注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 漫谈大数据第四期-storm

  2. Twitter将Storm正式开源了，这是一个分布式的、容错的实时计算系统，它被托管在GitHub上，遵循 Eclipse Public License 1.0。Storm是由BackType开发的实时处理系统，BackType现在已在Twitter麾下。GitHub上的最新版本是Storm 0.8.0，基本是用Clojure写的。 Storm为分布式实时计算提供了一组通用原语，可被用于“流处理”之中，实时处理消息并更新数据库。这是管理队列及工作者集群的另一种方式。 Storm也可被用于“连续

  3. 所属分类：Java

  1. Storm实时数据处理.pdf storm real-time processing cookbook

  2. Storm实时数据处理. pdf 英文名称 storm real-time processing cookbook

  3. 所属分类：其它

    • 发布日期：2014-08-25
    • 文件大小：11mb
    • 提供者：szd1007

  1. storm实时处理

  2. 大数据实时计算为什么说是趋势？ 对数据要求越来越高，快速得到数据可以： 电商营销调整决策 告警系统 推荐系统：实时推荐，精准化推荐

  3. 所属分类：其它

    • 发布日期：2015-09-14
    • 文件大小：1mb
    • 提供者：zhaomengsen

  1. Storm实时数据处理 206页完整版

  2. Storm实时数据处理 206页完整版 文件来源于网上，版权归原作者所有。

  3. 所属分类：Java

    • 发布日期：2016-01-05
    • 文件大小：42mb
    • 提供者：hbedw

  1. Storm实战构建大数据

  2. 随着大数据实时处理需求的强劲增长，Storm的出现填补了大数据处理生态系统的缺失，并被越来越多的公司所采用。*集团数据平台事业部商家数据业务部正是最早使用Storm的技术团队之一。 《Storm实战：构建大数据实时计算 》是一本系统并且具有实践指导意义的Storm工具书和参考书，对Storm整个技术体系进行了全面的讲解，不仅包括对基本概念、特性的介绍，也涵盖了一些原理说明。 实战性很强，各章节都提供了一些小案例，同时对于本地，以及集群环境的部署有详细介绍，易于理解，操作性强。 《Stor

  3. 所属分类：其它

    • 发布日期：2016-06-11
    • 文件大小：19mb
    • 提供者：heshuaa

  1. 运维大数据

  2. 当今世界，公司的日常运营经常会生成TB级别的数据。数据来源囊括了互联网装置可以捕获的任何类型数据，网站、社交媒体、交易型商业数据以及其它商业环境中创建的数据。考虑到数据的生成量，实时处理成为了许多机构需要面对的首要挑战。我们经常用的一个非常有效的开源实时计算工具就是Storm —— Twitter开发，通常被比作“实时的Hadoop”。然而Storm远比Hadoop来的简单，因为用它处理大数据不会带来新老技术的交替。

  3. 所属分类：Storm

    • 发布日期：2017-11-01
    • 文件大小：2mb
    • 提供者：yiwangtiankong

  1. Storm实时数据处理.[澳]Quinton Anderson(带详细书签)

  2. 本书涵盖搭建基于Storm的开发环境和测试实时系统的许多实用方法与实战用例，以及如何应用交付最佳实践来将系统部署至云端。 通过阅读本书，你将学到如何构建包含统计面板和可视化的实时日志处理系统。通过集成Storm、Cassandra、Cascading和Hadoop，你将了解如何构建一个用于文字挖掘的完整实时大数据解决方案。你还会了解到如何在Storm集群中利用不同编程语言实现特定的功能，并最终将所有解决方案交付至云端。本书中的每一个步骤都应用了成熟的开发和操作实践，确保你能够可靠地交付产品。

  3. 所属分类：Storm

    • 发布日期：2017-11-25
    • 文件大小：42mb
    • 提供者：kxjrzyk

  1. Storm实战：构建大数据实时计算

  2. 随着大数据实时处理需求的强劲增长，Storm的出现填补了大数据处理生态系统的缺失，并被越来越多的公司所采用。*集团数据平台事业部商家数据业务部正是最早使用Storm的技术团队之一。 　　《Storm实战：构建大数据实时计算》是一本系统并且具有实践指导意义的Storm工具书和参考书，对Storm整个技术体系进行了全面的讲解，不仅包括对基本概念、特性的介绍，也涵盖了一些原理说明。 　　实战性很强，各章节都提供了一些小案例，同时对于本地，以及集群环境的部署有详细介绍，易于理解，操作性强。 　　

