ch01 緒論

ch02 即時平台介紹

ch03 Storm 叢集部署和設定

ch04 Storm 內部剖析

ch05 Storm 運行維護和監控

ch06 Storm 的擴充

ch07 Storm 開發

ch08 以Storm 為基礎的即時資料平台

ch09 大數據應用案例

ch10 Storm 使用經驗和效能最佳化

附錄A Kafka 原理

附錄B 將Storm 原始程式匯入Eclipse

序



　　本書意在介紹即時大數據的各方面，分享我們在設計即時應用過程中遇到的一些問題，讓一些從零開始建置即時計算平台的公司少走冤枉路。



　　我們力圖使不同背景的讀者都能從其中獲益。



　　如果你從事基礎架構方面的工作，可以注重閱讀以下幾章：在第1章中，我們整理了許多主要網際網路公司在Storm 應用方面的一些情況；在第2 章中，我們介紹了即時平台的整體架構，隨後引用了大眾點評和1 號店目前即時平台的一些基本情況；在第4 章中，我們列出了原始程式剖析，為了讓不懂Clojure 語言的讀者也能容易地了解Storm 的內部原理，我們配了很多順序圖來描述呼叫邏輯；在第5 章中，我們分享了一些在實作中歸納出來的監控Storm 應用的常用方法；在第6 章中，我們介紹了在Storm 上如何做一些擴充，方便更進一步地維護和管理叢集；在第10 章中，我們主要分享了Storm 的一些小技巧和效能最佳化的經驗。如果你是大數據產品的開發和架構人員，可以注重閱讀後面的幾章，其中分享了我們一年來遇到的一些瓶頸。



　　如果你是演算法工程師，可以注重了解第8 章和第9 章，裡面的使用者生命週期模型、即時推薦系統的演算法和架構、千人千面架構等不少內容來自我們的生產實作。設計嚴謹的模型在即時系統上常常會遇到比較大的效能問題，資料量、即時和演算法的精準性是相互限制的，加強某一方面，常常不得不犧牲另外兩個指標。在實際推薦系統的生產環境中，連結規則和協作過濾的推薦效果常常比較好，被廣泛採用，而利用人物誌(Persona)，結合地域、天氣等上下文資訊，可以進行一些更加精準的推薦。



　　目前以使用者畫像為基礎和上下文內容做個性化推薦和搜索、精準化營運和廣告行銷等加強交易額等轉換率，也是很多公司嘗試的方向。



　　對於網上有的或其他書中介紹過的內容，為適應不同讀者的需求，我們會簡單提及以做一點點過渡。



　　儘管我們投入了大量的精力來寫這本書，但因為水準所限，書中的內容存在不足和疏漏也在所難免，懇請讀者批評指正。