A Practical Introduction to Stream Processing 교육 과정

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 실시간 데이터 처리 및 분석에 Spark Streaming 기능을 사용하려는 데이터 엔지니어, 데이터 과학자 및 프로그래머를 대상으로 합니다.

이 교육이 끝나면 참가자는 Spark Streaming을 사용하여 데이터베이스, 파일 시스템 및 라이브 대시보드에서 사용할 라이브 데이터 스트림을 처리할 수 있습니다.

대한민국(온라인 또는 현장)에서 진행되는 이 강사 주도 라이브 교육은 코드를 작성하지 않고 Apache Kafka 스트림 처리를 구현하려는 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Confluent KSQL를 설치하고 구성합니다.
• SQL 명령만 사용하여 스트림 처리 파이프라인을 설정합니다(Java 또는 Python 코딩 없음).
• 데이터 필터링, 변환, 집계, 조인, 윈도우화 및 세션화를 모두 SQL에서 수행합니다.
• 스트리밍 ETL 및 실시간 분석을 위한 대화형 연속 쿼리를 설계하고 배포합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 샘플 인메모리 컴퓨팅 프로젝트 생성을 단계별로 진행하면서 지속적이고 순수한 인메모리 스토리지의 기본 원칙을 배우고자 하는 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

인메모리, 온디스크 지속성 및 순수 분산 인메모리 데이터베이스를 위해 Ignite를 사용하세요. 데이터를 관계형 데이터베이스에 다시 동기화하지 않고도 지속성을 확보할 수 있습니다. Ignite를 사용하여 SQL 및 분산 조인을 수행합니다. RAM을 스토리지로 사용하여 데이터를 CPU에 더 가깝게 이동하여 성능을 향상시킵니다. 수평적 확장성을 달성하기 위해 클러스터 전체에 데이터 세트를 분산시킵니다. Ignite를 RDBMS, NoSQL, Hadoop 및 기계 학습 프로세서와 통합합니다.

Apache Beam은 병렬 데이터 처리 파이프 라인을 정의하고 실행하기위한 개방형 소스 통합 프로그래밍 모델입니다 Apache Apex, Apache Flink, Apache Spark 및 Google Cloud Dataflow와 같이 Beam의 지원되는 분산 처리 백엔드 중 하나에서 실행되는 배치 및 스트리밍 파이프 라인을 모두 실행할 수있는 능력에 있습니다 Apache Beam은 다른 저장 매체와 데이터 소스간에 데이터를 이동하고, 데이터를보다 바람직한 형식으로 변환하고, 새로운 시스템으로 데이터를로드하는 것과 같은 ETL (Extract, Transform 및 Load) 태스크에 유용합니다 이 강사가 진행된 실시간 교육 (현장 또는 원격)에서 참여자는 독립적 인 병렬 처리를 위해 큰 데이터 세트를 더 작은 청크로 분해하기위한 데이터 처리 파이프 라인을 정의하는 Java 또는 Python 응용 프로그램에서 Apache Beam SDK를 구현하는 방법을 학습합니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 Apache Beam을 설치하고 구성하십시오 단일 프로그래밍 모델을 사용하여 Java 또는 Python 응용 프로그램에서 일괄 처리와 스트림 처리를 모두 수행 할 수 있습니다 여러 환경에서 파이프 라인을 실행하십시오 청중 개발자 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 노트 이 과정은 앞으로 스칼라에서 사용할 수 있습니다 협의를 위해 저희에게 연락하십시오 .

Apache Apex 는 스트림 및 일괄 처리를 통합하는 YARN 기본 플랫폼입니다. 확장 성, 성능, 내결함성, 상태 저장, 보안, 분산 및 간편한 작동 방식으로 큰 데이터 이동을 처리합니다.

강사가 진행하는이 실시간 교육에서는 Apache Apex 의 통합 스트림 처리 아키텍처를 소개하고 Hadoop Apex를 사용하여 분산 응용 프로그램을 만드는 과정을 안내합니다.

이 훈련이 끝나면 참가자는 다음을 할 수 있습니다.

