流式架构 Kafka与MapR Streams数据流处理
内容简介： 所有连续的事件流都可以称为数据流。对连续数据流设计和构建流式数据架构，能够实现实时或近实时应用，提升整个组织的效率。本书以Apache Kafka和MapRStreams为例，重点讲解如何确定使用流数据的时机、如何为多用户系统设计流式架构、为什么要求消息传递层具备某些特定功能，以及为什么需要微服务，并且描述了目前最符合流式设计需求的消息传递和流分析工具，适合架构师、大数据科学家及IT工
相关文章
- 1. Kafka Streams | 流，实时处理和功能
- 2. Kafka流式处理
- 3. Spark Streaming，Flink，Storm，Kafka Streams，Samza：如何选择流处理框架
- 4. Kafka Streams与其余流处理平台的差别在哪里？
- 5. Kafka Streams与其他流处理平台的差异在哪里？
- 6. 数据架构的将来——浅谈流处理架构
- 7. 大数据生态圈之流式数据处理框架选择(Storm VS Kafka Streams VS Spark Streaming VS Flink VS Samza)
- 8. Apache Kafka和MapR流如何处理主题分区
- 9. Storm vs. Kafka Streams vs. Spark Streaming vs. Flink ，流式处理框架一网打尽！
- 10. 大数据流处理框架介绍
- 更多相关文章...
- • XSL-FO 流 - XSL-FO 教程
- • Lua 流程控制 - Lua 教程
- • Flink 数据传输及反压详解
- • TiDB 在摩拜单车在线数据业务的应用和实践
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Kafka Streams | 流，实时处理和功能
- 2. Kafka流式处理
- 3. Spark Streaming，Flink，Storm，Kafka Streams，Samza：如何选择流处理框架
- 4. Kafka Streams与其余流处理平台的差别在哪里？
- 5. Kafka Streams与其他流处理平台的差异在哪里？
- 6. 数据架构的将来——浅谈流处理架构
- 7. 大数据生态圈之流式数据处理框架选择(Storm VS Kafka Streams VS Spark Streaming VS Flink VS Samza)
- 8. Apache Kafka和MapR流如何处理主题分区
- 9. Storm vs. Kafka Streams vs. Spark Streaming vs. Flink ，流式处理框架一网打尽！
- 10. 大数据流处理框架介绍