本書按照“理論+實戰(zhàn)”的形式編寫，將企業(yè)項目需求分解為單獨的任務，全面系統(tǒng)地講解了大數(shù)據(jù)采集與預處理的相關知識與技術。全書針對數(shù)據(jù)采集的不同來源，將知識內容分為五個項目，包括網絡數(shù)據(jù)采集、分布式消息系統(tǒng)Kafka、實時數(shù)據(jù)庫采集工具Canal和Maxwell、ETL日志采集技術棧以及ETL工具——Kettle。本書針對大數(shù)據(jù)采集與預處理的關鍵技術及其應用場景，從數(shù)據(jù)的采集、存儲和分析等多個方面介紹了大數(shù)據(jù)的數(shù)據(jù)處理流程，通過任務實例為讀者展示了如何有效地使用技術或工具。