HBase pro vývojáře Počítačový Kurz

Publikum:

Kurz je určen pro IT odborníky hledající řešení pro uchovávání a zpracování velkých datových souborů v prostředí distribuovaného systému.

Gopožadavky:

Profilovaná znalost správy clusterů Hadoop.

Analýza velkých dat se týká procesu zkoumání velkého množství různorodých datových sad s cílem odhalit korelace, skryté vzory a další užitečné zjištění.

Zdravotnictví disponuje obrovským množstvím komplexních heterogenních lékařských a klinických dat. Aplikace analýzy velkých dat na data v zdravotnictví nabízí ohromné potenciály pro odvození poznatků, které mohou přispět ke zlepšení poskytování zdravotních služeb. Nicméně rozsah těchto datových sad představuje výzvu v analýze a praktickém využití ve klinickém prostředí.

V tomto instruktorem vedeném, živé tréninku (vzdáleném) se účastníci naučí provádět analýzu velkých dat v zdravotnictví během série praktických cvičení.

Koncem tohoto školení budou účastníci schopni:

• Nainstalovat a nakonfigurovat nástroje pro analýzu velkých dat, jako je Hadoop MapReduce a Spark
• Pochopit charakteristiku lékařských dat
• Aplikovat techniky velkých dat na zpracování lékařských dat
• Studovat systémy a algoritmy velkých dat v kontextu aplikací ve zdravotnictví

Cílová skupina

• Vývojáři
• Analitici dat

Formát kurzu

• Část přednášky, část diskuze, cvičení a intenzivní praktické procvičování.

Poznámka

• Pro požadavek na přizpůsobené školení pro tento kurz nás prosím kontaktujte s cílem sjednotit datum a čas.

Když tradiční úložné technologie nezvládají množství dat, které potřebujete uložit, existují stovky alternativ. Tento kurz se snaží navést účastníky, jaké jsou alternativy pro ukládání a analýzu Big Data a jaké jsou jejich výhody a nevýhody.

Tento kurz je převážně zaměřen na diskusi a prezentaci řešení, i když na vyžádání jsou k dispozici praktická cvičení.

Kurz je součástí sady dovedností Data Scientist (doména: Data a technologie).

Tato vedení instruktorem živé školení v České republice (online nebo na místě) je zaměřena na databázové administrátory nebo programátory, kteří chtějí použít Microsoft Azure Cosmos DB pro vývoj a správu vysoce reaktivních a nízkolatenčních aplikací.

Na konci tohoto školení budou účastníci schopni:

• Připravit požadované Cosmos DB zdroje k vytváření databází a aplikací.
• Měřit výkon a úložiště aplikací pomocí API v Cosmos DB. 
• Spravovat databázové operace a snižovat náklady optimalizací Cosmos DB zdrojů.

Apache Hadoop je nejpopulárnější rámec pro zpracování Big Data na shluky serverů. Tento třídenní kurz (volitelně čtyřdenní) se zaměřuje na obchodní výhody a případy použití Hadoop a jeho ekosystému, jak plánovat nasazení a růst clusteru, jak nainstalovat, udržovat, monitorovat, diagnostikovat problémy a optimalizovat Hadoop. Zúčastnění se také naučí zátěžový nahrávání dat do clusteru, budou obeznámeni s různými distribucemi Hadoop a budou mít praxi instalace a správy nástrojů ekosystému Hadoop. Kurz se uzavře diskuzí o zabezpečení clusteru pomocí Kerberos.

“… Materiál byl velmi dobře připraven a zahrnoval úplnou krytí. Laboratoř byla velmi užitečná a dobře organizovaná”
— Andrew Nguyen, hlavní integrační DW inženýr, Microsoft Online Advertising

Audience

Hadoop administrátory

Formát

Přednášky a praktické laboratoře, přibližný poměr 60% přednášek, 40% laboratoří.

Apache Hadoop je nejoblíbenější framework pro zpracování Big Data na clusterech serverů. Tento kurz představí vývojáři různé komponenty (HDFS, MapReduce, Pig, Hive a HBase) ekosystému Hadoop.

Apache Hadoop je jedním z nejoblíbenějších rámeců pro zpracování Big Data na clusterech serverů. Tento kurz se zabývá datovým managementem v HDFS, pokročilou Pig, Hive a HBase. Tyto pokročilé programovací techniky budou užitečné pro zkušené Hadoop vývojáře.

Cílová skupina: vývojáři

Délka: tři dny

Formát: přednášky (50%) a praktické cvičení (50%).

Cílová skupina:

Tento kurz je určen k tomu, aby demystifikoval technologie velkých dat a Hadoopu a ukázal, že jsou porozumitelné.

Toto školení vedené instruktorem (online nebo na místě) je určeno správcům systémů, kteří chtějí naučit se nastavovat, nasazovat a spravovat Hadoop clustery ve své organizaci.

Na konci tohoto školení budou účastníci schopni:

• Nainstalovat a nakonfigurovat Apache Hadoop.
• Pochopit čtyři hlavní komponenty v ekosystému Hadoop: HDFS, MapReduce, YARN a Hadoop Common.
• Použít Hadoop Distributed File System (HDFS) k škálování clusteru na stovky nebo tisíce uzlů.  
• Nastavit HDFS jako úložiště pro místní nasazení Spark.
• Nastavit Spark k připojení ke střídavým úložišťům, jako je Amazon S3 a NoSQL databázové systémy, např. Redis, Elasticsearch, Couchbase, Aerospike atd.
• Provádět správcovské úkoly, jako jsou zřizování, správa, monitorování a bezpečnost Apache Hadoop clusteru.

