Kursplan
Introduktion till Apache Kylin
- Översikt av OLAP och dess betydelse i stordatateknik
- Evolutionsprocessen för Apache Kylin och dess arkitektur
- Huvudfunktioner och kapaciteter hos Kylin 50
Installation av Apache Kylin
- Installationsförutsättningar och miljökonfiguration
- Konfiguration av Kylin med Hadoop, Spark och Kafka
- Förståelse för Kylins webbgränssnitt och kommandoradsverktyg
Datamodellering i Kylin
- Design av stjärna- och snöflakescheman för OLAP-kuber
- Definition av dimensioner och mått
- Skapande och hantering av datamodeller i Kylins webbgränssnitt
Bildning och Hantering av Kubar
- Kubbildningsprocess och jobbhållning
- Inkrementella byggen och automerger-strategier
- Övervakning av kubhälsa och prestanda
Nära Tidsströmmar med Kylin
- Integrering av Kafka som strömmande datalagring
- Konfiguration av realtida kuber och fusioneringsmodeller
- Förbättrade låglatencyanalys genom strömmande data
Frågeutformning och Analys
- Exekvering av SQL-frågor med Kylins frågesnitt
- Anslutande av BI-verktyg (t.ex., Tableau, Power BI) till Kylin
- Utförande av flerdimensionell analys och drill-downs
Prestandaoptimering
- Bästa praxis för kubdesign och aggregering
- Källresurshantering och justering för skalbarhet
- Felsökning av vanliga prestandaproblem
Avancerade Teman
- Säkerhet och åtkomstkontroll i Kylin
- Tillägg av anpassade plugin-program och integreringar till Kylin
- Utforskning av Kylins REST API för automatisering
Sammanfattning och Nästa Steg
Krav
- Ett förstående av Hadoop och stordatasekvenser
- Förkunskap i SQL och datalagerkoncept
- Grundläggande kunskap om strömmande dataplatформы не существует. Пожалуйста, уточните, какую именно форму вы хотите получить в итоге. Или же я продолжу перевод, оставив эту часть на ваш суд:
- Ett förstående av Hadoop och stordatasekvenser
- Förkunskap i SQL och datalagerkoncept
- Grundläggande kunskap om strömmande dataplatfroms like Kafka
Audience
- Stordataingenjörer som vill implementera realtidsanalyticslösningar
- Datanalysister som vill utnyttja OLAP-funktioner på stora datamängder
- Datawarehousearkitekturer intresserade av att modernisera deras infrastruktur
- Ett förstående av Hadoop och stordatasekosystem
- Förkunskap i SQL och datalagerkoncept
- Grundläggande kunskap om strömmande dataplatser som Kafka
Målgrupp
- Stordataingenjörer som vill implementera realtidsanalyticslösningar
- Datanalysister som vill utnyttja OLAP-funktioner på stora datamängder
- Datawarehousearkitekter intresserade av att modernisera deras infrastruktur
Vittnesmål (5)
Hands-on examples allowed us to get an actual feel for how the program works. Good explanations and integration of theoretical concepts and how they relate to practical applications.
Ian - Archeoworks Inc.
Kurs - ArcGIS Fundamentals
All the topics which he covered including examples. And also explained how they are helpful in our daily job.
madduri madduri - Boskalis Singapore Pte Ltd
Kurs - QGIS for Geographic Information System
Jag gillade Pablos stil, det faktum att han täckte många ämnen från rapportdesign, anpassning med html till implementering av enkla ML-algoritmer. Good balans teoretisk information / övningar. Pablo täckte verkligen alla ämnen jag var intresserad av och gav omfattande svar på mina frågor.
Cristian Tudose - SC Automobile Dacia SA
Kurs - Advanced Data Analysis with TIBCO Spotfire
Machine Translated
how the trainor shows his knowledge in the subject he's teachign
john ernesto ii fernandez - Philippine AXA Life Insurance Corporation
Kurs - Data Vault: Building a Scalable Data Warehouse
Actual application of spotfire and all basic functions.