Samza for Stream Processing 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.

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

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.