Apache Kafka for Python Programmers Träningskurs

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till dataingenjörer, datavetare och programmerare som vill använda Spark Streaming funktioner för att bearbeta och analysera realtidsdata.

I slutet av den här utbildningen kommer deltagarna att kunna använda Spark Streaming för att bearbeta livedataströmmar för användning i databaser, filsystem och live-instrumentpaneler.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill implementera Apache Kafka strömbearbetning utan att skriva kod.

I slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera Confluent KSQL.
• Konfigurera en pipeline för dataströmbearbetning med endast SQL kommandon (ingen Java eller Python kodning).
• Utför datafiltrering, transformationer, aggregeringar, kopplingar, fönster och sessionisering helt i SQL.
• Utforma och distribuera interaktiva, kontinuerliga frågor för strömmande ETL och realtidsanalys.

Denna instruktörsledda, live-utbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill lära sig principerna bakom beständig och ren in-memory-lagring när de går igenom skapandet av ett exempel på in-memory computing-projekt.

I slutet av denna utbildning kommer deltagarna att kunna:

• Använd Ignite för minnesintern beständighet på disken samt för en rent distribuerad minnesintern databas.
• Uppnå beständighet utan att synkronisera data tillbaka till en relationsdatabas.
• Använd Ignite för att utföra SQL och distribuerade kopplingar.
• Förbättra prestanda genom att flytta data närmare processorn och använda RAM-minnet som lagring.
• Sprid datauppsättningar över ett kluster för att uppnå horisontell skalbarhet.
• Integrera Ignite med RDBMS, NoSQL, Hadoop och maskininlärningsprocessorer.

Apache Beam är en enhetlig programmeringsmodell med öppen källkod för att definiera och köra parallella databehandlingspipelines. Styrkan ligger i dess förmåga att köra både batch- och strömningspipelines, där körningen utförs av en av Beams stödda distribuerade bearbetningsserverdelar: Apache Apex, Apache Flink, Apache Spark och Google Cloud Dataflow. Apache Beam är användbart för ETL-uppgifter (Extract, Transform, and Load) som att flytta data mellan olika lagringsmedier och datakällor, omvandla data till ett mer önskvärt format och ladda data till ett nytt system.

I denna instruktörsledda, liveträning (på plats eller fjärrkontroll) kommer deltagarna att lära sig hur man implementerar Apache Beam SDK:er i en Java eller Python applikation som definierar en databehandlingspipeline för att dela upp en stor datamängd i mindre bitar för oberoende, parallell bearbetning.

I slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera Apache Beam.
• Använd en enda programmeringsmodell för att utföra både batch- och strömbearbetning inifrån deras Java eller Python program.
• Kör pipelines i flera miljöer.

Kursens upplägg

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

Not

• Denna kurs kommer att finnas tillgänglig Scala i framtiden. Kontakta oss för att ordna.

Apache Apex är en YARN-inbyggd plattform som förenar ström- och batchbearbetning. Den bearbetar stordata i rörelse på ett sätt som är skalbart, presterande, feltolerant, tillståndskänsligt, säkert, distribuerat och lätt att använda.

Denna instruktörsledda, liveträning introducerar Apache Apex:s enhetliga strömbearbetningsarkitektur och vägleder deltagarna genom skapandet av en distribuerad applikation med hjälp av Apex på Hadoop.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå begrepp för databearbetningspipeline, till exempel anslutningsappar för källor och mottagare, vanliga datatransformeringar osv.
• Bygg, skala och optimera en Apex-applikation
• Bearbeta dataströmmar i realtid på ett tillförlitligt sätt och med minimal latens
• Använd Apex Core och Apex Malhar-biblioteket för att möjliggöra snabb applikationsutveckling
• Använd Apex API för att skriva och återanvända befintlig Java kod
• Integrera Apex i andra applikationer som en bearbetningsmotor
• Finjustera, testa och skala Apex-applikationer

Kursens upplägg

• Interaktiv föreläsning och diskussion.
• Massor av övningar och övning.
• Praktisk implementering i en live-lab-miljö.

Alternativ för kursanpassning

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

Apache Storm är en distribuerad beräkningsmotor i realtid som används för att möjliggöra business intelligence i realtid. Det gör det genom att göra det möjligt för applikationer att på ett tillförlitligt sätt bearbeta obundna dataströmmar (även kallad strömbearbetning).

"Storm är för realtidsbearbetning vad Hadoop är för batchbearbetning!"

I denna instruktörsledda liveträning kommer deltagarna att lära sig hur man installerar och konfigurerar Apache Storm, sedan utvecklar och distribuerar en Apache Storm applikation för att bearbeta big data i realtid.

Några av de ämnen som ingår i denna utbildning inkluderar:

• Apache Storm I samband med Hadoop
• Arbeta med obundna data
• Kontinuerlig beräkning
• Analys i realtid
• Distribuerad RPC- och ETL-bearbetning

Beställ den här kursen nu!

Publik

• Programvaru- och ETL-utvecklare
• Proffs på stordatorer
• Datavetare
• Analytiker av stora datamängder
• Hadoop Yrkesverksamma

Kursens upplägg

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

I denna instruktörsledda, liveträning i Sverige (på plats eller fjärrkontroll) kommer deltagarna att lära sig hur man distribuerar och hanterar Apache NiFi i en skarp labbmiljö.

I slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera Apachi NiFi.
• Källa, transformera och hantera data från olika, distribuerade datakällor, inklusive databaser och stordatasjöar.
• Automatisera dataflöden.
• Aktivera strömningsanalys.
• Tillämpa olika metoder för datainmatning.
• Omvandla Big Data och till affärsinsikter.

