دانلود کتاب In-Memory Analytics with Apache Arrow: Perform fast and efficient data analytics on both flat and hierarchical structured data – تجزیه و تحلیل درون حافظه با پیکان آپاچی: تجزیه و تحلیل داده‌های سریع و کارآمد را بر روی داده‌های ساختاری مسطح و سلسله مراتبی انجام دهید.

توضیحات

Process tabular data and build high-performance query engines on modern CPUs and GPUs using Apache Arrow, a standardized language-independent memory format, for optimal performance

Key Features

Learn about Apache Arrow’s data types and interoperability with pandas and Parquet

Work with Apache Arrow Flight RPC, Compute, and Dataset APIs to produce and consume tabular data

Reviewed, contributed, and supported by Dremio, the co-creator of Apache Arrow

Book Description

Apache Arrow is designed to accelerate analytics and allow the exchange of data across big data systems easily.

In-Memory Analytics with Apache Arrow begins with a quick overview of the Apache Arrow format, before moving on to helping you to understand Arrow’s versatility and benefits as you walk through a variety of real-world use cases. You’ll cover key tasks such as enhancing data science workflows with Arrow, using Arrow and Apache Parquet with Apache Spark and Jupyter for better performance and hassle-free data translation, as well as working with Perspective, an open source interactive graphical and tabular analysis tool for browsers. As you advance, you’ll explore the different data interchange and storage formats and become well-versed with the relationships between Arrow, Parquet, Feather, Protobuf, Flatbuffers, JSON, and CSV. In addition to understanding the basic structure of the Arrow Flight and Flight SQL protocols, you’ll learn about Dremio’s usage of Apache Arrow to enhance SQL analytics and discover how Arrow can be used in web-based browser apps. Finally, you’ll get to grips with the upcoming features of Arrow to help you stay ahead of the curve.

By the end of this book, you will have all the building blocks to create useful, efficient, and powerful analytical services and utilities with Apache Arrow.

What you will learn

Use Apache Arrow libraries to access data files both locally and in the cloud

Understand the zero-copy elements of the Apache Arrow format

Improve read performance by memory-mapping files with Apache Arrow

Produce or consume Apache Arrow data efficiently using a C API

Use the Apache Arrow Compute APIs to perform complex operations

Create Arrow Flight servers and clients for transferring data quickly

Build the Arrow libraries locally and contribute back to the community

Who this book is for

This book is for developers, data analysts, and data scientists looking to explore the capabilities of Apache Arrow from the ground up. This book will also be useful for any engineers who are working on building utilities for data analytics and query engines, or otherwise working with tabular data, regardless of the programming language. Some familiarity with basic concepts of data analysis will help you to get the most out of this book but isn’t required. Code examples are provided in the C++, Go, and Python programming languages.

————————————————————–

ترجمه ماشینی :

