Stream processing kurser och utbildning | Stream Processing kurser och utbildning

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.

Stream Processing avser realtidsbehandling av "data i rörelse", det vill säga att göra beräkningar på data när de tas emot. Sådan data läses som kontinuerliga strömmar från datakällor som sensorhändelser, webbplatsanvändaraktivitet, finansiella affärer, kreditkortsväxlar, klickströmmar etc. Stream Processing kan läsa stora volymer inkommande data och ge värdefulla insikter nästan omedelbart. I denna instruktörsledda, live-utbildning (på plats eller fjärrkontroll) kommer deltagarna att lära sig hur man ställer in och integrerar olika Stream Processing med befintliga stordatalagringssystem och relaterade mjukvaruapplikationer och mikroservices. I slutet av denna träning kommer deltagarna att kunna:

• Installera och konfigurera olika Stream Processing ramverk, som Spark Streaming och Kafka Streaming.
• Förstå och välj den lämpligaste ramen för jobbet.
• Behandla data kontinuerligt, samtidigt och rekord-för-rekord.
• Integrera Stream Processing med befintliga databaser, datalager, datasjöar, etc.
• Integrera det mest lämpliga strömbearbetningsbiblioteket med företagsapplikationer och mikroservrar.

Publik

• utvecklare
• Programvaruarkitekter

Format Kursens

• 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 Kafka är en öppen källkods strömbehandling plattform som ger en snabb, tillförlitlig och låglatens plattform för hantering av realtidsdataanalys. Apache Kafka kan integreras med tillgängliga programmeringsspråk som Python. Denna instruktörledda, live-utbildning (online eller on-site) riktar sig till dataingenjörer, datavetenskapsmän och programmerare som vill använda Apache Kafka funktioner i data streaming med Python. Vid slutet av denna utbildning kommer deltagarna att kunna använda Apache Kafka för att övervaka och hantera förhållanden i kontinuerliga dataflöden med Python programmering. Format för kursen

Interaktiv föreläsning och diskussion. Många övningar och övningar. Hand-on implementering i en live-lab miljö.

Kursanpassningsalternativ

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

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

I denna instruktörsledda, liveträning kommer deltagarna att lära sig de grundläggande koncepten bakom MapR Stream Architecture när de utvecklar en realtidsströmningsapplikation. I slutet av denna utbildning kan deltagarna bygga tillverkare och konsumentapplikationer för realtidsströmuppgifter. Publik

• utvecklare
• Administratörer

Kursformat

• Delföreläsning, delvis diskussion, övningar och tung praktisk övning

Notera

• 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

Tigon är en open source, realtime, lowlatency, highthroughput, native YARN, strömbehandlingsramverk som sitter ovanpå HDFS och HBase för uthållighet Tigon-applikationer adresserar användarfall som nätverksintrångsdetektering och -analys, marknadsanalys av sociala medier, platsanalyser och realtidsrekommendationer till användare Denna instruktörsledda, levande träning introducerar Tigons strategi för att blanda realtid och satsvis bearbetning eftersom det går deltagare genom att skapa en provapplikation Vid slutet av denna utbildning kommer deltagarna att kunna: Skapa kraftfulla, strömbehandlingsprogram för hantering av stora datamängder Process strömkällor som Twitter och Webserver Logs Använd Tigon för snabb anslutning, filtrering och aggregering av strömmar Publik utvecklare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .

Apache Flink är ett ramverk med öppen källkod för skalbar ström- och batchdatabehandling.Denna instruktörsledda, live-utbildning (online eller på plats) introducerar principerna och tillvägagångssätten bakom distribuerad ström- och batchdatabearbetning, 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.

Kursens format

Interaktiv föreläsning och diskussion. Mycket övningar och övningar. Praktisk implementering i en live-lab-miljö.

Kursanpassningsalternativ

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

Apache NiFi (Hortonworks DataFlow) är en realtid integrerad datalogistik och enkel händelsehanteringsplattform som gör det möjligt att flytta, spåra och automatisera data mellan system. Det är skriven med flödesbaserad programmering och ger ett webbaserat användargränssnitt för att hantera dataflöden i realtid. I denna instruktörsledda, live-träning (på plats eller fjärrkontroll) kommer deltagarna att lära sig hur man distribuerar och hanterar Apache NiFi i en levande laboratoriemiljö. I slutet av denna träning kommer deltagarna att kunna:

• Installera och konfigurera Apachi NiFi.
• Källa, transformera och hantera data från olika, distribuerade datakällor, inklusive databaser och big data sjöar.
• Automatisera dataflöden.
• Aktivera strömningsanalys.
• Använd olika metoder för intag av data.
• Förvandla Big Data och till affärsinblick.

