Hadoop For Administrators Träningskurs

Den här instruktörsledda, liveutbildningen i Sverige (online eller på plats) introducerar Hortonworks Data Platform (HDP) och vägleder deltagarna genom distributionen av Spark + Hadoop-lösningen.

I slutet av denna utbildning kommer deltagarna att kunna:

• Använd Hortonworks för att på ett tillförlitligt sätt köra Hadoop i stor skala.
• Förena Hadoop:s säkerhets-, styrnings- och driftfunktioner med Sparks flexibla analysarbetsflöden.
• Använd Hortonworks för att undersöka, validera, certifiera och stödja var och en av komponenterna i ett Spark-projekt.
• Bearbeta olika typer av data, inklusive strukturerade, ostrukturerade, i rörelse och i vila.

Apache Ambari är en hanteringsplattform med öppen källkod för provisionering, hantering, övervakning och skydd av Apache Hadoop-kluster.

I denna instruktörsledda liveträning kommer deltagarna att lära sig de hanteringsverktyg och metoder som tillhandahålls av Ambari för att framgångsrikt hantera Hadoop kluster.

I slutet av denna utbildning kommer deltagarna att kunna:

• Konfigurera ett livekluster Big Data med Ambari
• Tillämpa Ambaris avancerade funktioner och funktionalitet på olika användningsfall
• Lägg till och ta bort noder sömlöst efter behov
• Förbättra prestanda för ett Hadoop-kluster genom justering och justering

Publik

• DevOps
• Systemadministratörer
• Dba
• Hadoop Professionella testare

Kursens upplägg

• Delvis föreläsning, delvis diskussion, övningar och tung praktisk övning

Cloudera Impala är en öppen källkod för massivt parallell bearbetning (MPP) SQL frågemotor för Apache Hadoop-kluster.

Impala gör det möjligt för användare att utfärda frågor med låg latens SQL till data som lagras i Hadoop Distributed File System och Apache Hbase utan att data flyttas eller transformeras.

Publik

Kursen riktar sig till analytiker och datavetare som utför analyser på data som lagras i Hadoop via Business Intelligence eller SQL verktyg.

Efter denna kurs kommer delegaterna att kunna

• Extrahera meningsfull information från Hadoop kluster med Impala.
• Skriv specifika program för att underlätta Business Intelligens på Impala SQL Dialekt.
• Felsök Impala.

Denna kurs behandlar hur man använder Hive SQL språk (AKA: Hive HQL, SQL på Hive , Hive QL) för personer som extraherar data från Hive

Publik:

Kursen är avsedd för IT-specialister som letar efter en lösning för att lagra och bearbeta stora datamängder i en distribuerad systemmiljö

Goal:

Djup kunskap om Hadoop klusteradministration.

Big data-analys innefattar processen att undersöka stora mängder olika datauppsättningar för att avslöja korrelationer, dolda mönster och andra användbara insikter.

Hälsoindustrin har enorma mängder komplexa heterogena medicinska och kliniska data. Att tillämpa big data-analyser på hälsodata ger en stor potential att få insikter för att förbättra leveransen av sjukvård. Emellertid innebär enorma mängder av dessa datamängder stora utmaningar i analyser och praktiska tillämpningar i en klinisk miljö.

I denna instruktörsledda, live-träning (fjärrkontroll) kommer deltagarna att lära sig att utföra big data-analys i hälsa när de går igenom en serie praktiska live-lab-övningar.

I slutet av denna träning kommer deltagarna att kunna:

• Installera och konfigurera big data-analysverktyg som Hadoop MapReduce och Spark
• Förstå egenskaperna för medicinsk information
• Använd big data-tekniker för att hantera medicinska data
• Studera big data system och algoritmer i samband med hälsoapplikationer

Publik

• utvecklare
• Datavetare

Kursformat

• Delföreläsning, delvis diskussion, övningar och tung praktisk övning.

Notera

• För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna.

