A helyi, oktatói élő közvetítés feldolgozó tanfolyamok interaktív megbeszéléseken és handson gyakorlatokon keresztül demonstrálják a Stream feldolgozás alapjait és fejlett témáit A Stream feldolgozás képzése "helyszíni élő képzés" vagy "távoli élő képzés" formájában érhető el A helyszíni élő képzés helyi szinten valósulhat meg az ügyfél telephelyén Magyarország vagy a NobleProg vállalati oktatóközpontjaiban Magyarország A távoli élőképzés interaktív, távoli asztal segítségével történik NobleProg Az Ön Helyi Képzési Szolgáltatója.
Machine Translated
Ajánlások
★★★★★
★★★★★
Élveztem a jó egyensúlyt az elmélet és a gyakorlati laborok között.
N. V. Nederlandse Spoorwegen
Kurzus: Apache Ignite: Improve Speed, Scale and Availability with In-Memory Computing
Machine Translated
Általában az Ignite-t jobban megértették.
N. V. Nederlandse Spoorwegen
Kurzus: Apache Ignite: Improve Speed, Scale and Availability with In-Memory Computing
Machine Translated
Leginkább a jó előadások kedvelték.
N. V. Nederlandse Spoorwegen
Kurzus: Apache Ignite: Improve Speed, Scale and Availability with In-Memory Computing
Machine Translated
EMLÉKEZTETVE/felülvizsgálata keypoints a tárgyalt témák.
Paolo Angelo Gaton - SMS Global Technologies Inc.
Kurzus: Building Stream Processing Applications with Kafka Streams
Machine Translated
Edzési témák és a tréner szerepvállalása
Izba Administracji Skarbowej w Lublinie
Kurzus: Apache NiFi for Administrators
Machine Translated
Kapcsolattartás a képzésen részt vevő emberekkel.
Andrzej Szewczuk - Izba Administracji Skarbowej w Lublinie
Kurzus: Apache NiFi for Administrators
Machine Translated
-
Roxane Santiago - SMS Global Technologies Inc.
Kurzus: Building Stream Processing Applications with Kafka Streams
Machine Translated
gyakorlatok hasznossága
Algomine sp.z.o.o sp.k.
Kurzus: Apache NiFi for Administrators
Machine Translated
Nagyon élveztem a képzést. Anton sok tudással rendelkezik, és a szükséges elméletet nagyon hozzáférhető módon fogalmazta meg. Nagyszerű, hogy a képzés sok érdekes gyakorlat volt, tehát a technológiával már a kezdetektől fogva kapcsolatba kerültünk.
Az Apache Apex egy YARNnative platform, amely egységesíti az adatfolyamokat és a tételek feldolgozását A nagy adatinformációt olyan méretezhető, teljesítményű, hibatűrő, állapotos, biztonságos, elosztott és könnyen működőképes módszerekkel dolgozza fel Ez az oktatott, élő képzés bemutatja az Apache Apex egységes stream feldolgozási architektúráját, és a résztvevőket egy megosztott alkalmazás létrehozásával hozza létre az Apex a Hadoop használatával A képzés végére a résztvevők képesek lesznek: Ismertesse az adatfeldolgozó csővezeték fogalmakat, például a források és mosdók csatlakozóit, a közös adatátalakításokat stb Építsen, skálázzon és optimalizálja az Apex alkalmazást A valós idejű adatfolyamokat megbízhatóan és minimális késleltetéssel valósítja meg Használja az Apex Core és az Apex Malhar könyvtárat a gyors alkalmazásfejlesztés érdekében Használja az Apex API-t a meglévő Java kód megírásához és újrafelhasználásához Integrálja az Apex-et más alkalmazásokba feldolgozó motorként Tune, teszt és skála Apex alkalmazások Közönség Fejlesztők Vállalati építészek A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
Az Apache Beam egy nyílt forrású, egységes programozási modell párhuzamos adatfeldolgozó csővezetékek meghatározására és végrehajtására Ez a hatalom abban rejlik, hogy mind a kötegelt, mind az áramló csővezetéket képes működtetni, a végrehajtás pedig egy Beam támogatott elosztott feldolgozási hátterének egyikével történik: az Apache Apex, az Apache Flink, az Apache Spark és a Google Cloud Dataflow Az Apache Beam hasznos az ETL (Extract, Transform, és Load) feladatokhoz, mint például az adatok átvitele különböző adattárolók és adatforrások között, az adatok átalakítása egy kívánatosabb formátumba, és az adatok új rendszerre történő betöltése Ebben az oktatott, élő képzésben (helyszíni vagy távoli) a résztvevők megtanulják, hogyan hajtsa végre az Apache Beam SDK-kat egy Java vagy Python alkalmazásban, amely meghatározza az adatfeldolgozó csővezetéket egy nagy adatkészlet kisebb darabokra történő bontására független, párhuzamos feldolgozás céljából A képzés végére a résztvevők képesek lesznek: Az Apache Beam telepítése és konfigurálása Egyetlen programozási modellt használjon a batch és a stream feldolgozás elvégzéséhez Java vagy Python alkalmazással Csővezetékek végrehajtása több környezetben Közönség Fejlesztők A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat jegyzet Ez a kurzus a Scala számára lesz elérhető a jövőben Kérjük, vegye fel velünk a kapcsolatot .
