鏈接：https://pan.baidu.com/s/1zRVz-wqwSCst0QZfzMPqsA?pwd=zqys?

提取碼：zqys

《SysML精粹》全書延續(xù)了Martin Fowler經(jīng)典的《UML精粹》的風(fēng)格，能夠快速告訴你在開(kāi)始的時(shí)候需要知道哪些知識(shí)，隨著需求的出現(xiàn)，會(huì)幫助你不斷深化你的知識(shí)。像SysML本身一樣，這本書和方法無(wú)關(guān)，旨在支持你已經(jīng)使用的所有流程、過(guò)程和工具。

《SysML精粹》作者以清晰、簡(jiǎn)潔的術(shù)語(yǔ)介紹SysML圖的基礎(chǔ)知識(shí)，通過(guò)實(shí)例闡明如何創(chuàng)建有效的SysML模型，涵蓋SysML的核心組件，并以幽默詼諧的方式給出許多切實(shí)可行的建議，以幫助讀者創(chuàng)建好的模型和好的設(shè)計(jì)。?[1]?

圖書目錄

編輯?播報(bào)

譯者序

前言

作者簡(jiǎn)介

第1章 分布式單詞計(jì)數(shù)

1.1 Storm topology的組成部分--stream、spout和bolt

1.1.1 stream

1.1.2 spout

1.1.3 bolt

1.2 單詞計(jì)數(shù)topology的數(shù)據(jù)流

1.2.1 語(yǔ)句生成spout

1.2.2 語(yǔ)句分割bolt

1.2.3 單詞計(jì)數(shù)bolt

1.2.4 上報(bào)bolt

1.3 實(shí)現(xiàn)單詞計(jì)數(shù)topology

1.3.1 配置開(kāi)發(fā)環(huán)境

1.3.2 實(shí)現(xiàn)SentenceSpout

1.3.3 實(shí)現(xiàn)語(yǔ)句分割bolt

1.3.4 實(shí)現(xiàn)單詞計(jì)數(shù)bolt

1.3.5 實(shí)現(xiàn)上報(bào)bolt

1.3.6 實(shí)現(xiàn)單詞計(jì)數(shù)topology

1.4 Storm的并發(fā)機(jī)制

1.4.1 WordCountTopology的并發(fā)機(jī)制

1.4.2 給topology增加worker

1.4.3 配置executor和task

1.5 理解數(shù)據(jù)流分組

1.6 有保障機(jī)制的數(shù)據(jù)處理

1.6.1 spout的可靠性

1.6.2 bolt的可靠性

1.6.3 可靠的單詞計(jì)數(shù)

總結(jié)

第2章 配置Storm集群

2.1 Storm集群的框架

2.1.1 理解nimbus守護(hù)進(jìn)程

2.1.2 supervisor守護(hù)進(jìn)程的工作方式

2.1.3 Apache ZooKeeper簡(jiǎn)介

2.1.4 Storm的DRPC服務(wù)工作機(jī)制

2.1.5 Storm UI

2.2 Storm技術(shù)棧簡(jiǎn)介

2.2.1 Java和Clojure

2.2.2 Python

2.3 在Linux上安裝Storm

2.3.1 安裝基礎(chǔ)操作系統(tǒng)

2.3.2 安裝Java

2.3.3 安裝ZooKeeper

2.3.4 安裝Storm

2.3.5 運(yùn)行Storm守護(hù)進(jìn)程

2.3.6 配置Storm

2.3.7 必需的配置項(xiàng)

2.3.8 可選配置項(xiàng)

2.3.9 Storm可執(zhí)行程序

2.3.10 在工作站上安裝Storm可執(zhí)行程序

2.3.11 守護(hù)進(jìn)程命令

2.3.12 管理命令

2.3.13 本地調(diào)試/開(kāi)發(fā)命令

2.4 把toplogy提交到集群中

2.5 自動(dòng)化集群配置

2.6 Puppet的快速入門

2.6.1 Puppet manifest文件

2.6.2 Puppet類和模塊

2.6.3 Puppet模板

2.6.4 使用Puppet Hiera來(lái)管理環(huán)境

2.6.5 介紹Hiera

總結(jié)

第3章 Trident和傳感器數(shù)據(jù)

3.1 使用場(chǎng)景

3.2 Trident topology

3.3 Trident spout

3.4 Trident運(yùn)算

3.4.1 Trident filter

3.4.2 Trident function

3.5 Trident聚合器

3.5.1 CombinerAggregator

3.5.2 ReducerAggregator

3.5.3 Aggregator

3.6 Trident狀態(tài)

3.6.1 重復(fù)事務(wù)型狀態(tài)

3.6.2 不透明型狀態(tài)

3.7 執(zhí)行topology

總結(jié)

第4章 實(shí)時(shí)趨勢(shì)分析

4.1 應(yīng)用場(chǎng)景

4.2 體系結(jié)構(gòu)

4.2.1 數(shù)據(jù)源應(yīng)用程序

4.2.2 logback Kafka appender

4.2.3 Apache Kafka

4.2.4 Kafka spout

4.2.5 XMPP服務(wù)器

4.3 安裝需要的軟件

4.3.1 安裝Kafka

4.3.2 安裝OpenFire

4.4 示例程序

4.5 日志分析topology

4.5.1 Kafka spout

4.5.2 JSON project function

4.5.3 計(jì)算移動(dòng)平均值

4.5.4 添加一個(gè)滑動(dòng)窗口

4.5.5 實(shí)現(xiàn)滑動(dòng)平均function

4.5.6 按照閾值進(jìn)行過(guò)濾

4.5.7 通過(guò)XMPP發(fā)送通知

4.6 最終的topology

4.7 運(yùn)行日志分析topology

總結(jié)

