Stream processing kurser och utbildning | Stream Processing kurser och utbildning

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

In this instructor-led, live training, participants will 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

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

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 ström och batchdatabehandling Denna instruktörsledda, levande utbildning introducerar principerna och metoderna bakom distribuerad ström och batchdatabehandling och går deltagare genom att skapa en realtid, dataströmningsapplikation Vid slutet av denna utbildning kommer deltagarna att kunna: Skapa en miljö för att utveckla dataanalysapplikationer Paket, kör och övervaka Flinkbaserade, feluttoleranta, dataströmningsapplikationer Hantera olika arbetsbelastningar Utför avancerad analys med Flink ML Ställ in ett multinode Flink-kluster Mäta och optimera prestanda Integrera Flink med olika Big Data-system Jämför Flink-funktioner med de andra stora databehandlingsramarna Publik utvecklare arkitekter Datatekniker Analytics-proffs Tekniska chefer Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .

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 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 instruktörsledda träningstrenderna kommer deltagarna att lära sig grunden för flödesbaserad programmering då de utvecklar ett antal demoförlängningar, komponenter och processorer som använder Apache NiFi Vid slutet av denna utbildning kommer deltagarna att kunna: Förstå NiFis arkitektur och dataflowkoncept Utveckla tillägg med hjälp av NiFi och tredjeparts API Custom utveckla sin egen Apache Nifi-processor Ingestas och behandlar realtidsdata från olika och ovanliga filformat och datakällor Publik utvecklare Datatekniker Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .

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 .