  3. 所属分类：专业指导

    • 发布日期：2018-01-05
    • 文件大小：13mb
    • 提供者：molidiyi

  1. 大数据-Storm实时数据处理

  2. 在大数据领域，Hadoop无疑是最炙手可热的技术。作为分布式系统架构，Hadoop具有高可靠性、高扩展性、高效性、高容错性和低成本的优点。然而随着数据体积越来越大，实时处理能力成为了许多机构需要面对的首要挑战。Hadoop是一个批处理系统，在实时计算处理方面显得十分乏力。storm是一个类似于Hadoop勺实时数据处理框架，也是一个非常有效的开源实时计算工具，通常被比作“实时的Hadoop”。 　　《大数据技术丛书：Storm实时数据处理》通过丰富的实例，系统讲解Storm的基础知识和实时数据

  3. 所属分类：专业指导

    • 发布日期：2018-01-05
    • 文件大小：42mb
    • 提供者：molidiyi

  1. Storm 实战：构建大数据实时计算完整版

  2. 随着大数据实时处理需求的强劲增长，Storm的出现填补了大数据处理生态系统的缺失，并被越来越多的公司所采用。*集团数据平台事业部商家数据业务部正是最早使用Storm的技术团队之一。 《Storm实战：构建大数据实时计算 》是一本系统并且具有实践指导意义的Storm工具书和参考书，对Storm整个技术体系进行了全面的讲解，不仅包括对基本概念、特性的介绍，也涵盖了一些原理说明。 实战性很强，各章节都提供了一些小案例，同时对于本地，以及集群环境的部署有详细介绍，易于理解，操作性强。

  3. 所属分类：讲义

    • 发布日期：2018-05-19
    • 文件大小：13mb
    • 提供者：shuishanshu30

  1. 大数据简历项目 关于两个联通大数据项目和一个爬虫项目

  2. 大数据简历 内含三个项目： 项目一：联通大数据项目 项目名称： 移动终端上网数据实时分析处理系统； 开发环境： IDEA+eclipse+maven+jdk 系统架构： hadoop+zookeeper+flume+Spark+hive+mysql+sqoop+Oracle 项目二：联通大数据项目 项目名称： 信令数据实时分析处理系统； 开发环境： IDEA+eclipse+maven+jdk 系统架构： hadoop+zookeeper+Spark+hive+mysql+sqoop+Oracl

  3. 所属分类：互联网

    • 发布日期：2020-04-28
    • 文件大小：53kb
    • 提供者：qq_46359356

  1. 购物数据流处理+可视化实时数据大屏.rar

  2. 整个项目主要实现了从模拟生成购物数据，到通过kafka传输数据，到通过storm的高级事务处理trident来进行实时流数据处理，最后，将实时生成的统计数据进行实时的可视化，生成类似天猫双十一实时数据大屏的可视化效果

  3. 所属分类：Storm

    • 发布日期：2020-01-02
    • 文件大小：25mb
    • 提供者：s863222424

  1. ArcGIS的大数据利器.pdf

  2. 介绍时空大数据特点，ArcGIS的大数据工具使用，相关案例、时空大数据的特点 esr China BEJJINS 大数据 PEAK OF INFLATED EXPECTATIONS PLATEAU OF >技术关注度 过高期望的峰值 PRODUCTIVITY SLOPE OI实质生产的高峰期 ENLIGHTENMENT 稳步爬升的光明期 TROUGH OF DISILLUSIONMENT 泡沫化的底谷期 TECHNOLOGY TRIGGER 科技诞生的促动期 MATURITY技术成熟度

  3. 所属分类：Hadoop

    • 发布日期：2019-08-18
    • 文件大小：7mb
    • 提供者：tozhangjl

  1. 基于Storm的Nginxlog实时监控系统

  2. 被誉为最火的流式处理框架，弥补了Hadoop的众多缺点，Storm经常用于在实时分析、在线机器学习、持续计算、分布式远程调用和ETL等领域。本文介绍的是基于Storm的Nginxlog实时监控系统。Hadoop的缺点也和它的优点同样鲜明——延迟大，响应缓慢，运维复杂。被人广受诟病，但是 有需求就有创造，在Hadoop基本奠定了大数据霸主地位的时候，很多的开源项目都是以弥补Hadoop的实时性为目标而被创造出来，Storm正是在这个时候横空出世，Storm是一个免费开源、分布式、高容错的实时计算系

