HBase fejlesztőknek Képzés

Célközönség:

A képzés azon IT szakemberek számára készült, akik megoldást keresnek nagy adathalmazok tárolására és feldolgozására elosztott rendszerkörnyezetben.

Cél:

Mélyreható ismeretek szerezése a Hadoop klaszter adminisztrációjáról.

A big data analytics magában foglalja a nagy mennyiségű és változatos adathalmazok elemzésének folyamatát, hogy felfedezzünk korrelációkat, rejtett mintákat és egyéb hasznos betekintéseket.

Az egészségügyi ipar rendelkezik hatalmas mennyiségű, összetett és heterogén orvosi és klinikai adattal. A big data analytics alkalmazása az egészségügyi adatokon hatalmas potenciállal bír a megállapítások levonásában az egészségügyi ellátás javítása érdekében. Azonban ezeknek az adathalmazoknak a hatalmas mérete nagy kihívásokat jelent az elemzésekben és a gyakorlati alkalmazásokban egy klinikai környezetben.

Ebben az oktató által vezetett, élő képzésen (távolról) a résztvevők megtanulják, hogyan végezzenek big data analytics-t az egészségügyben, miközben egy sor gyakorlati, élő laborfeladaton keresztül haladnak.

A képzés végére a résztvevők képesek lesznek:

• Telepíteni és konfigurálni a big data analytics eszközöket, mint például a Hadoop MapReduce és a Spark
• Megérteni az orvosi adatok jellemzőit
• Big data technikákat alkalmazni az orvosi adatok kezelésére
• Big data rendszereket és algoritmusokat tanulmányozni az egészségügyi alkalmazások kontextusában

Közönség

• Fejlesztők
• Adattudósok

A képzés formátuma

• Részben előadás, részben vita, gyakorlatok és intenzív gyakorlati munka.

Megjegyzés

• Ha testre szabott képzést kérne ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk a megbeszélés érdekében.

Amikor a hagyományos tárolási technológiák nem tudják kezelni a tárolandó adatok mennyiségét, több száz alternatíva áll rendelkezésre. Ez a kurzus igyekszik útmutatást nyújtani a résztvevőknek, hogy milyen alternatívák állnak rendelkezésre a Big Data tárolására és elemzésére, valamint mik azok előnyei és hátrányai.

A kurzus főleg megbeszélésekre és megoldások bemutatására összpontosít, bár gyakorlati feladatok igény szerint elérhetők.

A kurzus a Data Scientist készségkészlet része (Tartomány: Adat és Technológia).

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) azoknak az adatbázis adminisztrátoroknak vagy fejlesztőknek szól, akik a Microsoft Azure Cosmos DB-t szeretnék használni a nagyon gyors és kis késleltetésű alkalmazások fejlesztéséhez és kezeléséhez.

A képzés végére a résztvevők képesek lesznek:

• Létrehozni a szükséges Cosmos DB erőforrásokat az adatbázisok és alkalmazások építéséhez.
• Skálázni az alkalmazások teljesítményét és tárolását a Cosmos DB API-k használatával.
• Kezelni az adatbázis műveleteket és csökkenteni a költségeket a Cosmos DB erőforrások optimalizálásával.

Az Apache Hadoop a legnépszerűbb keretrendszer a Big Data feldolgozására szerverklasztereken. Ezen a három (opcionálisan négy) napos tanfolyamon a résztvevők megismerik a Hadoop és az ökoszisztémája üzleti előnyeit és használati eseteit, hogyan tervezhetik meg a klaszter üzembe helyezését és bővítését, valamint hogyan telepíthetik, karbantarthatják, monitorozhatják, hibaelháríthatják és optimalizálhatják a Hadoopot. Gyakorolni fogják a klaszter tömeges adatbetöltését, megismerkednek a különböző Hadoop disztribúciókkal, valamint gyakorolni fogják a Hadoop ökoszisztéma eszközeinek telepítését és kezelését. A tanfolyam a klaszter biztonságossá tételéről szóló vitával zárul, amelyben a Kerberos kerül bemutatásra.

“…Az anyagok nagyon jól elkészítettek és alaposak voltak. A laborok nagyon hasznosak és jól szervezettek voltak.”
— Andrew Nguyen, Főbb integrációs DW mérnök, Microsoft Online Advertising

Célközönség

Hadoop rendszergazdák

Formátum

Előadások és gyakorlati laborok, megközelítőleg 60% előadás, 40% labor.

