Designing Data-Intensive Applications
El libro que más ha influido en cómo se piensan los sistemas de datos modernos en la última década.
ÁreaIngeniería de Datos y Sistemas Distribuidos
TemaIngeniería de Datos
NivelAvanzado
Publicación2017
Autor(es): Martin Kleppmann
¿Qué puedes lograr leyendo este libro?
- Entender los trade-offs fundamentales al diseñar sistemas de datos distribuidos (consistencia, disponibilidad, particionamiento)
- Elegir con criterio entre bases de datos relacionales, NoSQL, o arquitecturas de streaming según el problema
- Leer y evaluar críticamente arquitecturas de datos propuestas en un trabajo real
Descripción
Kleppmann explica los principios fundamentales detrás de cualquier sistema de datos moderno: cómo se replican, particionan y procesan datos a gran escala, cubriendo bases de datos relacionales y NoSQL, sistemas de streaming, y los trade-offs de consistencia que todo ingeniero de datos enfrenta tarde o temprano.
Para quién es ideal
- Data scientists que necesitan entender la infraestructura sobre la que corren sus modelos
- Quien está haciendo la transición hacia ingeniería de datos o MLOps
- Arquitectos de datos evaluando qué sistema usar para un caso de uso específico
- Lectura fundamental antes de diseñar pipelines de datos a gran escala
Contenido destacado
- Modelos de datos y motores de almacenamiento
- Replicación, particionamiento y transacciones distribuidas
- Consistencia, disponibilidad y el teorema CAP en la práctica
- Sistemas de procesamiento por lotes (batch) y streaming
- Integración de sistemas y arquitecturas orientadas a eventos
Ventajas y limitaciones
Ventajas
- Considerado uno de los libros técnicos más influyentes de la década en su campo
- Explica con claridad excepcional conceptos distribuidos notoriamente difíciles
- Aplica directamente a decisiones reales de arquitectura de datos
Limitaciones
- No es un libro específicamente de ciencia de datos ni de ML
- No incluye código, es puramente conceptual y arquitectónico