第5章 實(shí)時(shí)圖形分析

5.1 使用場(chǎng)景

5.2 體系結(jié)構(gòu)

5.2.1 Twitter客戶端

5.2.2 Kafka spout

5.2.3 Titan分布式圖形數(shù)據(jù)庫(kù)

5.3 圖形數(shù)據(jù)庫(kù)簡(jiǎn)介

5.3.1 訪問(wèn)圖--TinkerPop棧

5.3.2 使用Blueprints API操作圖形

5.3.3 通過(guò)Gremlin shell操作圖形

5.4 軟件安裝

5.5 使用Cassandra存儲(chǔ)后端設(shè)置Titan

5.5.1 安裝Cassandra

5.5.2 使用Cassandra后端啟動(dòng)Titan

5.6 圖數(shù)據(jù)模型

5.7 連接Twitter數(shù)據(jù)流

5.7.1 安裝Twitter4J客戶端

5.7.2 OAuth配置

5.7.3 TwitterStreamConsumer類

5.7.4 TwitterStatusListener類

5.8 Twitter graph topology

5.9 實(shí)現(xiàn)GraphState

5.9.1 GraphFactory

5.9.2 GraphTupleProcessor

5.9.3 GraphStateFactory

5.9.4 GraphState

5.9.5 GraphUpdater

5.10 實(shí)現(xiàn)GraphFactory

5.11 實(shí)現(xiàn)GraphTupleProcessor

5.12 組合成TwitterGraphTopology類

5.13 使用Gremlin查詢圖

總結(jié)

第6章 人工智能

6.1 為應(yīng)用場(chǎng)景進(jìn)行設(shè)計(jì)

6.2 確立體系結(jié)構(gòu)

6.2.1 審視設(shè)計(jì)中的挑戰(zhàn)

6.2.2 實(shí)現(xiàn)遞歸

6.2.3 解決這些挑戰(zhàn)

6.3 實(shí)現(xiàn)體系結(jié)構(gòu)

6.3.1 數(shù)據(jù)模型

6.3.2 檢視Recursive Topology

6.3.3 隊(duì)列交互

6.3.4 function和filter

6.3.5 研究Scoring Topology

6.3.6 分布式遠(yuǎn)程命令調(diào)用（DRPC）

總結(jié)

第7章 整合Druid進(jìn)行金融分析

7.1 使用場(chǎng)景

7.2 集成一個(gè)非事務(wù)系統(tǒng)

7.3 topology

7.3.1 spout

7.3.2 filter

7.3.3 狀態(tài)設(shè)計(jì)

7.4 實(shí)現(xiàn)體系結(jié)構(gòu)

7.4.1 DruidState

7.4.2 實(shí)現(xiàn)StormFirehose對(duì)象

7.4.3 在ZooKeeper中實(shí)現(xiàn)分片狀態(tài)

7.5 執(zhí)行實(shí)現(xiàn)的程序

7.6 檢視分析過(guò)程

總結(jié)

第8章 自然語(yǔ)言處理

8.1 Motivating Lambda結(jié)構(gòu)

8.2 研究使用場(chǎng)景

8.3 實(shí)現(xiàn)Lambda architecture

8.4 為應(yīng)用場(chǎng)景設(shè)計(jì)topology

8.5 設(shè)計(jì)的實(shí)現(xiàn)

8.5.1 TwitterSpout/TweetEmitter

8.5.2 function

8.6 檢視分析邏輯

8.7 Hadoop

8.7.1 MapReduce概覽

8.7.2 Druid安裝

總結(jié)

第9章 在Hadoop上部署Storm進(jìn)行廣告分析

9.1 應(yīng)用場(chǎng)景

9.2 確定體系結(jié)構(gòu)

9.2.1 HDFS簡(jiǎn)介

9.2.2 YARN簡(jiǎn)介

9.3 配置基礎(chǔ)設(shè)施

9.3.1 Hadoop基礎(chǔ)設(shè)施

9.3.2 配置HDFS

9.4 部署分析程序

9.4.1 以Pig為基礎(chǔ)執(zhí)行批處理分析

9.4.2 在Storm-YARN基礎(chǔ)上執(zhí)行實(shí)時(shí)分析

9.5 執(zhí)行分析

9.5.1 執(zhí)行批處理分析

9.5.2 執(zhí)行實(shí)時(shí)分析

9.6 部署topology

9.7 執(zhí)行toplogy

總結(jié)

第10章 云環(huán)境下的Storm

10.1 Amazon Elastic Compute Cloud簡(jiǎn)介

10.1.1 建立AWS賬號(hào)

10.1.2 AWS管理終端

10.1.3 手工啟動(dòng)一個(gè)EC2實(shí)例

10.2 Apache Whirr簡(jiǎn)介

10.3 使用Whirr配置Storm集群

10.4 Whirr Storm簡(jiǎn)介

10.5 Vagrant簡(jiǎn)介

10.5.1 安裝Vagrant

10.5.2 創(chuàng)建第一個(gè)虛擬機(jī)

10.6 生成Storm安裝準(zhǔn)備腳本

10.6.1 ZooKeeper

10.6.2 Storm

10.6.3 Supervisord

總結(jié)