Storm實時數(shù)據處理

譯者序
前言
第1章 搭建開發(fā)環(huán)境
1.1 簡介
1.2 搭建開發(fā)環(huán)境
1.3 分布式版本控制
1.4 創(chuàng)建“Hello World”Topology
1.5 創(chuàng)建Storm集群——配置機器
1.6 創(chuàng)建Storm集群——配置Storm
1.7 獲取基本的點擊率統(tǒng)計信息
1.8 對Bolt進行單元測試
1.9 實現(xiàn)集成測試
1.10 將產品部署到集群
第2章 日志流處理
2.1 簡介
2.2 創(chuàng)建日志代理
2.3 創(chuàng)建日志Spout
2.4 基于規(guī)則的日志流分析
2.5 索引與持久化日志數(shù)據
2.6 統(tǒng)計與持久化日志統(tǒng)計信息
2.7 為日志流集群創(chuàng)建集成測試
2.8 創(chuàng)建日志分析面板
第3章 使用Trident計算單詞重要度
3.1 簡介
3.2 使用Twitter過濾器創(chuàng)建URL流
3.3 從文件中獲取整潔的詞流
3.4 計算每個單詞的相對重要度
第4章 分布式遠程過程調用
4.1 簡介
4.2 通過DPRC實現(xiàn)所需處理流程
4.3 對Trident Topology進行集成測試
4.4 實現(xiàn)滾動窗口Topology
4.5 在集成測試中模擬時間
第5章 在不同語言中實現(xiàn)Topology
5.1 簡介
5.2 在Qt中實現(xiàn)多語言協(xié)議
5.3 在Qt中實現(xiàn)SplitSentence Bolt
5.4 在Ruby中實現(xiàn)計數(shù) Bolt
5.5 在Clojure中實現(xiàn)單詞計數(shù)Topology
第6章 Storm與Hadoop集成
6.1 簡介
6.2 在Hadoop中實現(xiàn)TF-IDF算法
6.3 持久化來自Storm的文件
6.4 集成批處理與實時視圖
第7章 實時機器學習
7.1 簡介
7.2 實現(xiàn)事務性Topology
7.3 在R中創(chuàng)建隨機森林分類模型
7.4 基于隨機森林的事務流業(yè)務分類
7.5 在R中創(chuàng)建關聯(lián)規(guī)則模型
7.6 創(chuàng)建推薦引擎
7.7 實時在線機器學習
第8章 持續(xù)交付
8.1 簡介
8.2 搭建CI服務器
8.3 搭建系統(tǒng)環(huán)境
8.4 定義交付流水線
8.5 實現(xiàn)自動化驗收測試
第9章 在AWS上部署Storm
9.1 簡介
9.2 使用Pallet在AWS上部署Storm
9.3  搭建虛擬私有云
9.4 使用Vagrant在虛擬私有云上部署Storm