I denna instruktörsledda, liveträning i Sverige kommer deltagarna att lära sig grunderna i flödesbaserad programmering när de utvecklar ett antal demotillägg, komponenter och processorer med hjälp av Apache NiFi.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå NiFi:s arkitektur och dataflödesbegrepp.
• Utveckla tillägg med NiFi och API:er från tredje part.
• Skräddarsy sin egen Apache Nifi-processor.
• Mata in och bearbeta realtidsdata från olika och ovanliga filformat och datakällor.

Denna instruktörsledda, live-utbildning i Sverige (online eller på plats) introducerar principerna och tillvägagångssätten bakom distribuerad dataström- och batchdatabehandling och vägleder deltagarna genom skapandet av en realtidsapplikation för dataströmning i Apache Flink.

I slutet av denna utbildning kommer deltagarna att kunna:

• Konfigurera en miljö för att utveckla program för dataanalys.
• Förstå hur Apache Flink:s grafbehandlingsbibliotek (Gelly) fungerar.
• Paketera, köra och övervaka Flink-baserade, feltoleranta dataströmningsprogram.
• Hantera olika arbetsbelastningar.
• Utför avancerad analys.
• Konfigurera ett Flink-kluster med flera noder.
• Mät och optimera prestanda.
• Integrera Flink med olika Big Data system.
• Jämför Flink-funktionerna med de i andra ramverk för bearbetning av stordata.

detta instruktör-ledda, Live Training (på plats eller fjärrkontroll) riktar sig till ingenjörer som vill använda flytande (en distribution av Kafka) för att bygga och hantera en realtid databehandling plattform för sina ansökningar.

i slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera interfluent Platform.
• använda Sam& #39; s ledning redskapen och tjänsten till springa Kafka mer lätt.
• lagra och bearbeta inkommande data.
• optimera och hantera Kafka kluster.
• säkra dataströmmar.

format för kursen

• interaktiv föreläsning och diskussion.
• massor av övningar och praktik.
• praktisk implementering i en Live-lab miljö.

kurs AnpassningsAlternativ

• den här kursen är baserad på öppen källkods-version av interfluent: flytande öppen källkod.
• att begära en skräddarsydd utbildning för denna kurs, vänligen kontakta oss för att ordna.

I denna instruktörsledda, liveutbildning i Sverige (på plats eller på distans) kommer deltagarna att lära sig hur man ställer in och integrerar olika Stream Processing ramverk med befintliga big data-lagringssystem och relaterade mjukvaruapplikationer och mikrotjänster.

I slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera olika Stream Processing ramverk, som Spark Streaming och Kafka Streaming.
• Förstå och välj det mest lämpliga ramverket för jobbet.
• Bearbeta data kontinuerligt, samtidigt och på ett rekord-för-post-sätt.
• Integrera Stream Processing lösningar med befintliga databaser, datalager, datasjöar etc.
• Integrera det mest lämpliga strömbehandlingsbiblioteket med företagsapplikationer och mikrotjänster.

Kafka Streams är ett bibliotek på klientsidan för att bygga applikationer och mikroservices vars data skickas till och från ett Kafka-meddelandesystem. Traditionellt har Apache Kafka förlitat sig på Apache Spark eller Apache Storm att bearbeta data mellan meddelandeproducenter och konsumenter. Genom att ringa Kafka Streams API från en applikation kan data behandlas direkt inom Kafka, vilket förbigår behovet av att skicka data till ett separat kluster för bearbetning.

I denna instruktörsledda, liveträning, kommer deltagarna att lära sig att integrera Kafka Streams i en uppsättning prov Java applikationer som skickar data till och från Apache Kafka för strömbehandling.

I slutet av denna träning kommer deltagarna att kunna:

• Förstå Kafka Streams funktioner och fördelar jämfört med andra strömbearbetningsramar
• Behandla strömdata direkt i ett Kafka-kluster
• Skriv en Java eller Scala applikation eller mikroservice som integreras med Kafka- och Kafka-strömmar
• Skriv kortfattad kod som omvandlar inmatade Kafka-ämnen till utgångs-Kafka-ämnen
• Bygg, paketera och distribuera applikationen

Publik

• utvecklare

Format av kursen

• Delföreläsning, delvis diskussion, övningar och tung praktisk övning

anteckningar

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

Apache Samza är en öppen källkod, nästan realtid, asynkron beräkningsram för strömbehandling. Den använder Apache Kafka för meddelanden och Apache Hadoop YARN för feltolerans, processorisolering, säkerhet och resurshantering.

Den här instruktörsledda, live-utbildningen introducerar principerna bakom meddelandesystem och distribuerad strömbearbetning, samtidigt som deltagarna går genom skapandet av ett exempel på Samza-baserat projekt och jobbutförande.

I slutet av denna träning kommer deltagarna att kunna:

• Använd Samza för att förenkla koden som behövs för att producera och konsumera meddelanden.
• Koppla bort hanteringen av meddelanden från en applikation.
• Använd Samza för att implementera asynkron beräkning nära realtid.
• Använd strömbehandling för att ge en högre abstraktionsnivå över meddelandesystem.

Publik

• utvecklare

Kursformat

• Delföreläsning, delvis diskussion, övningar och tung praktisk övning

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill integrera Apache Kafka med befintliga databaser och applikationer för bearbetning, analys, etc.

I slutet av denna utbildning kommer deltagarna att kunna:

• Använd Kafka Connect för att mata in stora mängder data från en databas till Kafka-ämnen.
• Ta in loggdata som genererats av en applikationsservrar i Kafka-ämnen.
• Gör all insamlad data tillgänglig för strömbehandling.
• Exportera data från Kafka-ämnen till sekundära system för lagring och analys.