《Storm實時資料處理》一1.1 簡介
本節書摘來華章計算機《Storm實時資料處理》一書中的第1章 ,第1.1節,(澳)Quinton Anderson 著 盧譽聲 譯更多章節內容可以訪問雲棲社群“華章計算機”公眾號檢視。
1.1 簡介
本章將簡要介紹Storm處理系統。這將涵蓋所有你想知道的內容,從搭建你的開發環境到部署Topology時需要注意的操作關注事項,再到基本的質量實踐,比如對Storm Topology進行單元測試和整合測試。在閱讀完本章後,你將能夠構建、測試和交付基本的Storm Topology。
本書並不準備對Storm處理系統及其元語和架構進行理論介紹。我們假定你在閱讀本書之前已經通過瀏覽如Storm wiki這樣的線上資源瞭解了Storm的基本概念。
當系統在產品環境中能持續可靠地產生商業價值時,才能交付系統。為了實現這個目的,在開發Storm Topology時,必須始終考慮質量問題和操作注意事項。
相關文章
- 使用Storm、Kafka和ElasticSearch處理實時資料 -javacodegeeksORMKafkaElasticsearchJava
- 實時計算,流資料處理系統簡介與簡單分析
- storm流式大資料處理流行嗎ORM大資料
- 實時流處理框架Apache Flink簡介框架Apache
- 三個大資料處理框架:Storm,Spark和Samza介紹比較大資料框架ORMSpark
- 《Storm技術內幕與大資料實踐》一1.2其他流式處理框架ORM大資料框架
- 實時處理 Kafka 資料來源Kafka
- 大資料分析處理框架——離線分析(hive,pig,spark)、近似實時分析(Impala)和實時分析(storm、sparkstreaming)大資料框架HiveSparkORM
- Kafka實時流資料經Storm至HdfsKafkaORM
- 大資料6.1 - 實時分析(storm和kafka)大資料ORMKafka
- Oracle實時資料整合工具簡介SBOracle
- 實時資料處理:Kafka 和 FlinkKafka
- pythonPIL影像處理庫簡介(一)Python
- Hadoop大資料分散式處理系統簡介Hadoop大資料分散式
- Storm 實戰:構建大資料實時計算ORM大資料
- 流式大資料處理的三種框架:Storm,Spark和Samza大資料框架ORMSpark
- 知識篇:新一代的資料處理平臺Hadoop簡介Hadoop
- 基於Redis、Storm的實時資料查詢實踐RedisORM
- 《Greenplum構建實時資料倉儲實踐》簡介
- 超3萬億資料實時分析,JCHDB助力海量資料處理
- Storm保證訊息處理ORM
- 淺談Storm流式處理框架ORM框架
- flink使用Event_time處理實時資料
- 時間序列資料的處理
- 基於Spark的大資料實時處理開課Spark大資料
- 流式處理框架storm淺析(下篇)框架ORM
- 簡單批處理內部命令簡介
- 亞信安慧AntDB資料庫——實時流資料處理的先鋒資料庫
- 影像資料不足時的處理方法
- iOS資料請求超時處理iOS
- 機器學習一:資料預處理機器學習
- 一個簡單易用的資料庫壞塊處理方案資料庫
- Hadoop不適合處理實時資料的原因剖析Hadoop
- 卷級實時備份的底層資料處理原理
- 大資料Storm 之RCE實踐大資料ORM
- 自研 PHP 框架 1.1_簡介PHP框架
- 使用記憶體NewSQL資料平臺來處理實時資料流的三個好處記憶體SQL
- 事件流處理 (ESP) 與 Kafka 簡介事件Kafka