Samza for Stream Processing Schulung

Diese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an Dateningenieure, Datenwissenschaftler und Programmierer, die die Funktionen von Spark Streaming bei der Verarbeitung und Analyse von Echtzeitdaten nutzen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein, Spark Streaming zu verwenden, um Live-Datenströme für die Verwendung in Datenbanken, Dateisystemen und Live-Dashboards zu verarbeiten.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Entwickler, die Apache Kafka Stream Processing implementieren möchten, ohne Code zu schreiben.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installieren und konfigurieren Sie Confluent KSQL.
• Einrichten einer Stromverarbeitungspipeline nur mit SQL-Befehlen (keine Java- oder Python-Codierung).
• Datenfilterung, Transformationen, Aggregationen, Joins, Windowing und Sessionisierung vollständig in SQL durchführen.
• Entwerfen und Bereitstellen interaktiver, kontinuierlicher Abfragen für Streaming ETL und Echtzeit-Analysen.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Entwickler, die die Prinzipien der persistenten und reinen In-Memory-Speicherung kennenlernen möchten, während sie die Erstellung eines In-Memory-Computing-Beispielprojekts durchlaufen.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

Verwenden Sie Ignite sowohl für In-Memory- und On-Disk-Persistenz als auch für eine rein verteilte In-Memory-Datenbank. Erzielen Sie Persistenz, ohne Daten mit einer relationalen Datenbank zu synchronisieren. Verwenden Sie Ignite zur Durchführung von SQL und verteilten Joins. Verbessern Sie die Leistung, indem Sie Daten näher an die CPU verlagern und RAM als Speicher verwenden. Verteilen Sie Datensätze über einen Cluster, um horizontale Skalierbarkeit zu erreichen. Integrieren Sie Ignite mit RDBMS, NoSQL, Hadoop und Prozessoren für maschinelles Lernen.

Apache Beam ist ein Open-Source-Programm zur einheitlichen Definition und Ausführung von parallelen Datenverarbeitungspipelines Seine Stärke liegt in der Fähigkeit, sowohl Batch- als auch Streaming-Pipelines auszuführen, wobei die Ausführung durch eines der von Beam unterstützten verteilten Verarbeitungs-Backends ausgeführt wird: Apache Apex, Apache Fink, Apache Spark und Google Cloud Dataflow Apache Beam ist nützlich für ETL-Aufgaben (Extrahieren, Transformieren und Laden), z B zum Verschieben von Daten zwischen verschiedenen Speichermedien und Datenquellen, zum Umwandeln von Daten in ein wünschenswertes Format und zum Laden von Daten in ein neues System In diesem instruierten Live-Training (vor Ort oder remote) lernen die Teilnehmer, wie sie die Apache Beam SDKs in einer Java- oder Python-Anwendung implementieren, die eine Datenverarbeitungspipeline zum Zerlegen eines großen Datensatzes in kleinere Blöcke für die unabhängige, parallele Verarbeitung definiert Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Installieren und konfigurieren Sie Apache Beam Verwenden Sie ein einzelnes Programmiermodell, um sowohl die Batch- als auch die Stream-Verarbeitung auszuführen, indem Sie ihre Java- oder Python-Anwendung verwenden Führen Sie Pipelines über mehrere Umgebungen hinweg aus Publikum Entwickler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen Hinweis Dieser Kurs wird in Zukunft Scala zur Verfügung stehen Bitte kontaktieren Sie uns, um zu vereinbaren .

Apache Apex ist eine YARNnative-Plattform, die Stream- und Batch-Verarbeitung vereint Es verarbeitet große Datenbewegungen in einer Weise, die skalierbar, performant, fehlertolerant, zustandsorientiert, sicher, verteilt und einfach zu bedienen ist Dieses integrierte Live-Training stellt Apache Apex's vereinheitlichte Stream-Processing-Architektur vor und führt die Teilnehmer durch die Erstellung einer verteilten Anwendung mit Apex auf Hadoop Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verständnis von Datenverarbeitungs-Pipeline-Konzepten wie Konnektoren für Quellen und Senken, gemeinsame Datentransformationen usw Erstellen, skalieren und optimieren Sie eine Apex-Anwendung Verarbeiten Sie Echtzeitdatenströme zuverlässig und mit minimaler Latenz Verwenden Sie Apex Core und die Apex Malhar-Bibliothek, um eine schnelle Anwendungsentwicklung zu ermöglichen Verwenden Sie die Apex-API, um vorhandenen Java-Code zu schreiben und wiederzuverwenden Integrieren Sie Apex als Verarbeitungsmodul in andere Anwendungen Optimieren, testen und skalieren Sie Apex-Anwendungen Publikum Entwickler Unternehmensarchitekten Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Apache Storm ist ein verteilter, real-time Computing-Motor, der zur Bereitstellung von Business Intelligence in real-time verwendet wird. Es tut dies, indem Anwendungen zuverlässig unbegrenzte Datenströme verarbeiten können (z. B. Übertragung von Stream).