Az Apache Hadoop a legnépszerűbb keretrendszer a Big Data feldolgozására szerverklasztereken. Ez a kurzus bemutatja a fejlesztőknek a Hadoop ökoszisztéma különböző összetevőit (HDFS, MapReduce, Pig, Hive és HBase).

Az Apache Hadoop az egyik legnépszerűbb keretrendszer nagy adatok feldolgozására szerverklasztereken. Ez a kurzus a HDFS-ben való adatkezelésbe, valamint a haladó Pig, Hive és HBase használatába mélyül bele. Ezek a haladó programozási technikák hasznosak lehetnek tapasztalt Hadoop fejlesztők számára.

Célközönség: fejlesztők

Időtartam: három nap

Formátum: előadások (50%) és gyakorlati laborok (50%).

Célközönség:

Ez a kurzus célja, hogy demisztifikálja a big data/hadoop technológiát, és megmutassa, hogy nem nehéz megérteni.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) rendszergazdáknak szól, akik meg szeretnének tanulni, hogyan állíthatnak üzembe, helyezhetnek üzembe és kezelhetnek Hadoop klasztereket szervezetükön belül.

A képzés végére a résztvevők képesek lesznek:

• Az Apache Hadoop telepítésére és konfigurálására.
• A Hadoop ökoszisztéma négy fő komponensének megértésére: HDFS, MapReduce, YARN és Hadoop Common.
• A Hadoop Distributed File System (HDFS) használatára a klaszter százakra vagy ezrekre történő skálázásához.
• A HDFS beállítására, hogy tárolómotorként működjön helyszíni Spark üzemelő példányokhoz.
• A Spark beállítására alternatív tárolási megoldásokhoz, mint az Amazon S3 és NoSQL adatbázis-rendszerek, például Redis, Elasticsearch, Couchbase, Aerospike stb.
• Adminisztratív feladatok végrehajtására, mint az Apache Hadoop klaszter kiépítése, kezelése, monitorozása és biztonságba helyezése.

Az Apache NiFi egy nyílt forráskódú, folyamalapú adatintegrációs és eseményfeldolgozó platform. Lehetővé teszi az automatizált, valós idejű adatirányítást, átalakítást és rendszerközvetítést különböző rendszerek között, webalapú felhasználói felülettel és részletes ellenőrzéssel.

Ez az oktató által vezetett, élő képzés (helyszíni vagy távoli) középszintű rendszergazdáknak és mérnököknek szól, akik szeretnék üzembe helyezni, kezelni, biztosítani és optimalizálni a NiFi adatfolyamokat éles környezetekben.

A képzés végére a résztvevők képesek lesznek:

• Apache NiFi klaszterek telepítése, konfigurálása és karbantartása.
• Adatfolyamok tervezése és kezelése különböző forrásokból és célokból.
• Folyamat automatizálás, irányítás és átalakítási logika implementálása.
• Teljesítmény optimalizálása, műveletek monitorozása és hibák elhárítása.

A képzés formátuma

• Interaktív előadás valós világi architektúrák megvitatásával.
• Gyakorlati laborok: folyamok építése, üzembe helyezése és kezelése.
• Forgatókönyv alapú gyakorlatok élő labor környezetben.

Kurzus testreszabási lehetőségek

• Ha testreszabott képzést szeretne kérni ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk.

Ezen oktatóvezetésű, élő képzés során Magyarország a résztvevők megismerik a folyamatalapú programozás alapjait, miközben számos demó kiterjesztést, komponenst és processzort fejlesztenek az Apache NiFi segítségével.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a NiFi architektúráját és az adatfolyam koncepcióit.
• Kiterjesztéseket fejleszteni a NiFi és harmadik féltől származó API-k használatával.
• Saját Apache NiFi processzort fejleszteni.
• Valós idejű adatokat betölteni és feldolgozni különböző és szokatlan fájlformátumokból és adatforrásokból.

A relációs adatbázisok hosszú ideig a legnépszerűbb technológiák voltak az adatok tárolására, lekérdezésére és kezelésére. A relációs adatbázisok lehetővé teszik a felhasználók számára, hogy adataikat strukturált, jól meghatározott mintázatok (modell) alapján szervezzék. Bár ez a megközelítés jól működik olyan adatok tárolására, amelyek előre standardizáltak és jól ismertek (gondoljunk például egy kórházi bejelentkezési alkalmazásra, amely a betegek rekordjait ugyanazon előre meghatározott mezőkkel tárolja... beteg azonosító, keresztnév, vezetéknév, utolsó látogatás dátuma stb.), ennek a modellnek vannak korlátai. Azoknak a szervezeteknek, amelyek beérkező adatai nincsenek jól meghatározva (gondoljunk például egy startup online felmérési űrlapjára, amely még a folyamatban van, és különböző mezőkkel kísérletezik a látogatók adatainak gyűjtéséhez, közben hozzáadva és eltávolítva mezőket a vállalkozás változó jellege miatt), az adatbázisba való illesztésre vonatkozó meglévő definíciókat rendszeresen újra kellene határozni. Ehhez újra létre kellene hozni az adatmodellt (sémát), amely meghatározza az adatok szerkezetét és az engedélyezett adattípusokat a különböző adatbeviteli típusok támogatásához, mielőtt bármilyen új adatot el lehetne menteni az adatbázisba.

