数据

一些最具挑战性的用例超出了单一地点运行消费者服务的基本概念。地理分布式部署通常用于为大量（数百万到数十亿）消费者提供实时服务。这些服务通常需要可预测的低延迟服务级协议（SLA，以毫秒为单位）以及全天候

现在您已准备好上线一个 Aerospike 集群，您需要了解如何保持系统在线并应对变化。理解与服务器交互的流程至关重要，这样才能将其作为生产环境的一部分进行管理。您需要了解如何集群服务器、调整参数以及

在前几章中，我们讨论了Aerospike的架构以及数据库所提供的功能。在本章中，我们将探讨如何在Aerospike中进行数据建模以解决常见问题。与大多数数据库一样，解决相同问题的方法有多种，因此我们会

由于你刚开始使用 Aerospike，本章不会详细解释数据库的构建方式。然而，了解 Aerospike 的一些关键工作原理有助于理解为什么要以特定方式使用它，以及如何充分利用其功能。 本章将重点讨论三

到目前为止，你已经了解了 Aerospike 的基本操作，主要是读取和写入数据。我们讨论了数据如何存储在 bin 中，并且可以在一次调用中读取或写入多个 bin。接下来，我们将探讨一些超出这些基本操作

在第 2 章中，我们展示了一个入门示例应用的基本样式，并简要讨论了如何建立连接、检索数据和插入数据。本章中，我们将深入介绍在使用 Aerospike 时会用到的所有基本操作，如创建、读取、更新和删除等

现在你已经了解了 Aerospike 的基础知识，接下来让我们开始编写第一个使用 Aerospike 作为数据库的程序。Aerospike 支持多种编程语言，如 Java、C、C#、Python 和

Aerospike 是一款分布式 NoSQL 数据库，在读写速度上表现出色，且具备很高的系统可用性。这听起来像是数据库的常见特性，但这并没有全面展现 Aerospike 的能力。 在数据管理行业，我们

随着数字化转型步伐的加快，各家公司从各种来源收集的多样化数据量不断增加。数据爆炸为组织提供了巨大的潜力，通过高级分析发掘出颠覆性的洞察，以引导创新和决策。 在本章中，我们将回顾数据平台在过去十多年中的

我们从定义业务问题陈述的任务开始。 “企业面临不断变化的技术环境。竞争要求企业在规模上进行创新以保持相关性，这导致了在系统生命周期的运行/管理阶段中，必须不断地分配总拥有成本（TCO）预算来进行重构和

那么，你有一些让 Arrow 变得更好的想法，或者可能你发现了一个错误。无论是哪种情况，你都希望能够与 Arrow 项目沟通你的需求和想法，或者贡献代码更改。本章就是关于如何进行这些操作的入门指南。无

随着越来越多的项目采用或支持 Apache Arrow 作为其内部和外部通信格式，Arrow 正逐渐成为行业标准。在本章中，我们将了解一些以不同方式使用 Arrow 的项目。Arrow 提供的灵活性使

我们刚刚讨论了如何使用 Arrow 数据库连接 (ADBC)，它提供了一种与多种数据源进行高效交互的方式。在本章中，我们将探讨如何使用这些数据：即机器学习（ML）。ML 绝不仅仅是一个流行词汇——它经

在之前的几个章节中，我们讨论了许多使用 Apache Arrow 处理和交互数据的方法。我们甚至还介绍了如何利用一些 Arrow 库（如 Dataset 库）来获取和分析数据。但是，如果你的日常工作涉

分布式系统一直让我感兴趣。分布式系统就像一个非常好的拼图；一旦你弄清楚所有的部分如何结合在一起以实现你的目标，便会感到极大的满足。如果你不熟悉这个术语，分布式系统简单来说就是将系统的各个组件分散在网络

在当前的数据湖和湖仓生态系统中，许多数据集现在是分区目录结构中的大型文件集合，而不是单个文件。为了简化这种工作流程，Arrow 库提供了一个 API，用于轻松处理这些类型的结构化和非结构化数据。这被称

我不想显得像在重复老调重弹，但我已经多次提到，Apache Arrow 是一组库的集合，而不是一个单一的库。这在技术和后勤方面都有重要的区别。从技术角度来看，这意味着依赖于 Arrow 的第三方项目不

我们已经翻阅了这本书将近一半的内容，但直到现在才开始介绍如何直接使用 Arrow 进行分析计算。这有点奇怪，对吧？不过此时，如果你一直在跟随书中的内容，你应该已经对所有需要掌握的概念有了扎实的理解，从

我一直在称赞 Apache Arrow 作为表格数据交换技术的优势，但它与人们常用的数据传输技术相比表现如何呢？对于你的应用程序接口（API），什么时候使用一种技术比另一种更合适呢？要回答这些问题，你

分析和计算工具只有在拥有数据的情况下才有用。数据可以存在于本地或远程的多种位置和格式中。Arrow 库提供了一系列功能，用于从不同的格式和位置读取数据并进行交互。在你已经对 Arrow 及其数组操作有