Apache NiFi je open-source platforma pro tokovou integraci dat a zpracování událostí. Umožňuje automatizované, v reálném čase probíhající směrování dat, transformaci a mediatorku systémů mezi různými platformami s webovým uživatelským rozhraním a detailní kontrolou.

Tato školení vedená instruktorem (na místě nebo zdálky) je určená středně pokročilým správcům a inženýrům, kteří chtějí nasadit, spravovat, zabezpečit a optimalizovat NiFi toky dat v produkčních prostředích.

Na konci tohoto školení budou účastníci schopni:

• Nainstalovat, nakonfigurovat a udržovat Apache NiFi clustery.
• Naprojektovat a spravovat toky dat z různých zdrojů a cílů.
• Implementovat automatizaci toku, směrování a transformační logiku.
• Optimalizovat výkon, monitorovat operace a řešit problémy.

Formát kurzu

• Interaktivní přednáška s diskusí o reálných architekturách.
• Praktické cvičení: vytváření, nasazování a správa toků.
• Scénáře založená cvičení v prostředí live-labu.

Možnosti přizpůsobení kurzu

• Pro požadavek na přizpůsobené školení se prosím obrátěte k nám, abychom to zařídili.

V tomto živém školení pod vedením instruktora 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.

Vztahové databáze byly tradičně preferovanou technologií pro ukládání, načítání a dotazování dat. Vztahové databáze umožňují uživatelům organizovat svá data pomocí strukturovaného a dobře definovaného souboru vzorů (modelu). I když tento přístup funguje dobře pro ukládání dat, která jsou standardizována a dříve dobře pochopena (představte si aplikaci na registraci pacientů v nemocnici s konzistentním souborem předdefinovaných polí... ID pacienta, křestní jméno, příjmení, datum poslední návštěvy atd.), existují omezení tohoto modelu. Pro organizace, jejichž příchozí data nejsou dobře definována (například online dotazník pro spuštěnou firmu, která stále experimentuje s různými poli pro shromažďování dat od návštevníků, přidávající a odebírající pole v závislosti na měnícím se charakteru firmy), by bylo nutné pravidelně předefinovat jakákoli stanovené kritéria pro to, jak data mají být zařazena do stávající databáze. To by vyžadovalo opětovné vytvoření datového modelu (schématu), který diktuje strukturu dat a povolené typy dat, aby mohla být nová data uložena do databáze.

Uveďme tedy NoSQL (Not Only SQL) databáze. NoSQL databáze uživatelům umožňují vkládat a aktualizovat nová data na letu, aniž by museli předem definovat strukturu příchozích dat. NoSQL databáze jsou často rychlejší než vztahové databáze a snadno zvládají velké objemy dat. NoSQL databáze se také lépe škálují než vztahové databáze, díky své schopnosti efektivně rozdělit data napříč mnoha servery (cluster) a vyrovnat zatížení při přístupu k těmto datům. NoSQL databáze se obzvláště dobře integrují s aplikacemi podporující reálnou analýzu, personalizaci webu, IoT a mobilní aplikace.

V tomto instruktorem vedeném live školení si účastníci osvojí architekturu, zásady návrhu a funkce nejoblíbenějších NoSQL databází, když je budou nastavovat, spravovat a hodnotit v různých NoSQL databázích v live laboratorním prostředí. Cílem tohoto školení je umožnit účastníkům inteligentně hodnotit, navrhovat a implementovat vhodné řešení NoSQL databáze v rámci své organizace.

Koncem tohoto školení budou moci účastníci:

• Nainstalovat a nakonfigurovat různé typy NoSQL databází, včetně MongoDB, Cassandra, Redis a Neo4j
• Porozumět výhodám a nevýhodám NoSQL databází ve srovnání s vztahovými databázi
• Porozumět základním datovým formátům používaným NoSQL databázemi a jak tyto formáty mohou být výhodné při vývoji moderních aplikací (stolní, mobilní, cloudové, IoT)
• Provést operace pro vytváření, vkládání, aktualizaci a odstraňování dat v NoSQL databázích
• Nastavit smíšené prostředí s vztahovou a NoSQL databází pracující společně
• Konfigurovat cluster NoSQL databáze pro distribuci zpracování velkých datových sad
• Porozumět bezpečnostním implikacím používání NoSQL databází
• Nasadit a škálují NoSQL databázi v produkčním prostředí

Účastníci

• Profesionální správci databází
• Arcitekti dat
• Strategové dat
• Správci projektů
• Vývojáři aplikací, kteří si přejí integrovat pružné databázové řešení do svých aplikací

Formát kurzu

• Část přednáška, část diskuse, cvičení a mnoho praktické praxe

Poznámka

• Pro požadavek na přizpůsobené školení pro tento kurz nás prosím kontaktujte, abychom to domluvili.

redis

nosql

Scylla je open-source distribuovaný databázový systém NoSQL. Je kompatibilní s Apache Cassandra, ale dosahuje významně vyšší propustnosti a nižších latencí.

V tomto kurzu zúčastní se účastníci učení o funkcích a architektuře Scylly, přičemž získají praktické zkušenosti s nastavováním, správou, monitorováním a řešením problémů v rámci Scylly.

Cílová skupina

• Správci databází
• Vývojáři
• Systémoví inženýři

Formát kurzu

• Kurz je interaktivní a zahrnuje diskuse o principech a přístupech k nasazování a správě distribuovaných databází a clusterů Scylla.
• Kurz zahrnuje velkou část praktických cvičení a praxe.