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：160kb
    • 提供者：weixin_38677806

  1. 揭秘Sponge：统一Hadoop、Spark、SDS、Swift的大数据操作系统

  2. 摘要：Sponge是一个简单多层，兼容完全POSIX兼容的分布式NFS、Hadoop，支持对象存储、云存储、SDS、容器机制，集成Spark为计算引擎，基于内存计算技术的分布式系统，将大数据的存储、管理和计算有机融合，具有实时一致性。使用对象存储、高性能存储、Hadoop、Spark、Storm……等技术来存储、处理和分析大数据很流行，然而海绵数据科技有限公司（以下简称“海绵数据”）说，这些技术各自为政，存在性能、管理、开发、成本等多方面的问题。5月20日，海绵数据宣布推出其第二代大数据操作系统

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：418kb
    • 提供者：weixin_38595690

  1. 使用Storm实现实时大数据分析！

  2. 简单和明了，Storm让大数据分析变得轻松加愉快。当今世界，公司的日常运营经常会生成TB级别的数据。数据来源囊括了互联网装置可以捕获的任何类型数据，网站、社交媒体、交易型商业数据以及其它商业环境中创建的数据。考虑到数据的生成量，实时处理成为了许多机构需要面对的首要挑战。我们经常用的一个非常有效的开源实时计算工具就是Storm——Twitter开发，通常被比作“实时的Hadoop”。然而Storm远比Hadoop来的简单，因为用它处理大数据不会带来新老技术的交替。ShruthiKumar、Sidd

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：207kb
    • 提供者：weixin_38509504

  1. Storm大数据实时处理

  2. Storm是：快速且可扩展伸缩容错确保消息能够被处理易于设置和操作开源的分布式实时计算系统-最初由NathanMarz开发-使用Java和Clojure编写Storm和Hadoop主要区别是实时和批处理的区别：Storm概念组成：Spout和Bolt组成Topology。Tuple是Storm的数据模型，如['jdon',12346]多个Tuple组成事件流：Spout是读取需要分析处理的数据源，然后转为Tuples，这些数据源可以是Web日志、API调用、数据库等等。Spout相当于事件流的生

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：404kb
    • 提供者：weixin_38660731

  1. 一文让你彻底了解大数据实时计算引擎Flink

  2. 随着这些年大数据的飞速发展，也出现了不少计算的框架（Hadoop、Storm、Spark、Flink）。在网上有人将大数据计算引擎的发展分为四个阶段。第一代：Hadoop承载的MapReduce第二代：支持DAG（有向无环图）框架的计算引擎Tez和Oozie，主要还是批处理任务第三代：支持Job内部的DAG（有向无环图），以Spark为代表第四代：大数据统一计算引擎，包括流处理、批处理、AI、MachineLearning、图计算等，以Flink为代表或许会有人不同意以上的分类，我觉得其实这并不

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：952kb
    • 提供者：weixin_38592758

  1. Storm大数据实时处理

  2. Storm是：快速且可扩展伸缩容错确保消息能够被处理易于设置和操作开源的分布式实时计算系统-最初由NathanMarz开发-使用Java和Clojure编写Storm和Hadoop主要区别是实时和批处理的区别：Storm概念组成：Spout和Bolt组成Topology。Tuple是Storm的数据模型，如['jdon',12346]多个Tuple组成事件流：Spout是读取需要分析处理的数据源，然后转为Tuples，这些数据源可以是Web日志、 API调用、数据库等等。Spout相当于事件流的

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：397kb
    • 提供者：weixin_38559992

  1. 一文让你彻底了解大数据实时计算引擎 Flink

  2. 前言 随着这些年大数据的飞速发展，也出现了不少计算的框架（Hadoop、Storm、Spark、Flink）。在网上有人将大数据计算引擎的发展分为四个阶段。 第一代：Hadoop 承载的 MapReduce 第二代：支持 DAG（有向无环图）框架的计算引擎 Tez 和 Oozie，主要还是批处理任务 第三代：支持 Job 内部的 DAG（有向无环图），以 Spark 为代表 第四代：大数据统一计算引擎，包括流处理、批处理、AI、Machine Learning、图计算等，以 Flink 为代表

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：617kb
    • 提供者：weixin_38638002
« 12 3 4 5 »