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 NiFi (Hortonworks DataFlow) är en realtid integrerad datalogistik och enkel händelsehanteringsplattform som gör det möjligt att flytta, spåra och automatisera data mellan system. Det är skriven med flödesbaserad programmering och ger ett webbaserat användargränssnitt för att hantera dataflöden i realtid. I denna instruktörsledda, live-träning kommer deltagarna att lära sig grunderna i flödesbaserad programmering när de utvecklar ett antal demo-förlängningar, komponenter och processorer som använder Apache NiFi . I slutet av denna träning kommer deltagarna att kunna:

• Förstå NiFi: s arkitektur och dataflödeskoncept.
• Utveckla tillägg med NiFi och tredjeparts API: er.
• Anpassa sin egen Apache Nifi-processor.
• Förvara och bearbeta data i realtid från olika och ovanliga filformat och datakällor.

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 Storm är en distribuerad, realtid beräkningsmotor som används för att möjliggöra realtid business intelligence. Det gör det genom att tillåta applikationer att på ett tillförlitligt sätt behandla obegränsade dataflöden (t.ex. och strömbearbetning). "Storm är för realtid bearbetning vad Hadoop är för batch bearbetning!" I denna instruktörledda live-träning lär deltagarna hur man installerar och konfigurerar Apache Storm, sedan utvecklar och implementerar en Apache Storm applikation för bearbetning av stora data i realtid. Några av de ämnen som ingår i denna utbildning inkluderar:

Apache Storm i samband med Hadoop Arbeta med obegränsade data Kontinuerlig beräkning Realtidsanalys Distribuerad RPC och ETL-behandling

Be om denna kurs nu! Publiken

Programvara och ETL utvecklare Mainframe professionella Data forskare Big data analytiker [ 0 ] Professionella

Format av kursen

     Del föreläsning, del diskussion, övningar och tung praxis

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 is an open source, unified programming model for defining and executing parallel data processing pipelines. It's power lies in its ability to run both batch and streaming pipelines, with execution being carried out by one of Beam's supported distributed processing back-ends: Apache Apex, Apache Flink, Apache Spark, and Google Cloud Dataflow. Apache Beam is useful for ETL (Extract, Transform, and Load) tasks such as moving data between different storage media and data sources, transforming data into a more desirable format, and loading data onto a new system. In this instructor-led, live training (onsite or remote), participants will learn how to implement the Apache Beam SDKs in a Java or Python application that defines a data processing pipeline for decomposing a big data set into smaller chunks for independent, parallel processing. By the end of this training, participants will be able to:

• Install and configure Apache Beam.
• Use a single programming model to carry out both batch and stream processing from withing their Java or Python application.
• Execute pipelines across multiple environments.

Format of the Course

• Part lecture, part discussion, exercises and heavy hands-on practice

Note

• This course will be available Scala in the future. Please contact us to arrange.

Apache Ignite är en datorplattform i minnet som sitter mellan applikationen och datalagret för att förbättra hastighet, skala och tillgänglighet.Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till utvecklare som vill lära sig principerna bakom beständig och ren lagring i minnet när de går igenom skapandet av ett exempel på ett datorprojekt i minnet.I slutet av denna utbildning kommer deltagarna att kunna:

Använd Ignite för in-memory, on-disk persistens samt en rent distribuerad in-memory databas. Uppnå uthållighet utan att synkronisera data tillbaka till en relationsdatabas. Använd Ignite för att utföra SQL och fördelade sammanfogningar. Förbättra prestandan genom att flytta data närmare CPU:n, använda RAM som lagring. Sprid datamängder över ett kluster för att uppnå horisontell skalbarhet. Integrera Ignite med RDBMS, NoSQL, Hadoop och maskininlärningsprocessorer.

Kursens format

Interaktiv föreläsning och diskussion. Mycket övningar och övningar. Praktisk implementering i en live-lab-miljö.

Kursanpassningsalternativ

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

Confluent KSQL is a stream processing framework built on top of Apache Kafka. It enables real-time data processing using SQL operations. This instructor-led, live training (online or onsite) is aimed at developers who wish to implement Apache Kafka stream processing without writing code. By the end of this training, participants will be able to:

• Install and configure Confluent KSQL.
• Set up a stream processing pipeline using only SQL commands (no Java or Python coding).
• Carry out data filtering, transformations, aggregations, joins, windowing, and sessionization entirely in SQL.
• Design and deploy interactive, continuous queries for streaming ETL and real-time analytics.

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.

Apache Spark Streaming är ett skalbart, öppet källströmsbearbetningssystem som gör det möjligt för användare att bearbeta data i realtid från stödda källor. Spark Streaming möjliggör feltolerant behandling av dataflöden. Denna instruktörledda, live-utbildning (online eller on-site) riktar sig till dataingenjörer, datavetenskapsmän och programmerare som vill använda Spark Streaming funktioner i bearbetning och analys av data i realtid. Vid slutet av denna utbildning kommer deltagarna att kunna använda Spark Streaming för att bearbeta live-dataflöden för användning i databaser, filsystem och live dashboards. Format för kursen

Interaktiv föreläsning och diskussion. Många övningar och övningar. Hand-on implementering i en live-lab miljö.

Kursanpassningsalternativ

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