Értékelés:
A könyv az idősoros adatbázisokkal foglalkozik, az Open TSDB-re összpontosítva, de sok kritikus szerint a cím félrevezető, mivel több módszer szélesebb körű lefedettségét sugallja. Bár a könyv egyes részei hasznos betekintést nyújtanak, végső soron hiányzik belőle a mélység és a szélesség, így inkább rövid áttekintésnek tűnik, mint átfogó forrásnak.
Előnyök:A könyv tisztességes bevezetést nyújt az idősoros adatbázisokba, és tárgyalja a skálázható rendszerek építésének kihívásait. Az első néhány fejezet értékes betekintést nyújt az idősoros adatok természetébe és fontosságába. Néhány recenzens értékeli az írás világosságát és az Open TSDB koncentrált vizsgálatát.
Hátrányok:A címet megtévesztőnek tartják, mivel az idősoros adatbázisok szélesebb körű vizsgálatát sugallja, miközben elsősorban az Open TSDB-re összpontosít. Számos fontos adatbázisról és módszerről nem esik részletes említés, és a könyvről azt írják, hogy nem elég mély, így inkább tűnik füzetnek, mint átfogó feldolgozásnak. Ezenkívül a későbbi fejezeteket kevésbé értékesnek tartják.
(4 olvasói vélemény alapján)
Time Series Databases: New Ways to Store and Access Data
Az idősoros adatok egyre nagyobb jelentőséggel bírnak, különösen a tárgyak internetének gyors terjedésével. Ez a tömör útmutató hatékony módszereket mutat be a nagyméretű idősoros adatok gyűjtésére, tartósítására és az elemzéshez való hozzáférésre. Felfedezi az idősoros adatbázisok mögötti elméletet, és gyakorlati módszereket tanulhat a megvalósításukhoz. A szerzők, Ted Dunning és Ellen Friedman részletesen megvizsgálják az olyan nyílt forráskódú eszközöket, mint az OpenTSDB, valamint az új módosításokat, amelyek jelentősen felgyorsítják az adatbevitelt.
Megtanulhatja:
⬤ Az idősoros felhasználási esetek sokaságát.
⬤ A NoSQL-adatbázisok előnyeit nagyméretű idősoros adatok esetében.
⬤ NoSQL táblák tervezése nagy teljesítményű idősoros adatbázisokhoz.
⬤ Az OpenTSDB előnyei és korlátai.
⬤ Hogyan lehet az OpenTSDB-ben lévő adatokhoz hozzáférni az R, Go és Ruby segítségével.
⬤ Hogyan járulnak hozzá az idősoros adatbázisok a gyakorlati gépi tanulási projektekhez.
⬤ Hogyan kezeljük a geotemporális adatok hozzáadott komplexitását.
Az idősoros adatok elemzésével kapcsolatos tanácsokat a Gyakorlati gépi tanulás című könyvben talál: A New Look at Anomaly Detection, szintén Ted Dunningtól és Ellen Friedmantől.
© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)