|
|
介绍：
面向Java，巧用Storm快速切入大数据实时流处理领域
学习门槛低，熟练掌握Java SE 、Linux就能学！Java工程师转型的完美捷径
采用最新版本讲解：
市面上最新版本1.1.0系统，从0开始逐步地深入浅出
系统学习打牢基础：
深入掌握Storm及周边框架入门使用，打下坚实基础
打开正确学习模式：
深入Storm内部处理机制，让你不再一知半解
不局限于API的简单调用，更涉及内部处理机制，一步步地通过代码实现，让你快速掌握Storm实时流处理这柄利器
Storm核心概念.
Storm优势和应用场景
Storm对比Hadoop
Storm对比Spark Streaming
图解Storm核心概念
Storm Stream Groupings
分组策略概述
Shuffle分组
Field分组
All分组
Storm并行度
Worker数量
Executor数量
Task数量
Acker设置
动态调整
Storm可靠性
机器节点
Nimbus/Supervisor进程
Worker节点
Tuple处理
Storm DRPC
RPC概述
Hadoop DRPC使用案例
Storm DRPC使用案例
Storm整合周边框架：整合HDFS 整合Hbase 整合JDBC 整合Redis 整合Kafka
基础核心框架 Storm
开发语言 Java
消息中间件 Kafka Zookeeper
应用数据分析 Kibana Logstash
NoSQL数据库 Redis HBase
目录:
一、课程介绍
二、Storm框架介绍
三、深入理解Storm核心概念
四、搭建基于IDEA+Maven的Storm的开发环境及API使用
五、Storm结合ZooKeeper、Kafka、Logstash等周边框架的整合使用
六、核心组件及Storm架构与部署及Storm UI介绍
七、Storm的优化之并行度调整优化
八、常用分组策略 Shuffle分组策略、Field分组策略、All分组策略等介绍
九、Storm可靠性 Worker进程、Supervisor进程、nimbus进程、节点、以及消息处理的确认机制
十、DRPC介绍及开发Storm的基于本地和远程模式的DPRC编程
十一、Storm整合 Redis、JDBC、HDFS、HBase、ES等常用的大数据框架综合使用来完成大数据的实时流处理项目
十二、使用Logstash+Kafka+Storm+高德地图来实现基于一个交通数据的热力图的实时展示项目
十三、回顾总结
|
|
发表于 2018-5-10 11:15:41
收藏
发表于 2021-10-1 08:08:59
