Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Základy platformového inženýrství pro aplikace s velkým objemem dat
- Úvod do aplikací využívajících velké množství dat
- Výzvy spojené s platformovým inženýrstvím pro velká data
- Přehled architektur určených k zpracování dat
Modelování a správa dat
- Zásady modelování dat s ohledem na škálovatelnost
- Možnosti ukládání dat a jejich optimalizace
- Správa životního cyklu dat v distribuovaném prostředí
Nástroje pro zpracování velkých objemů dat
- Přehled nástrojů určených k práci s velkými daty (Hadoop, Spark, Flink)
- Porovnání dávkového a streamovaného zpracování dat
- Nastavení komplexních datových pipeline pro zpracování
Platformy určené k reálné analýze dat
- Návrh řešení na podporu reálné analýzy dat
- Enginy pro streamované zpracování dat (Kafka Streams, Apache Storm)
- Tvorba dashboardů a vizualizací v reálném čase
Koordinace datových pipeline
- Správa pracovních postupů pomocí nástrojů jako Apache Airflow a dalších
- Automatizace datových procesů za účelem zvýšení efektivity
- Monitorování a upozorňování na problémy v datových pipelinech
Bezpečnost a soulad s předpisy platforem
- Osvědčené postupy zajištění bezpečnosti datových platforem
- Dodržování požadavků na ochranu osobních údajů a legislativy
- Implementace spolehlivých mechanismů řízení přístupu k datům
Ladění výkonu a optimalizace platforem
- Metody optimalizace propustnosti a latence datových systémů
- Strategie škálování platform pro zvládání velkého objemu dat
- Měření výkonu a monitorování platforem
Případové studie a osvědčené postupy
- Analýza úspěšných implementací datových platforem
- Lekce vyplývající ze zkušeností předních firem v oboru
- Nové trendy v platformovém inženýrství pro velká data
Závěrečný projekt
- Návrh řešení na podporu aplikace pracující s velkým množstvím dat
- Vytvoření prototypu zpracovávací pipeline pro data<\/li>
- Hodnocení výkonu a škálovatelnosti navrhnuté platformy
Shrnutí a další kroky
Požadavky
- Znalost základních datových struktur a algoritmů
- Praxe v programování v Javě, Scala nebo Pythonu
- Orientace na základní koncepty databází a SQL
Cílová skupina
- Softwaroví vývojáři
- Datoví inženýři
- Techničtí vedoucí pracovníci
21 Hodiny
Reference (2)
Celkový koncept DevOps/DevSecOps není tým, ale kultura a přístup
Mpho Mashele - South Africa Reserve Bank
Kurz - DevOps and Platform Engineering: A Collaborative Approach
Přeloženo strojem
About the microservices and how to maintenance kubernetes