Datameer är en affärsinformations- och analysplattform byggd på Hadoop Det gör det möjligt för endusers att få tillgång till, utforska och korrelera storskala, strukturerad, semistrukturerad och ostrukturerad data på ett easytouse-sätt I den här instruktionsledda träningspasset lär deltagarna att använda Datameer för att övervinna Hadops branta inlärningskurva, eftersom de går igenom installationen och analysen av en serie stora datakällor Vid slutet av denna utbildning kommer deltagarna att kunna: Skapa, curate och interaktivt utforska en företagsdatasjö Få tillgång till affärsinformationslager, transaktionsdatabaser och andra analytiska butiker Använd en kalkylarks användargränssnitt för att designa ändringsrutiner för databehandling Få tillgång till förbyggda funktioner för att utforska komplexa datarelationer Använd draganddrop-guider för att visualisera data och skapa instrumentpaneler Använd tabeller, diagram, grafer och kartor för att analysera sökresultat Publik Dataanalyser Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .

Kursen är tillägnad IT-specialister som letar efter en lösning för att lagra och bearbeta stora datamängder i distribuerad systemmiljö

Kursens mål:

Få kunskap om Hadoop klusteradministration

Apache Hadoop är det mest populära ramverket för bearbetning Big Data på kluster av servrar. Denna kurs kommer att introducera en utvecklare till olika komponenter (HDFS, MapReduce, Pig, Hive och HBase) Hadoop ekosystem.

 

 

Apache Hadoop är ett av de mest populära ramverken för bearbetning Big Data på kluster av servrar. Den här kursen fördjupar sig i datahantering i HDFS, avancerad Pig, Hive och HBase.  Dessa avancerade programmeringstekniker kommer att vara till nytta för erfarna Hadoop utvecklare.

Målgrupp: utvecklare

Varaktighet: tre dagar

Format: föreläsningar (50%) och hands-on laborationer (50%).

 

Hadoop är det mest populära Big Data bearbetningsramverket.

I denna instruktörsledda utbildning i Sverige kommer deltagarna att lära sig kärnkomponenterna i Hadoop ekosystemet och hur dessa tekniker kan användas för att lösa storskaliga problem. Genom att lära sig dessa grunder kommer deltagarna att  förbättra sin förmåga att kommunicera med utvecklarna och implementerarna av dessa system samt de datavetare och analytiker som många IT-projekt involverar.

Publik

• Projektledare som vill implementera Hadoop i sin befintliga utvecklings- eller IT-infrastruktur
• Projektledare som behöver kommunicera med tvärfunktionella team som inkluderar big data-ingenjörer, datavetare och affärsanalytiker

Publik:

Den här kursen är avsedd att avmystifiera big data/hadoop-teknik och att visa att den inte är svår att förstå.

Hadoop är ett populärt Big Data bearbetningsramverk. Python är ett programmeringsspråk på hög nivå som är känt för sin tydliga syntax och kodläsbarhet.

I denna instruktörsledda, liveträning kommer deltagarna att lära sig hur man arbetar med Hadoop, MapReduce, Pig och Spark med hjälp av Python när de går igenom flera exempel och användningsfall.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå de grundläggande begreppen bakom Hadoop, MapReduce, Pig och Spark
• Använd Python med Hadoop Distributed File System (HDFS), MapReduce, Pig och Spark
• Använd Snakebite för att programmatiskt komma åt HDFS inom Python
• Använd mrjob för att skriva MapReduce-jobb i Python
• Skriv Spark-program med Python
• Utöka funktionaliteten för pig med hjälp av Python UDF:er
• Hantera MapReduce-jobb och Pig-skript med Luigi

Publik

• Utvecklare
• IT-proffs

Kursens upplägg

• Delvis föreläsning, delvis diskussion, övningar och tung praktisk övning

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till systemadministratörer som vill lära sig hur man konfigurerar, distribuerar och hanterar Hadoop kluster inom sin organisation.

I slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera Apache Hadoop.
• Förstå de fyra huvudkomponenterna i Hadoop ekosystem: HDFS, MapReduce, YARN och Hadoop Common.
• Använd Hadoop Distributed File System (HDFS) för att skala ett kluster till hundratals eller tusentals noder.
• Konfigurera HDFS för att fungera som lagringsmotor för Spark-distributioner på plats.
• Ställ in Spark för att komma åt alternativa lagringslösningar som Amazon S3 och NoSQL databassystem som Redis, Elasticsearch, Couchbase, Aerospike, etc.
• Utför administrativa uppgifter som provisionering, hantering, övervakning och säkrande av ett Apache Hadoop-kluster.