"Storm ist für Echtzeitverarbeitung, was Hadoop für Batchverarbeitung ist!"

In diesem Live-Training unter Anweisung lernen die Teilnehmer, wie man Apache Storm installiert und konfiguriert und dann eine Apache Storm Anwendung entwickelt und implementiert, um große Daten in Echtzeit zu verarbeiten.

Einige der in dieser Ausbildung enthaltenen Themen umfassen:

• Apache Storm im Zusammenhang mit Hadoop
• Arbeiten mit unbegrenzten Daten
• kontinuierliche Berechnung
• Analysen in Echtzeit
• Distribuierte RPC und ETL-Verarbeitung

Bitte beantragen Sie diesen Kurs jetzt!

Publikum

• Software und ETL Entwickler
• Mainframe Fachkräfte
• Datenwissenschaftler
• Big Data Analytiker
• [ 0 ] Fachleute

Format des Kurses

• Teilverhandlungen, Teildiskussionen, Übungen und schwere Praktiken

In dieser von einem Ausbilder geleiteten Live-Schulung (vor Ort oder per Fernzugriff) lernen die Teilnehmer, wie sie Apache NiFi in einer Live-Laborumgebung einsetzen und verwalten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installation und Konfiguration von Apachi NiFi.
• Daten aus unterschiedlichen, verteilten Datenquellen, einschließlich Datenbanken und Big Data Lakes, beschaffen, umwandeln und verwalten.
• Automatisieren von Datenflüssen.
• Streaming-Analysen ermöglichen.
• Unterschiedliche Ansätze für die Datenaufnahme anwenden.
• Umwandeln Big Data und in Geschäftseinblicke.

In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer die Grundlagen der ablaufbasierten Programmierung, während sie eine Reihe von Demo-Erweiterungen, Komponenten und Prozessoren mit Apache NiFi entwickeln.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Architektur von NiFi und die Datenflusskonzepte verstehen.
• Erweiterungen mit NiFi und APIs von Drittanbietern entwickeln.
• Eigene Apache-NiFi-Prozessoren entwickeln.
• Echtzeitdaten aus unterschiedlichen und unüblichen Dateiformaten und Datenquellen erfassen und verarbeiten.

Diese Live-Schulung unter Anleitung eines Dozenten (online oder vor Ort) führt in die Prinzipien und Ansätze der verteilten Stream- und Batch-Datenverarbeitung ein und führt die Teilnehmer durch die Erstellung einer Echtzeit-Daten-Streaming-Anwendung in Apache Flink.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

Eine Umgebung für die Entwicklung von Datenanalyseanwendungen einrichten. Verstehen, wie Apache Flink's graph-verarbeitende Bibliothek (Gelly) funktioniert. Flink-basierte, fehlertolerante Daten-Streaming-Anwendungen paketieren, ausführen und überwachen. Verwalten verschiedener Arbeitslasten. Erweiterte Analysen durchführen. Einrichten eines Flink-Clusters mit mehreren Knoten. Messen und Optimieren der Leistung. Flink mit verschiedenen Big Data Systemen integrieren. Flink-Funktionen mit denen anderer Big-Data-Verarbeitungs-Frameworks vergleichen.

Diese von einem Trainer geleitete Live-Schulung in Österreich (online oder vor Ort) stellt Hortonworks Data Platform (HDP) vor und führt die Teilnehmer durch den Einsatz der Spark + Hadoop-Lösung.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

Nutzen Sie Hortonworks, um Hadoop in großem Maßstab zuverlässig auszuführen. Vereinheitlichen Sie Hadoop's Sicherheits-, Governance- und Betriebsfunktionen mit Spark's agilen analytischen Workflows. Nutzen Sie Hortonworks, um alle Komponenten eines Spark-Projekts zu untersuchen, zu validieren, zu zertifizieren und zu unterstützen. Verarbeiten Sie verschiedene Datentypen, einschließlich strukturierter und unstrukturierter Daten sowie Daten in Bewegung und im Ruhezustand.

