Stream processing kurser och utbildning | Stream Processing kurser och utbildning

Apache Ignite är en in-Memory Computing plattform som sitter mellan programmet och data lagret för att förbättra hastighet, skala och tillgänglighet 。

i denna instruktörsledda, levande utbildning, kommer deltagarna lära sig principerna bakom ihållande och ren i minnet lagring som de steg genom skapandet av ett prov i minnet Computing projekt.

i slutet av denna utbildning kommer deltagarna att kunna:

- Använd Ignite för in-Memory, på disken persistens samt en rent distribuerad i minnet databas.
- uppnå uthållighet utan att synkronisera data tillbaka till en Relations databas.
- Använd Ignite för att utföra SQL och distribuerade kopplingar.
- förbättra prestanda genom att flytta data närmare PROCESSORN, med RAM-minne som ett lagrings utrymme.
- Sprid data uppsättningar över ett kluster för att uppnå horisontell skalbarhet.
- integrera Ignite med RDBMS, NoSQL, hadoop och maskin inlärning processorer.

format för kursen

- interaktiv föreläsning och diskussion.
- massor av övningar och praktik.
- hands-on implementering i en Live-lab miljö.

kurs anpassnings alternativ

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

Apache Apex är en YARNnativ plattform som förenar ström- och batchbehandling Den hanterar stor datainmotion på ett sätt som är skalbar, prestanda, felfttolerant, stateful, säker, distribuerad och lätt att använda Denna instruktörsledda träning introducerar Apache Apex enhetliga strömbehandlingsarkitektur och går deltagare genom skapandet av en distribuerad applikation med hjälp av Apex på Hadoop Vid slutet av denna utbildning kommer deltagarna att kunna: Förstå dataprocessledningens koncept, såsom kontakter för källor och sänkor, vanliga datatransformationer etc Bygg, skala och optimera en Apex-applikation Behandla realtids dataströmmar 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 Tune, test och skala Apex-applikationer Publik utvecklare Företagsarkitekter Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .

Apache Beam är en öppen källkod, enhetlig programmeringsmodell för att definiera och exekvera parallella databehandlingsledningar Det är kraften i förmågan att köra både batch- och strömmande pipelines Genomförandet utförs av en av Beams stödjande distribuerade bearbetningsbaggar: Apache Apex, Apache Flink, Apache Spark och Google Cloud Dataflow Apache Beam är användbar för ETL (Extract, Transform and Load) -uppgifter som att flytta data mellan olika lagringsmedier och datakällor, omvandla data till ett mer önskvärt format och ladda data till ett nytt system I den här instruktörsledningen, direktutbildning (på plats eller fjärrkontroll) kommer deltagarna att lära sig hur man implementerar Apache Beam SDK i en Java eller Python applikation som definierar en databehandling rörledning för att sönderdela en stor dataset i mindre bitar för oberoende, parallell bearbetning Vid slutet av denna utbildning kommer deltagarna att kunna: Installera och konfigurera Apache Beam Använd en enda programmeringsmodell för att utföra både sats och strömbehandling från att hämta sina Java- eller Python-applikationer Utför pipeliner över flera miljöer Publik utvecklare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning Notera Kursen kommer att finnas tillgänglig Scala i framtiden Vänligen kontakta oss för att ordna .

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.

Apache Flink är ett open-source ramverk för skalbar strömning och batchdatabearbetning.

denna instruktörsledda, levande utbildning introducerar principer och tillvägagångs sätt bakom distribuerad ström och batchdatabehandling, och går deltagare genom skapandet av en real tid, data streaming ansökan i Apache Flink.

i slutet av denna utbildning kommer deltagarna att kunna:

- Konfigurera en miljö för att utveckla data analys program.
- Package, köra och övervaka Flink-baserade, feltoleranta, data streaming program.
- hantera olika arbets belastningar.
- utför avancerade analyser med Flink ML.
- Konfigurera ett Flink-kluster med flera noder.
- mät och optimera prestandan.
- integrera Flink med olika Big data-system.
- Jämför Flink kapacitet med de andra stora data behandling ramverk.

format för kursen

- del föreläsning, del diskussion, övningar och tung praktisk praxis

Stream Processing avser realtidsbehandling av "data i rörelse", det vill säga att utföra beräkningar på data som den mottas Sådan data läses som kontinuerliga strömmar från datakällor, såsom sensorhändelser, användaraktivitet på webbplatsen, finansiella affärer, kreditkort swipes, klicka strömmar, etc Stream Processing ramverk kan läsa stora volymer av inkommande data och ge värdefulla insikter nästan omedelbart I den här instruktörsledningen, direktutbildning (på plats eller fjärrkontroll) lär deltagarna hur man installerar och integrerar olika Stream Processing-ramar med befintliga stora datalagringssystem och relaterade program och microservices Vid slutet av denna utbildning kommer deltagarna att kunna: Installera och konfigurera olika Stream Processing-ramar, som Spark Streaming och Kafka Streaming Förstå och välj den lämpligaste ramen för jobbet Processen av data kontinuerligt, samtidigt och på ett recordbyrecord sätt Integrera Stream Processing lösningar med befintliga databaser, datalager, data sjöar, etc Integrering av det mest lämpliga databehandlingsbiblioteket med företagsapplikationer och microservices Publik utvecklare Software arkitekter Kursens format Delföreläsning, diskussion, övningar och tung handson-övning anteckningar För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna .

