本書(shū)按照“理論+實(shí)戰(zhàn)”的形式編寫(xiě)，將企業(yè)項(xiàng)目需求分解為單獨(dú)的任務(wù)，全面系統(tǒng)地講解了大數(shù)據(jù)采集與預(yù)處理的相關(guān)知識(shí)與技術(shù)。全書(shū)針對(duì)數(shù)據(jù)采集的不同來(lái)源，將知識(shí)內(nèi)容分為五個(gè)項(xiàng)目，包括網(wǎng)絡(luò)數(shù)據(jù)采集、分布式消息系統(tǒng)Kafka、實(shí)時(shí)數(shù)據(jù)庫(kù)采集工具Canal和Maxwell、ETL日志采集技術(shù)棧以及ETL工具——Kettle。本書(shū)針對(duì)大數(shù)據(jù)采集與預(yù)處理的關(guān)鍵技術(shù)及其應(yīng)用場(chǎng)景，從數(shù)據(jù)的采集、存儲(chǔ)和分析等多個(gè)方面介紹了大數(shù)據(jù)的數(shù)據(jù)處理流程，通過(guò)任務(wù)實(shí)例為讀者展示了如何有效地使用技術(shù)或工具。