• 원본 및 싱크 커넥터, 일반적인 데이터 변환 등과 같은 데이터 처리 파이프 라인 개념을 이해합니다.
• Apex 애플리케이션 구축, 확장 및 최적화
• 최소한의 대기 시간으로 안정적으로 실시간 데이터 스트림을 처리합니다.
• Apex Core 및 Apex Malhar 라이브러리를 사용하여 신속한 응용 프로그램 개발 가능
• Apex API를 사용하여 기존 Java 코드 작성 및 재사용
• Apex를 처리 엔진으로 다른 응용 프로그램에 통합
• Apex 애플리케이션 조정, 테스트 및 확장

코스 형식

• 대화 형 강의 및 토론.
• 많은 연습과 연습.
• 라이브 랩 환경에서 실제 구현.

코스 사용자 정의 옵션

• 이 과정에 대한 맞춤 교육을 요청하려면 Google에 문의하여 준비하십시오.

Apache Storm 실시간 비즈니스 지식을 가능하게 하는 데 사용되는 분산된 실시간 컴퓨팅 엔진입니다. 그것은 응용 프로그램이 무제한 데이터 흐름을 신뢰할 수 있게 처리할 수 있도록 해줍니다 (예 : 흐름 처리)

"Storm은 실제 시간 처리에 관한 것입니다 Hadoop 배치 처리에 관한 것입니다!"

이 강사가 이끄는 라이브 훈련에서 참가자들은 Apache Storm 설치 및 구성 방법을 배우고 실시간으로 큰 데이터를 처리하기위한 Apache Storm 애플리케이션을 개발하고 배치합니다.

이 훈련에 포함 된 주제 중 일부는 다음과 같습니다 :

• [중고] [중고] [중고] [중고] [중고] [중고] [중고] [중고] [중고]
• 무제한 데이터를 사용하는 방법
• 지속적인 계산
• 실시간 분석
• 분산 RPC 및 ETL 처리

이 코스를 지금 요청하십시오!

관객

• 소프트웨어 및 ETL 개발자
• 메인 프레임 전문가
• 데이터 과학자
• Big Data 분석가
• [ 0 ] 전문가

코스의 형식

• 부분 강의, 부분 토론, 연습 및 무거운 연습

이 강사가 진행하는 실시간 교육인 대한민국(현장 또는 원격)에서 참가자는 실시간 랩 환경에서 Apache NiFi을(를) 배포하고 관리하는 방법을 배우게 됩니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Apache NiFi를 설치하고 구성합니다.
• 데이터베이스 및 빅 데이터 레이크를 포함하여 서로 다른 분산 데이터 소스에서 데이터를 소싱, 변환 및 관리합니다.
• 데이터 흐름을 자동화합니다.
• 스트리밍 분석을 활성화합니다.
• 데이터 수집을 위해 다양한 접근 방식을 적용합니다.
• Big Data을 비즈니스 통찰력으로 전환하세요.

대한민국의 강사가 진행하는 실시간 교육에서 참가자는 Apache NiFi을 사용하여 다양한 데모 확장, 구성 요소 및 프로세서를 개발하면서 흐름 기반 프로그래밍의 기본 사항을 배우게 됩니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• NiFi의 아키텍처 및 데이터 흐름 개념을 이해합니다.
• NiFi 및 타사 API를 사용하여 확장 기능을 개발합니다.
• 자체 Apache Nifi 프로세서를 맞춤 개발합니다.
• 서로 다르고 일반적이지 않은 파일 형식과 데이터 소스에서 실시간 데이터를 수집하고 처리합니다.

대한민국(온라인 또는 현장)에서 진행되는 이 강사 주도 라이브 교육은 분산 스트림 및 일괄 데이터 처리 뒤에 있는 원칙과 접근 방식을 소개하고 Apache Flink에서 실시간 데이터 스트리밍 애플리케이션을 만드는 과정을 참가자에게 안내합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

데이터 분석 애플리케이션 개발을 위한 환경을 설정합니다. Apache Flink의 그래프 처리 라이브러리(Gelly) 작동 방식을 이해합니다. Flink 기반의 내결함성 데이터 스트리밍 애플리케이션을 패키징, 실행 및 모니터링합니다. 다양한 워크로드를 관리하세요. 고급 분석을 수행합니다. 다중 노드 Flink 클러스터를 설정합니다. 성능을 측정하고 최적화합니다. Flink를 다양한 Big Data 시스템과 통합합니다. Flink 기능을 다른 빅데이터 처리 프레임워크의 기능과 비교해 보세요.

