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
    Извините за путаницу. Вот исправленный перевод:
    • 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
 14 timmar

Antal deltagare


Price per participant

Vittnesmål (5)

Upcoming Courses

Relaterade Kategorier