學習圖形演算法可以幫助你利用資料關係的力量，開發更聰明的解決方案，以及增強你的機器學習模模型。有了這本實用的指南，開發者和資料科學家將會發現，圖形分析能提昇價值，無論是用圖形分析建構動態網路模型，還是預測真實世界中的行為。 　　Neo4j的Mark Needham和AmyHodler說明圖形演算法如何描述複雜結構，並揭示難以找出的模式—從發現漏洞和瓶頸到社群偵測和提升機器學習預測。你將會透過一些實際的範例了解如何在Apache Spark和Neo4j中使用圖形演算法，這兩個平台是圖形分析最常用的選擇。 　　‧學習圖形分析如何從現今的資料中找到更多預測元素 　　‧瞭解熱門的圖形演算法是如何工作以及如何應用 　　‧使用超過20個圖形演算法範例的程式碼和提示 　　‧學習對不同類型問題，挑選合適演算法 　　‧使用Spark和Neo4j程式碼和樣本資料集探索範例 　　‧結合Neo4j和Spark，建立一個用於連結預測的機器學習工作流程 目錄 前言 第一章 引言 第二章 圖論和概念 第三章 圖形平台和處理 第四章 尋路與圖形搜索演算法 第五章 中心性演算法 第六章 社群偵測演算法 第七章 圖形演算法實作 第八章 使用圖形演算法增強機器學習 附錄 A 其他資訊和資源