Apache Storm Träningskurs

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.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till dataingenjörer, datavetare och programmerare som vill använda Apache Kafka-funktioner i dataströmning med Python.

I slutet av denna utbildning kommer deltagarna att kunna använda Apache Kafka för att övervaka och hantera förhållanden i kontinuerliga dataströmmar med Python programmering.

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) introducerar principerna och tillvägagångssätten bakom distribuerad ström- och batchdatabehandling, och leder deltagarna genom skapandet av en dataströmningsapplikation i realtid i Apache Flink.

I slutet av denna utbildning kommer deltagarna att kunna:

Skapa en miljö för att utveckla dataanalysapplikationer. Förstå hur Apache Flinks grafbehandlingsbibliotek (Gelly) fungerar. Paketera, kör och övervaka Flink-baserade, feltoleranta dataströmningsapplikationer. 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-kapaciteten med andra ramverk för big data-bearbetning.

I denna instruktörsledda, liveutbildning i Sverige (på plats eller på distans) kommer deltagarna att lära sig hur man distribuerar och hanterar Apache NiFi i en levande 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 stora datasjöar.
• Automatisera dataflöden.
• Aktivera strömningsanalys.
• Tillämpa olika metoder för dataintag.
• Förvandla Big Data och till affärsinsikter.

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

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå NiFis arkitektur och dataflödeskoncept.
• Utveckla tillägg med hjälp av NiFi och tredje parts API:er.
• Skräddarsytt utveckla sin egen Apache Nifi-processor.
• Ta in och bearbeta realtidsdata från olika och ovanliga filformat och datakällor.

Apache Apex är en YARN-inbyggd plattform som förenar ström- och batchbehandling. Den bearbetar stor data-i-rörelse på ett sätt som är skalbar, performant, feltolerant, tillståndsfull, säker, distribuerad och lättanvändbar.

Den här instruktörsledda, liveträningen introducerar Apache Apex enhetliga strömbearbetningsarkitektur och leder deltagarna genom skapandet av en distribuerad applikation med Apex på Hadoop .

I slutet av denna träning kommer deltagarna att kunna:

• Förstå dataledningens rörledningskoncept som anslutningar för källor och sänkor, vanliga datatransformationer, etc.
• Bygg, skala och optimera en Apex-applikation
• Bearbeta dataströmmar i realtid pålitligt 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 processmotor
• Ställa in, testa och skala Apex-applikationer

Kursformat

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

Alternativ för kursanpassning

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

Apache Beam är en enhetlig programmeringsmodell med öppen källkod för att definiera och utföra parallella pipelines för databehandling. Dess kraft ligger i dess förmåga att köra både batch- och streamingpipelines, där exekveringen utförs av en av Beams stödda distribuerade bearbetningsbackends: Apache Apex, Apache Flink, Apache Spark och Google Cloud Dataflow. Apache Beam är användbar för ETL-uppgifter (Extrahera, Transformera och Ladda) 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, live-utbildning (på plats eller på distans) kommer deltagarna att lära sig hur man implementerar Apache Beam SDK:er i en Java- eller Python-applikation som definierar en databehandlingspipeline för att bryta ner 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 strömbehandling från deras Java- eller Python-applikation. Utför pipelines över flera miljöer.

Kursens format

Delföreläsning, deldiskussion, övningar och tung praktisk praktik

Notera

Den här kursen kommer att finnas tillgänglig Scala i framtiden. Kontakta oss för att ordna.

Apache Ignite is an in-memory computing platform that sits between the application and data layer to improve speed, scale, and availability.

This instructor-led, live training (online or onsite) is aimed at developers who wish to learn the principles behind persistent and pure in-memory storage as they step through the creation of a sample in-memory computing project.

By the end of this training, participants will be able to:

• Use Ignite for in-memory, on-disk persistence as well as a purely distributed in-memory database.
• Achieve persistence without syncing data back to a relational database.
• Use Ignite to carry out SQL and distributed joins.
• Improve performance by moving data closer to the CPU, using RAM as a storage.
• Spread data sets across a cluster to achieve horizontal scalability.
• Integrate Ignite with RDBMS, NoSQL, Hadoop and machine learning processors.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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

I slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera Confluent KSQL.
• Konfigurera en pipeline för strömbehandling med endast SQL-kommandon (ingen Java- eller Python-kodning).
• Utför datafiltrering, transformationer, aggregering, sammanfogningar, fönster och sessionsisering helt och hållet i SQL.
• Designa och distribuera interaktiva, kontinuerliga frågor för streaming av ETL och realtidsanalys.

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 denna utbildning kommer deltagarna att kunna använda Spark Streaming för att bearbeta livedataströmmar för användning i databaser, filsystem och live-instrumentpaneler.