Apache Ambari ist eine Open-Source-Verwaltungsplattform für die Bereitstellung, Verwaltung, Überwachung und Sicherung von Apache Hadoop Clustern.

In diesem von Lehrern geleiteten Live-Training lernen die Teilnehmer die von Ambari bereitgestellten Management-Tools und -Praktiken kennen, um Hadoop Cluster erfolgreich zu verwalten.

Am Ende dieser Schulung können die Teilnehmer:

• Richten Sie mit Ambari einen Live- Big Data Cluster ein
• Wenden Sie die erweiterten Funktionen und Funktionen von Ambari auf verschiedene Anwendungsfälle an
• Fügen Sie Knoten nach Bedarf nahtlos hinzu und entfernen Sie sie
• Verbessern Sie die Leistung eines Hadoop Clusters durch Optimieren und Optimieren

Publikum

• DevOps
• Systemadministratoren
• DBAs
• Hadoop Testprofis

Format des Kurses

• Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben

Cloudera Impala ist eine quelloffene, massiv-parallele Verarbeitungs-Engine (MPP) SQL für Apache Hadoop-Cluster.

Impala ermöglicht Benutzern Abfragen mit niedriger Latenz SQL auf Daten, die in Hadoop Distributed File System und Apache Hbase gespeichert sind, ohne dass eine Datenbewegung oder -umwandlung erforderlich ist.

Publikum

Dieser Kurs richtet sich an Analysten und Datenwissenschaftler, die Daten, die in Hadoop gespeichert sind, mit Business Intelligence- oder SQL Tools analysieren.

Nach diesem Kurs werden die Teilnehmer in der Lage sein

• Extrahieren aussagekräftiger Informationen aus Hadoop-Clustern mit Impala.
• Spezielle Programme schreiben, um Business Intelligence in Impala SQL Dialekt zu erleichtern.
• Fehlersuche in Impala.

Dieser Kurs behandelt die Verwendung der Hive SQL Sprache (AKA: Hive HQL, SQL in Hive , Hive QL) für Personen, die Daten aus Hive extrahieren

Diese Live-Schulung (vor Ort oder per Fernzugriff) richtet sich an Techniker, die Confluent (eine Distribution von Kafka) verwenden möchten, um eine Echtzeit-Datenverarbeitungsplattform für ihre Anwendungen zu erstellen und zu verwalten.

Am Ende dieser Schulung können die Teilnehmer:

• Installieren und konfigurieren Sie Confluent Platform.
• Verwenden Sie die Verwaltungstools und -dienste von Confluent, um Kafka einfacher auszuführen.
• Speichern und verarbeiten Sie eingehende Stream-Daten.
• Optimieren und verwalten Sie Kafka-Cluster.
• Sichere Datenströme.

Format des Kurses

• Interaktiver Vortrag und Diskussion.
• Viele Übungen und Übungen.
• Praktische Implementierung in einer Live-Laborumgebung.

Anpassungsoptionen für den Kurs

• Dieser Kurs basiert auf der Open Source-Version von Confluent: Confluent Open Source.
• Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.

In dieser von einem Trainer geleiteten Live-Schulung (vor Ort oder per Fernzugriff) lernen die Teilnehmer, wie sie verschiedene Stream Processing Frameworks mit bestehenden Big-Data-Speichersystemen und zugehörigen Softwareanwendungen und Microservices einrichten und integrieren können.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installieren und Konfigurieren verschiedener Stream Processing Frameworks, wie Spark Streaming und Kafka Streaming.
• Das am besten geeignete Framework für die jeweilige Aufgabe verstehen und auswählen.
• Daten kontinuierlich, gleichzeitig und Datensatz für Datensatz verarbeiten.
• Lösungen mit bestehenden Datenbanken, Data Warehouses, Data Lakes usw. integrieren Stream Processing.
• Integrieren Sie die am besten geeignete Stream-Processing-Bibliothek in Unternehmensanwendungen und Microservices.