Itt jönnek képbe a NoSQL (Not Only SQL) adatbázisok. A NoSQL adatbázisok felszabadítják a felhasználókat a bejövő adatok szerkezetének előzetes meghatározása alól, lehetővé téve számukra, hogy új adatokat közvetlenül beszúrjanak és frissítsenek. A NoSQL adatbázisok gyakran gyorsabbak, mint a relációs adatbázisok, és könnyedén kezelhetnek nagyon nagy mennyiségű adatot. A NoSQL adatbázisok jobban skálázhatók is, mint a relációs adatbázisok, mivel képesek hatékonyan particionálni az adatokat számos szerver között (klaszter) és terheléskiegyenlíteni az adatokhoz való hozzáférést. A NoSQL adatbázisok kiválóan integrálódnak olyan alkalmazásokkal, amelyek valós idejű elemzéseket, oldalszemélyre szabást, IoT-t és mobilalkalmazásokat támogatnak.

Ebben az oktató által vezetett, élő képzésben a résztvevők megismerik a legnépszerűbb NoSQL adatbázisok architektúráját, tervezési elveit és funkcionalitását, miközben számos NoSQL adatbázist telepítenek, üzemeltetnek és értékelnek egy élő laboratóriumi környezetben. A képzés célja, hogy a résztvevők képesek legyenek intelligensen értékelni, javasolni és megvalósítani egy megfelelő NoSQL adatbázis megoldást a szervezetükön belül.

A képzés végére a résztvevők képesek lesznek:

• Telepíteni és konfigurálni különböző típusú NoSQL adatbázisokat, beleértve a MongoDB-t, Cassandrát, Redist és Neo4j-t
• Megérteni a NoSQL adatbázisok előnyeit és hátrányait a relációs adatbázisokkal szemben
• Megérteni a NoSQL adatbázisok által használt mögöttes adatformátumokat, és hogy ezek a formátumok hogyan használhatók előnyösen modern alkalmazások (asztali, mobil, felhő, IoT) fejlesztése során
• Létrehozni, beszúrni, frissíteni, törölni műveleteket végrehajtani egy NoSQL adatbázisban
• Beállítani egy vegyes környezetet, ahol egy relációs adatbázis és egy NoSQL adatbázis együttműködik
• Konfigurálni egy NoSQL adatbázis klasztert, hogy elosztva dolgozzon fel nagyon nagy adathalmazokat
• Megérteni a NoSQL adatbázisok használatának biztonsági következményeit
• Üzembe helyezni és skálázni egy NoSQL adatbázist egy éles környezetben

Célközönség

• Adatbázis szakemberek
• Adatarchitektok
• Adatstratégák
• Projektmenedzserek
• Alkalmazásfejlesztők, akik rugalmas adatbázis megoldást szeretnének integrálni alkalmazásaikba

A képzés formátuma

• Részben előadás, részben vita, gyakorlatok és intenzív gyakorlati munka

Megjegyzés

• Ha testre szabott képzést szeretne kérni erre a kurzusra, kérjük, lépjen kapcsolatba velünk.

redis

nosql

A Scylla egy nyílt forráskódú, elosztott NoSQL adattár. Kompatibilis az Apache Cassandra-val, de lényegesen magasabb átviteli sebességet és alacsonyabb késleltetést biztosít.

Ezen a kurzuson a résztvevők megismerhetik a Scylla funkcióit és architektúráját, gyakorlati tapasztalatot szerezve a Scylla telepítésével, adminisztrálásával, monitorozásával és hibaelhárításával kapcsolatban.

Célközönség

• Adatbázis rendszergazdák
• Fejlesztők
• Rendszermérnökök

A kurzus formátuma

• A kurzus interaktív, és tartalmazza a Scylla elosztott adatbázisok és klaszterek telepítésének és kezelésének elveit és módszereit.
• A kurzus nagy hangsúlyt fektet a gyakorlati feladatokra és gyakorlásra.