Unified Batch and Stream Processing with Apache Beam Počítačový Kurz

Toto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na inženýry, kteří chtějí používat Confluent (distribuci Kafka) k vybudování a správě platformy pro zpracování dat v reálném čase pro své aplikace.

Na konci tohoto školení budou účastníci schopni:

Nainstalujte a nakonfigurujte platformu Confluence. Používejte nástroje a služby pro správu společnosti Confluent ke snadnějšímu provozu Kafky. Ukládat a zpracovávat data příchozího proudu. Optimalizujte a spravujte clustery Kafka. Zabezpečené datové toky.

Formát kurzu

Interaktivní přednáška a diskuze. Spousta cvičení a praxe. Praktická implementace v prostředí živé laboratoře.

Možnosti přizpůsobení kurzu

Tento kurz je založen na open source verzi Confluent: Confluent Open Source. Chcete-li požádat o školení na míru pro tento kurz, kontaktujte nás a domluvíme se.

V tomto živém školení pod vedením instruktora v České republice (na místě nebo na dálku) se účastníci naučí, jak nastavit a integrovat různé Stream Processing rámce se stávajícími systémy ukládání velkých dat a souvisejícími softwarovými aplikacemi a mikroslužbami.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte různé Stream Processing frameworky, jako je Spark Streaming a Kafka Streaming.
• Pochopte a vyberte nejvhodnější rámec pro danou práci.
• Zpracování dat nepřetržitě, souběžně a záznam po záznamu.
• Integrujte Stream Processing řešení se stávajícími databázemi, datovými sklady, datovými jezery atd.
• Integrujte nejvhodnější knihovnu pro zpracování datových proudů s podnikovými aplikacemi a mikroslužbami.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové inženýry, datové vědce a programátory, kteří chtějí používat funkce Apache Kafka při streamování dat pomocí Python.

Na konci tohoto školení budou účastníci schopni používat Apache Kafka k monitorování a řízení podmínek v nepřetržitých datových tocích pomocí Python programování.

Kafka Streams je knihovna na straně klienta pro vytváření aplikací a mikroslužeb, jejichž data jsou předávána do a ze systému zasílání zpráv Kafka. Tradičně se Apache Kafka při zpracování dat mezi producenty zpráv a spotřebiteli spoléhal na Apache Spark nebo Apache Storm. Voláním Kafka Streams API z aplikace mohou být data zpracována přímo v Kafka, čímž se obejde nutnost odesílání dat ke zpracování do samostatného clusteru.

V tomto živém školení vedeném instruktorem se účastníci naučí, jak integrovat Kafka Streams do sady ukázkových Java aplikací, které předávají data do az Apache Kafka pro zpracování streamů.

Na konci tohoto školení budou účastníci schopni:

Pochopte funkce a výhody Kafka Streams oproti jiným rámcům pro zpracování datových proudů Zpracovávejte data streamu přímo v clusteru Kafka Napište Java nebo Scala aplikaci nebo mikroslužbu, která se integruje s Kafka a Kafka Streams Napište stručný kód, který transformuje vstupní témata Kafka na výstupní témata Kafka Build, zabalit a nasadit aplikaci

Publikum

Vývojáři

Formát kurzu

Část přednáška, část diskuse, cvičení a těžké praktické cvičení

Poznámky

Chcete-li požádat o školení na míru pro tento kurz, kontaktujte nás a domluvíme se

Apache Samza je open-source asynchronní výpočetní framework pro zpracování streamů téměř v reálném čase. Používá Apache Kafka pro zasílání zpráv a Apache Hadoop YARN pro odolnost proti chybám, izolaci procesoru, zabezpečení a správu zdrojů.

Toto živé školení vedené instruktorem představuje principy systémů zasílání zpráv a distribuovaného zpracování datových proudů, přičemž účastníky provede vytvořením vzorového projektu založeného na Samze a provedením úlohy.

Na konci tohoto školení budou účastníci schopni:

Použijte Samza ke zjednodušení kódu potřebného k vytváření a používání zpráv. Oddělte zpracování zpráv od aplikace. Použijte Samza k implementaci asynchronních výpočtů téměř v reálném čase. Použijte zpracování toku k zajištění vyšší úrovně abstrakce oproti systémům zasílání zpráv.

Publikum

Vývojáři

Formát kurzu

Část přednáška, část diskuse, cvičení a těžké praktické cvičení

Toto živé školení vedené instruktorem v České republice (online nebo na místě) představuje principy a přístupy za distribuovaným streamem a dávkovým zpracováním dat a provede účastníky vytvořením aplikace pro streamování dat v reálném čase v Apache Flink.

Na konci tohoto školení budou účastníci schopni:

Nastavte prostředí pro vývoj aplikací pro analýzu dat. Pochopte, jak funguje knihovna pro zpracování grafů (Gelly) Apache Flink. Zabalte, spouštějte a monitorujte aplikace pro streamování dat založené na Flink, odolné proti chybám. Zvládejte různé pracovní zátěže. Provádějte pokročilé analýzy. Nastavte víceuzlový cluster Flink. Měřte a optimalizujte výkon. Integrujte Flink s různými Big Data systémy. Porovnejte funkce Flink s těmi, které mají jiné rámce pro zpracování velkých dat.

