分布式消息订阅分发也是一种常见的数据采集方式Y其中YKaa就是一种具有代

表性的产品Kaa是由LinkedIn公司开发的一种高吞吐量的分布式发布订阅消息

系统Y用户通过Kaa系统可以发布大量的消息Y同时也能实时订阅消费消息

Kaa的架构包括以下组件X话题生产者服务代理消费者。

ETL是英文Extract-Transform-Load的缩写Y常用于数据仓库中的数据采

集和预处理环节顾名思义YETL从原系统中抽取数据Y并根据实际商务

需求对数据进行转换Y并把转换结果加载到目标数据存储中可以看出Y

ETL既包含了数据采集环节Y也包含了数据预处理环节

Kettle是一款国外开源的ETL工具Y使用Java语言编写Y可以在

WindowsLinuxUnix上运行Y数据抽取高效稳定。

网络数据采集是指通过网络爬虫或网站公开应用程序编程接口等方式从

�

本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！