پردازش داده های جدولی و ساخت موتورهای پرس و جو با کارایی بالا بر روی CPU ها و GPU های مدرن با استفاده از Apache Arrow، یک فرمت حافظه استاندارد شده مستقل از زبان، برای عملکرد مطلوب ویژگی های کلیدی درباره انواع داده ها و قابلیت همکاری Apache Arrow با پانداها و پارکت کار با Apache Arrow Flight RPC، Compute و Dataset APIs برای تولید و مصرف داده های جدولی بازبینی، مشارکت و پشتیبانی Dremio، سازنده Apache Arrow Book Description Apache Arrow برای تسریع تجزیه و تحلیل و امکان تبادل اطلاعات طراحی شده است. داده ها در سیستم های کلان داده به راحتی. تجزیه و تحلیل In-Memory با Apache Arrow با مروری سریع بر قالب Apache Arrow شروع می شود، قبل از اینکه به شما کمک کند تا در هنگام قدم زدن در انواع موارد استفاده در دنیای واقعی، به درک تطبیق پذیری و مزایای Arrow بپردازید. شما وظایف کلیدی مانند افزایش گردش‌های کاری علم داده با Arrow، استفاده از Arrow و Apache Parket با Apache Spark و Jupyter را برای عملکرد بهتر و ترجمه داده‌ها بدون دردسر، و همچنین کار با Perspective، یک تحلیل گرافیکی و جدولی تعاملی منبع باز، پوشش خواهید داد. ابزاری برای مرورگرها با پیشروی، فرمت‌های مختلف تبادل و ذخیره‌سازی داده‌ها را بررسی خواهید کرد و با روابط بین Arrow، Parket، Feather، Protobuf، Flatbuffers، JSON و CSV آشنا خواهید شد. علاوه بر درک ساختار اصلی پروتکل‌های Arrow Flight و Flight SQL، با استفاده Dremio از Apache Arrow برای بهبود تجزیه و تحلیل SQL و نحوه استفاده از Arrow در برنامه‌های مرورگر مبتنی بر وب آشنا خواهید شد. در نهایت، با ویژگی‌های آتی Arrow آشنا می‌شوید تا به شما کمک کند جلوتر از منحنی باشید. در پایان این کتاب، شما تمام اجزای سازنده برای ایجاد خدمات و ابزارهای تحلیلی مفید، کارآمد و قدرتمند با Apache Arrow را خواهید داشت. آنچه یاد خواهید گرفت از کتابخانه های Apache Arrow برای دسترسی به فایل های داده به صورت محلی و ابری استفاده کنید عناصر بدون کپی فرمت Apache Arrow را درک کنید بهبود عملکرد خواندن با فایل های نقشه برداری حافظه با Apache Arrow تولید یا مصرف Apache داده‌های پیکان را با استفاده از C API به طور کارآمد نشان دهید از Apache Arrow Compute API برای انجام عملیات پیچیده استفاده کنید سرورها و کلاینت‌های Arrow Flight برای انتقال سریع داده‌ها ایجاد کنید کتابخانه‌های Arrow را به صورت محلی بسازید و به جامعه کمک کنید \ این کتاب برای چه کسی است این این کتاب برای توسعه دهندگان، تحلیلگران داده و دانشمندان داده است که به دنبال کشف قابلیت های Apache Arrow از ابتدا هستند. این کتاب همچنین برای مهندسانی که در حال کار بر روی ساخت ابزارهای کاربردی برای تجزیه و تحلیل داده ها و موتورهای پرس و جو هستند، یا در غیر این صورت با داده های جدولی کار می کنند، صرف نظر از زبان برنامه نویسی، مفید خواهد بود. آشنایی با مفاهیم اولیه تجزیه و تحلیل داده ها به شما کمک می کند تا بیشترین بهره را از این کتاب ببرید، اما لازم نیست. نمونه کد در زبان های برنامه نویسی C++، Go و Python ارائه شده است.

tag : دانلود کتاب تجزیه و تحلیل درون حافظه با پیکان آپاچی: تجزیه و تحلیل داده‌های سریع و کارآمد را بر روی داده‌های ساختاری مسطح و سلسله مراتبی انجام دهید. , Download تجزیه و تحلیل درون حافظه با پیکان آپاچی: تجزیه و تحلیل داده‌های سریع و کارآمد را بر روی داده‌های ساختاری مسطح و سلسله مراتبی انجام دهید. , دانلود تجزیه و تحلیل درون حافظه با پیکان آپاچی: تجزیه و تحلیل داده‌های سریع و کارآمد را بر روی داده‌های ساختاری مسطح و سلسله مراتبی انجام دهید. , Download In-Memory Analytics with Apache Arrow: Perform fast and efficient data analytics on both flat and hierarchical structured data Book , تجزیه و تحلیل درون حافظه با پیکان آپاچی: تجزیه و تحلیل داده‌های سریع و کارآمد را بر روی داده‌های ساختاری مسطح و سلسله مراتبی انجام دهید. دانلود , buy تجزیه و تحلیل درون حافظه با پیکان آپاچی: تجزیه و تحلیل داده‌های سریع و کارآمد را بر روی داده‌های ساختاری مسطح و سلسله مراتبی انجام دهید. , خرید کتاب تجزیه و تحلیل درون حافظه با پیکان آپاچی: تجزیه و تحلیل داده‌های سریع و کارآمد را بر روی داده‌های ساختاری مسطح و سلسله مراتبی انجام دهید. , دانلود کتاب In-Memory Analytics with Apache Arrow: Perform fast and efficient data analytics on both flat and hierarchical structured data , کتاب In-Memory Analytics with Apache Arrow: Perform fast and efficient data analytics on both flat and hierarchical structured data , دانلود In-Memory Analytics with Apache Arrow: Perform fast and efficient data analytics on both flat and hierarchical structured data , خرید In-Memory Analytics with Apache Arrow: Perform fast and efficient data analytics on both flat and hierarchical structured data , خرید کتاب In-Memory Analytics with Apache Arrow: Perform fast and efficient data analytics on both flat and hierarchical structured data ,