Kafka Streams är ett klientbibliotek för byggnadsapplikationer och mikroservices vars data skickas till och från ett Kafka-meddelandesystem Traditionellt har Apache Kafka förlitat sig på Apache Spark eller Apache Storm för att behandla data mellan meddelandeproducenter och konsumenter Genom att ringa Kafka Streams API från en applikation, kan data bearbetas direkt inom Kafka, och kringgår behovet av att skicka data till ett separat kluster för behandling I den här instruktionsledda träningen lär deltagarna att integrera Kafka Streams i en uppsättning samplings Java-applikationer som skickar data till och från Apache Kafka för strömbehandling Vid slutet av denna utbildning kommer deltagarna att kunna: Förstå Kafka Streams funktioner och fördelar jämfört med andra flödesbehandlingsramar Process ström data direkt i ett Kafka-kluster Skriv en Java eller Scala applikation eller microservice som integreras med Kafka och Kafka Streams Skriv kortfattad kod som omvandlar inmatning av Kafka-ämnen till Kafka-ämnen Bygg, paketera och distribuera programmet Publik utvecklare Format av kursen Delföreläsning, diskussion, övningar och tung handson-övning anteckningar För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna .

I den här instruktörsledningen, levande träning, kommer deltagarna att lära sig de grundläggande begreppen bakom MapR Stream Architecture eftersom de utvecklar en realtidsströmmande applikation Vid slutet av den här utbildningen kommer deltagarna att kunna bygga producent- och konsumentansökningar för realtidströmsdatabehandling Publik utvecklare Administratörer Kursens format Delföreläsning, diskussion, övningar och tung handson-övning Notera För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna .

Apache NiFi (Hortonworks DataFlow) är en realtidsintegrerad datalogistik och enkel händelsesbehandlingsplattform som gör det möjligt att flytta, spåra och automatisera data mellan system Den skrivs med flödesbaserad programmering och ger ett webbaserat användargränssnitt för att hantera dataflöden i realtid I den här instruktörsledningen, levande träning, kommer deltagarna att lära sig att distribuera och hantera Apache NiFi i en levande labmiljö Vid slutet av denna utbildning kommer deltagarna att kunna: Installera och konfigurera Apachi NiFi Källa, omvandla och hantera data från olika, distribuerade datakällor, inklusive databaser och stora datasjöar Automatisera dataflöden Aktivera streaminganalys Applicera olika metoder för datainsamling Transformera stora data och in i affärsinsikt Publik Systemadministratörer Datatekniker utvecklare DevOps Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .

Apache NiFi (Hortonworks DataFlow) är en realtids-integrerad data logistik och enkel händelse bearbetning plattform som gör det möjligt att flytta, spårning och automatisering av data mellan system. Det är skrivet med flödesbaserad programmering och ger ett webbaserat användar gränssnitt för att hantera överföring i real tid.

i denna instruktörsledda, levande utbildning, kommer deltagarna lära sig grunderna i flödesbaserad programmering som de utvecklar ett antal demo förlängningar, komponenter och processorer med hjälp av Apache NiFi.

i slutet av denna utbildning kommer deltagarna att kunna:

- förstå nifi & #39; s arkitektur och data flöde begrepp.
- utveckla tillägg med NiFi och tredje parts API: er.
- Custom utveckla sin egen Apache Nifi-processor.
- ingest och bearbeta real tids data från olika och ovanliga fil format och data källor.

format för kursen

- interaktiv föreläsning och diskussion.
- massor av övningar och praktik.
- hands-on implementering i en Live-lab miljö.

kurs anpassnings alternativ

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

Apache Samza är en open source nearrealtime, asynkron beräkningsram för strömbehandling Den använder Apache Kafka för meddelanden och Apache Hadoop YARN för feltolerans, processorisolering, säkerhet och resurshantering Denna instruktörsledda, levande utbildning introducerar principerna bakom meddelandesystem och distribuerad strömbehandling, samtidigt som deltagarna går genom att skapa ett samplingsprojekt och jobbet Vid slutet av denna utbildning kommer deltagarna att kunna: Använd Samza för att förenkla koden som behövs för att producera och konsumera meddelanden Avkall hanteringen av meddelanden från en applikation Använd Samza för att implementera närmast asynkron beräkning Använd strömbehandling för att ge en högre grad av abstraktion över meddelandesystem Publik utvecklare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .

Apache Storm är en distribuerad realtidsberäkningsmotor som används för att möjliggöra realtids affärsinformation Det gör det genom att möjliggöra för applikationer att på ett tillförlitligt sätt behandla obundna dataströmmar (aka stream processing) "Storm är för realtidsbehandling vad Hadoop är för satsvis bearbetning!" I denna instruktörsledda live-utbildning lär deltagarna att installera och konfigurera Apache Storm, utveckla och distribuera sedan ett Apache Storm-program för att hantera stora data i realtid Några av ämnena som ingår i denna utbildning är: Apache Storm i samband med Hadoop Arbetar med obegränsad data Kontinuerlig beräkning Realtidsanalys Distribuerad RPC- och ETL-bearbetning Begär denna kurs nu! Publik Programvara och ETL-utvecklare Mainframe-proffs Datavetenskapare Stora dataanalytiker Hadoop-proffs Kursens format Delföreläsning, diskussion, övningar och tung handson-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 .