Felhőalapú adatplatformok tervezése

Olvasói vélemények

Ezt a könyvet nagyra értékelik az információs mélységéért, érthetőségéért és a modern felhőadat-platformok relevanciájáért, amely olyan főbb felhőszolgáltatókat fed le, mint az AWS, a GCP és az Azure. Az olvasók nagyra értékelik a strukturált megközelítést és az adatmérnökök és építészek számára nyújtott gyakorlati meglátásokat. Néhány felhasználó azonban megjegyezte a Snowflake lefedettségének hiányát, és javasolta a Cloud Well Architected Frameworks beépítését a fokozott útmutatás érdekében.

⬤ Informatív mélység, amely lefedi az AWS-t, a GCP-t és az Azure-t
⬤ világos nyelvezet és struktúra
⬤ gyakorlati betekintés és legjobb gyakorlatok
⬤ hasznos az adatmérnökök és az építészek számára
⬤ hasznos fejezetek a metaadat-kezelésről és a sémákról
⬤ ötleteket ad a gyakorlathoz
⬤ teljes életciklus-megközelítéssel foglalkozik.

⬤ Nem foglalkozik a Snowflake-kel
⬤ a Cloud Well Architected Frameworks bevonása előnyös lenne
⬤ a teljes megértéshez szükség lehet a nyílt forráskódú nyelvek előzetes ismeretére.

(14 olvasói vélemény alapján)

Eredeti címe:

Designing Cloud Data Platforms

Könyv tartalma:

Danil Zburivsky és Lynda Partner a Designing Cloud Data Platforms című könyvében egy hatrétegű megközelítést mutat be, amely növeli a rugalmasságot és csökkenti a költségeket. Fedezze fel a különböző forrásokból származó adatok bevitelének mintáit, majd tanulja meg, hogyan használhatja ki a felhőszolgáltatók által nyújtott előre elkészített szolgáltatásokat.

Összefoglaló

A központosított adattárházak, az analitikai célú adatok tárolásának hosszú ideig defacto szabványa gyorsan átadja helyét a sokoldalú felhőalapú adatplatformoknak. A modern felhőalapú adatplatformokat alkalmazó vállalatok az összes adatot használó integrált üzleti képet élveznek, és kihasználhatják a fejlett elemzési gyakorlatokat az előrejelzések és a még elképzelhetetlen adatszolgáltatások irányításához. A Felhőalapú adatplatformok tervezése gyakorlati útmutató egy modern, skálázható adatplatform elképzeléséhez és tervezéséhez, amely teljes mértékben kihasználja a felhő rugalmasságát. Az olvasás során megismerheti a felhőalapú adatplatformok tervezésének alapvető összetevőit, valamint az olyan kulcsfontosságú technológiák szerepét, mint a Spark és a Kafka Streams. Felfedezi továbbá a felhőalapú adatok kezeléséhez szükséges folyamatok beállítását, azok biztonságban tartását, valamint a fejlett analitikai és BI-eszközök használatát az adatok elemzéséhez.

A nyomtatott könyv megvásárlása magában foglalja a Manning Publications ingyenes e-könyvét PDF, Kindle és ePub formátumban.

A technológiáról

A jól megtervezett csővezetékek, tárolórendszerek és API-k kiküszöbölik a helyszíni adatközpontoknál szükséges bonyolult skálázást és karbantartást. Ha megtanulja a felhő adatplatformok tervezésének mintáit, akkor a teljesítményt maximalizálni fogja, függetlenül attól, hogy melyik felhőszolgáltatót használja.

A könyvről

A Felhőalapú adatplatformok tervezése című könyvben Danil Zburivsky és Lynda Partner egy hatrétegű megközelítést tár fel, amely növeli a rugalmasságot és csökkenti a költségeket. Fedezze fel a különböző forrásokból származó adatok bevitelének mintáit, majd tanulja meg, hogyan használhatja ki a felhőszolgáltatók által biztosított előre elkészített szolgáltatásokat.

Mi van benne?

Legjobb gyakorlatok strukturált és strukturálatlan adathalmazokhoz.

Felhőalapú gépi tanulási eszközök.

Metaadatok és valós idejű analitika.

Védelmi architektúra, hozzáférés és biztonság.

Az olvasóról

A felhőalapú számítástechnika, valamint a Hadoop vagy a Spark alapjait ismerő adatszakemberek számára.

A szerzőről

Danil Zburivsky több mint 10 éves tapasztalattal rendelkezik nagyméretű adatinfrastruktúrák tervezésében és támogatásában a világ minden táján működő vállalatok számára. Lynda Partner a Pythian Analytics-as-a-Service alelnöke, és több mint 20 éve foglalkozik az adatok üzleti oldalával.

Tartalomjegyzék

1 Az adatplatform bemutatása.

2 Miért egy adatplatform és nem csak egy adattárház.

3 Nagyobbá válás és a Big 3 kihasználása: Amazon, Microsoft Azure és Google.

4 Az adatok bejuttatása a platformba.

5 Az adatok rendszerezése és feldolgozása.

6 Valós idejű adatfeldolgozás és analitika.

7 A metaadat réteg architektúra.

8 Sémakezelés.

9 Adathozzáférés és biztonság.

10 Az üzleti érték növelése adatplatformokkal.