Kom i kontakt

Kursplan

NiFi- och dataflödesgrunder

  • Data i rörelse vs data i vila: koncept och utmaningar
  • NiFi-arkitektur: kärnor, flödeskontroller, proveniens och kungörelser
  • Viktiga komponenter: processorer, anslutningar, kontroller och proveniens

Big Data-sammanhang och integration

  • NiFis roll i Big Data-ekosystem (Hadoop, Kafka, molnlagring)
  • Översikt över HDFS, MapReduce och moderna alternativ
  • Användningsfall: ströminläsning, loggskickning, händelspipelines

Installation, konfiguration och klusteruppsättning

  • Installera NiFi i enkelnod- och klasterläge
  • Klasterkonfiguration: nodroller, Zookeeper och lastbalansering
  • Orkestrera NiFi-distributioner: använda Ansible, Docker eller Helm

Designa och hantera dataflöden

  • Routning, filtrering, uppdelning och sammanfogning av flöden
  • Konfigurera processorer (InvokeHTTP, QueryRecord, PutDatabaseRecord m.fl.)
  • Hantera scheman, berikning och transformationsoperationer
  • Felsökning, återförsöksrelationer och backpressure

Integrationsscenerier

  • Ansluta till databaser, meddelandesystem, REST API:er
  • Strömma till analysystem: Kafka, Elasticsearch eller molnlagring
  • Integrera med Splunk, Prometheus eller loggpipelines

Övervakning, återhämtning och proveniens

  • Använda NiFi-gränssnitt, metrik och proveniensvisualiserare
  • Designa autonom återhämtning och hantering av felgraderat fall
  • Säkerhetskopiering, flödesversionering och förändringshantering

Prestandajustering och optimering

  • Justera JVM, heap, trådgrupper och klasterparametrar
  • Optimera flödesdesign för att minska flaskhalsar
  • Resursisolering, flödesprioritering och genomsättningskontroll

Bästa praxis och styrning

  • Dokumentera flöden, namngivningsstandarder, modullär design
  • Säkerhet: TLS, autentisering, åtkomstkontroll, datakryptering
  • Förändringskontroll, versionering, rollbaserad åtkomst, revisionsloggar

Felsökning och incidenthantering

  • Vanliga problem: deadlocks, minnesläckor, processorfel
  • Logganalys, fel diagnostik och undersökning av grundorsak
  • Återhämtningsstrategier och rollback av flöden

Praktisk laboration: Implementering av realistisk datapipeline

  • Bygga ett flöde från början till slut: inläsning, transformation, leverans
  • Implementera felsökning, backpressure och skalning
  • Prestandatesta och justera pipelinen

Sammanfattning och nästa steg

Krav

  • Erfarenhet av Linux-kommandoraden
  • Grundläggande förståelse för nätverk och datasystem
  • Kännedom om dataströmning eller ETL-koncept

Målgrupp

  • Systemadministratörer
  • Dataingenjörer
  • Utvecklare
  • DevOps-proffs
 21 Timmar

Antal deltagare


Pris per deltagare

Vittnesmål (7)

Kommande Kurser

Relaterade Kategorier