V tomto živém školení vedeném instruktorem v České republice (na místě nebo na dálku) se účastníci naučí, jak nasadit a spravovat Apache NiFi v živém laboratorním prostředí.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Apachi NiFi.
• Zdroj, transformace a správa dat z nesourodých, distribuovaných zdrojů dat, včetně databází a velkých datových jezer.
• Automatizujte datové toky.
• Povolit analýzu streamování.
• Aplikujte různé přístupy ke zpracování dat.
• Transformujte Big Data do obchodních postřehů.

V tomto živém školení vedeném instruktorem v České republice se účastníci naučí základy programování založeného na toku při vývoji řady demo rozšíření, komponent a procesorů pomocí Apache NiFi.

Na konci tohoto školení budou účastníci schopni:

• Pochopte architekturu a koncepty toku dat NiFi.
• Vyvíjejte rozšíření pomocí NiFi a API třetích stran.
• Vlastní vývoj vlastního procesoru Apache Nifi.
• Ingestujte a zpracujte data v reálném čase z různorodých a neobvyklých formátů souborů a zdrojů dat.

Apache Storm je distribuovaný počítačový motor v reálném čase používaný k usnadnění obchodní inteligence v reálném čase. Umožňuje aplikacím spolehlivě zpracovávat neomezené toky dat (např. zpracování toku)

"Storm je pro zpracování v reálném čase, co Hadoop je pro zpracování batchů!"

V tomto živém tréninku vedeném instruktorem se účastníci dozví, jak nainstalovat a konfigurovat Apache Storm, a pak vyvíjet a rozvíjet Apache Storm aplikaci pro zpracování velkých dat v reálném čase.

Některé z témat zahrnutých v tomto tréninku zahrnují:

• Apache Storm v souvislosti s Hadoop
• Práce s neomezenými údaji
• Kontinuální výpočet
• Analýza v reálném čase
• Distribuované zpracování RPC a ETL

Požádejte o tento kurz nyní!

publikum

• Software a vývojáři ETL
• Mainframe profesionál
• Data vědci
• Big Data analytici
• [ 0 ] profesionálové

Formát kurzu

• Částečná přednáška, částečná diskuse, cvičení a těžká praxe

Apache Apex je nativní platforma YARN, která sjednocuje streamování a dávkové zpracování. Zpracovává velká data v pohybu způsobem, který je škálovatelný, výkonný, odolný proti chybám, stavový, bezpečný, distribuovaný a snadno ovladatelný.

Toto živé školení vedené instruktorem představuje sjednocenou architekturu zpracování datových proudů Apache Apex a provede účastníky tvorbou distribuované aplikace využívající Apex na Hadoop.

Na konci tohoto školení budou účastníci schopni:

Pochopte koncepty potrubí zpracování dat, jako jsou konektory pro zdroje a jímky, běžné transformace dat atd. Sestavte, škálujte a optimalizujte aplikaci Apex Zpracovávejte datové toky v reálném čase spolehlivě as minimální latencí Použijte Apex Core a knihovnu Apex Malhar k umožnění rychlé aplikace vývoj Použijte Apex API k zápisu a opětovnému použití stávajícího Java kódu Integrujte Apex do jiných aplikací jako procesor pro zpracování Vylaďte, testujte a škálujte aplikace Apex

Formát kurzu

Interaktivní přednáška a diskuze. Spousta cvičení a cvičení. Praktická implementace v prostředí živé laboratoře.

Možnosti přizpůsobení kurzu

Chcete-li požádat o školení na míru pro tento kurz, kontaktujte nás a domluvíme se.

Apache Ignite is an in-memory computing platform that sits between the application and data layer to improve speed, scale, and availability.

This instructor-led, live training (online or onsite) is aimed at developers who wish to learn the principles behind persistent and pure in-memory storage as they step through the creation of a sample in-memory computing project.

By the end of this training, participants will be able to:

• Use Ignite for in-memory, on-disk persistence as well as a purely distributed in-memory database.
• Achieve persistence without syncing data back to a relational database.
• Use Ignite to carry out SQL and distributed joins.
• Improve performance by moving data closer to the CPU, using RAM as a storage.
• Spread data sets across a cluster to achieve horizontal scalability.
• Integrate Ignite with RDBMS, NoSQL, Hadoop and machine learning processors.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí implementovat zpracování Apache Kafka streamu bez psaní kódu.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Confluent KSQL.
• Nastavte kanál zpracování datového proudu pouze pomocí příkazů SQL (žádné kódování Java nebo Python).
• Provádějte filtrování dat, transformace, agregace, spojení, vytváření oken a sessions výhradně v SQL.
• Navrhněte a nasaďte interaktivní, nepřetržité dotazy pro streamování ETL a analýzy v reálném čase.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové inženýry, datové vědce a programátory, kteří chtějí používat funkce Spark Streaming při zpracování a analýze dat v reálném čase.

Na konci tohoto školení budou účastníci schopni používat Spark Streaming ke zpracování živých datových toků pro použití v databázích, souborových systémech a živých řídicích panelech.