دانلود کتاب مدیریت جریان داده: پردازش جریان های داده با سرعت بالا بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Data Stream Management: Processing High-Speed Data Streams
ویرایش : 1
عنوان ترجمه شده به فارسی : مدیریت جریان داده: پردازش جریان های داده با سرعت بالا
سری : Data-Centric Systems and Applications
نویسندگان : Minos Garofalakis, Johannes Gehrke, Rajeev Rastogi (eds.)
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 2016
تعداد صفحات : 528
ISBN (شابک) : 9783540286080 , 9783540286073
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 7 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
این جلد بر تئوری و عمل مدیریت جریان داده تمرکز دارد، و چالش های جدیدی که این دامنه در حال ظهور برای الگوریتم ها، سیستم ها و برنامه های مدیریت داده ایجاد می کند. مجموعه فصلهایی که توسط مقامات این حوزه ارائه شده است، مقدمهای جامع برای مبانی الگوریتمی/نظری جریانهای داده و همچنین سیستمهای جریان و برنامههای کاربردی ساخته شده در حوزههای مختلف ارائه میدهد.
یک مقدمه کوتاه. فصل خلاصهای از برخی مفاهیم و مدلهای اصلی جریان داده را ارائه میکند و عناصر کلیدی یک معماری پردازش پرس و جو جریان عمومی را مورد بحث قرار میدهد. متعاقباً، قسمت اول بر روی الگوریتمهای جریان اصلی برای برخی از توابع تحلیلی کلیدی (مانند چندکها، هنجارها، جمعآوریهای پیوستن، ضربههای سنگین) روی دادههای جریانی تمرکز میکند. سپس بخش دوم به بررسی تکنیکهای مهم برای وظایف اصلی استخراج جریان میپردازد (به عنوان مثال، خوشهبندی، طبقهبندی، مجموعه آیتمهای مکرر). بخش سوم تعدادی از موضوعات پیشرفته در مورد الگوریتمهای پردازش جریانی را مورد بحث قرار میدهد و بخش چهارم بر جنبههای سیستمی و زبانی پردازش جریان داده با نظرسنجی از نمونههای اولیه سیستم تاثیرگذار و طراحیهای زبان تمرکز دارد. سپس بخش پنجم برخی از کاربردهای تکنیکهای استریم را در حوزههای مختلف (مانند مدیریت شبکه، تجزیه و تحلیل مالی) ارائه میکند. در نهایت، این جلد با مروری بر محصولات جاری دادهها و حوزههای کاربردی جدید (مانند رایانش ابری، تجزیه و تحلیل دادههای بزرگ، و پردازش رویدادهای پیچیده) و بحث در مورد مسیرهای آینده در این زمینه هیجانانگیز به پایان میرسد.
کتاب ارائه میدهد. مروری جامع بر مفاهیم اصلی و مبانی فناوری، و همچنین سیستمها و کاربردهای مختلف، و مورد توجه ویژه دانشجویان، مدرسان و محققان در حوزه مدیریت جریان داده است.This volume focuses on the theory and practice of data stream management, and the novel challenges this emerging domain poses for data-management algorithms, systems, and applications. The collection of chapters, contributed by authorities in the field, offers a comprehensive introduction to both the algorithmic/theoretical foundations of data streams, as well as the streaming systems and applications built in different domains.
A short introductory chapter provides a brief summary of some basic data streaming concepts and models, and discusses the key elements of a generic stream query processing architecture. Subsequently, Part I focuses on basic streaming algorithms for some key analytics functions (e.g., quantiles, norms, join aggregates, heavy hitters) over streaming data. Part II then examines important techniques for basic stream mining tasks (e.g., clustering, classification, frequent itemsets). Part III discusses a number of advanced topics on stream processing algorithms, and Part IV focuses on system and language aspects of data stream processing with surveys of influential system prototypes and language designs. Part V then presents some representative applications of streaming techniques in different domains (e.g., network management, financial analytics). Finally, the volume concludes with an overview of current data streaming products and new application domains (e.g. cloud computing, big data analytics, and complex event processing), and a discussion of future directions in this exciting field.
The book provides a comprehensive overview of core concepts and technological foundations, as well as various systems and applications, and is of particular interest to students, lecturers and researchers in the area of data stream management.