이 강사가 진행하는 대한민국 실시간 교육에서 참가자는 실습을 하면서 Python와 Spark를 함께 사용하여 빅 데이터를 분석하는 방법을 배웁니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Python와 함께 Spark를 사용하여 빅 데이터를 분석하는 방법을 알아보세요.
• 실제 사례를 모방한 연습을 해보세요.
• PySpark를 사용하여 빅데이터 분석을 위한 다양한 도구와 기술을 사용하세요.

대한민국의 강사가 진행하는 실시간 교육에서 참가자는 그래프 데이터 처리를 위한 기술 제공 및 구현 접근 방식에 대해 배우게 됩니다. 목표는 실제 개체와 그 특성 및 관계를 식별한 다음 이러한 관계를 모델링하고 Graph Computing(그래프 분석이라고도 함) 접근 방식을 사용하여 데이터로 처리하는 것입니다. 광범위한 개요부터 시작하여 일련의 사례 연구, 실습 및 라이브 배포를 단계별로 진행하면서 특정 도구에 대한 범위를 좁힙니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 그래프 데이터가 유지되고 탐색되는 방식을 이해합니다.
• 주어진 작업에 가장 적합한 프레임워크를 선택하세요(그래프 데이터베이스부터 일괄 처리 프레임워크까지).
• Hadoop, Spark, GraphX 및 Pregel을 구현하여 여러 시스템에서 병렬로 그래프 컴퓨팅을 수행합니다.
• 그래프, 프로세스, 순회 측면에서 실제 빅데이터 문제를 확인하세요.

코스의 형식

• 대화형 강의 및 토론.
• 많은 연습과 연습.
• 라이브 랩 환경에서 직접 구현합니다.

코스 맞춤화 옵션

• 이 과정에 대한 맞춤형 교육을 요청하려면 당사에 연락하여 예약하시기 바랍니다.

MLlib는 Spark의 기계 학습 (ML) 라이브러리입니다. 그 목표는 실용적인 기계 학습을 확장 가능하고 쉽게 만들어주는 것입니다. 분류, 회귀, 클러스터링, 협업 필터링, 차원 감소, 하위 레벨 최적화 프리미티브 및 상위 레벨 파이프 라인 API 등 일반적인 학습 알고리즘과 유틸리티로 구성됩니다.

두 개의 패키지로 나뉩니다.

• spark.mllib는 RDD 위에 구축 된 원래 API를 포함합니다.

• spark.ml은 ML 파이프 라인을 구성하기 위해 DataFrames 위에 구축 된 고급 API를 제공합니다.

청중

이 과정은 Apache Spark 용 내장 라이브러리를 활용하고자하는 엔지니어 및 개발자를 대상으로합니다.

이 강사 주도 라이브 교육 (온사이트 또는 원격)은 confluent (Kafka 배포)를 사용 하 여 응용 프로그램에 대 한 실시간 데이터 처리 플랫폼을 빌드하고 관리 하려는 엔지니어를 대상으로 합니다.

이 교육을

참가자는 다음을 수행할 수 있습니다.

• 설치 및 구성
• 는 Kafka를 보다 쉽게 실행 하기 위해 confluent & #39;의 관리 도구 및 서비스를 사용 합니다.
• 들어오는 스트림 데이터를 저장 하 고 처리 합니다.
• 카프카 클러스터를 최적화 하 고 관리 합니다.
• 보안 데이터 스트림

코스의

형식

• 대화식 강의 및 토론
운동과 연습을 많이
• .
• 라이브 랩 환경에서 실습을 구현 합니다.

코스 사용자 정의 옵션

• 이 과정은 confluent의 오픈 소스 버전을 기반으로: confluent 오픈 소스.
• 이 과정에 대 한 맞춤형 교육을 요청 하려면 당사에 연락 하 여 준비 하십시오.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Python을 통해 데이터 스트리밍에서 Apache Kafka 기능을 사용하려는 데이터 엔지니어, 데이터 과학자 및 프로그래머를 대상으로 합니다.

이 교육이 끝나면 참가자는 Apache Kafka를 사용하여 Python 프로그래밍을 사용하여 지속적인 데이터 스트림의 상태를 모니터링하고 관리할 수 있습니다.