Ez az oktató által vezetett, élő képzés (helyszíni vagy távoli) célja a mérnökök, akik szeretnék használni Fluent (eloszlása Kafka) építeni és kezelni a valós idejű adatfeldolgozó platform azok alkalmazásait.
végére a képzés, a résztvevők képesek lesznek:
- telepítése és konfigurálása Fluent platform. - használata Fluent & #39; s irányítási eszközök és szolgáltatások futni Kafka könnyebben. a bejövő adatfolyam-adatok tárolása és feldolgozása - . - optimalizálása és kezelése Kafka klaszterek. - biztonságos adatfolyamok.
formátuma tanfolyam
- interaktív előadás és vita. - sok gyakorlatok és gyakorlat. - gyakorlati végrehajtás egy élő-Lab környezetben.
tanfolyam testreszabási beállítások
- Ez a tanfolyam alapja a nyílt forráskódú változata a Fluent: a nyílt forráskódú Fluent. - , hogy kérjen egy testreszabott képzést ezt a tanfolyamot, kérjük lépjen kapcsolatba velünk, hogy gondoskodjon.
Apache flink egy nyílt forráskódú keretrendszer skálázható Stream és kötegelt adatfeldolgozás.
Ez oktató által vezetett, él képzés bemutat a elvek és megközelítés hátsórész elosztott patak és egy tétel adat feldolgozás, és séta résztvevő átmenő a teremtés-ból egy valóságos-idő, adat folyó alkalmazás-ban gyorsan flink.
végére ez a képzés, a résztvevők képesek lesznek:
- a környezet létrehozása az adatelemzési alkalmazások fejlesztéséhez. - csomag, végrehajtás, és a monitor flink-alapú, hibatűrő, adatfolyam-alkalmazások. - kezelése sokszínű workloads. - végezze el a fejlett Analitika flink ML. - egy többcsomópontos flink csoport létrehozása. - mér és jobbá tenni előadás. - kiegészít flink-val különböző nagy adat rendszereket. - összehasonlítása flink képességeit azokkal a többi nagy adatfeldolgozási keretek.
formátuma a kurzus
- rész előadás, részben vita, gyakorlatok és nehéz gyakorlati gyakorlat
Stream Processing -feldolgozás a „mozgásban lévő adatok” valós idejű feldolgozására vonatkozik, vagyis a számítások elvégzésére az adatokra, amint azok beérkeznek. Ezek az adatok olvasható folyamatként adatforrásokból származó, mint érzékelő események honlap felhasználói aktivitás, anyagi ágakban, hitelkártya csúsztatással kattintson patakok, stb Stream Processing keretek képesek olvasni nagy mennyiségű bejövő adatokat, és értékes betekintést szinte azonnal.
Ebben az oktató által vezetett, élő (helyszíni vagy távoli) képzésen a résztvevők megtanulják, hogyan állítson össze és integráljon különféle Stream Processing kereteket a meglévő nagy adattárolási rendszerekhez, valamint a kapcsolódó szoftveralkalmazásokhoz és mikroszolgáltatásokhoz.
A képzés végére a résztvevők képesek lesznek:
- Telepítse és konfigurálja a különféle Stream Processing kereteket, például a Spark Streaming és a Kafka Streaming. - Megérteni és kiválasztani a feladathoz legmegfelelőbb keretet. - Az adatok feldolgozása folyamatosan, egyidejűleg és rekordonként. - Integrálja az Stream Processing megoldásokat a meglévő adatbázisokkal, adattárházakkal, adattavakkal stb. - Integrálja a legmegfelelőbb adatfeldolgozó könyvtárat a vállalati alkalmazásokkal és a mikro-szolgáltatásokkal.
Közönség
- Fejlesztők - Szoftvertervezők
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
Megjegyzések
- Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.
A Kafka Streams ügyféloldali könyvtár olyan alkalmazások és mikroszolgáltatások építéséhez, amelyek adatait továbbítják a Kafka üzenetküldő rendszerbe és onnan. Hagyományosan, Apache Kafka támaszkodott Apache Spark vagy Apache Storm adatok feldolgozására közötti üzenet a termelők és a fogyasztók számára. A Kafka Streams API alkalmazásból történő meghívásával az adatok közvetlenül a Kafkán belül feldolgozhatók, megkerülve azt, hogy az adatokat külön fürtbe kell továbbítani feldolgozásra.
Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan integrálhatja a Kafka Streams egy olyan Java alkalmazásba, amely adatátvitelt továbbít az Apache Kafka felé és az adatfolyam feldolgozása céljából.
A képzés végére a résztvevők képesek lesznek:
- Ismerje meg a Kafka Streams szolgáltatásait és előnyeit a többi adatfeldolgozási keretrendszerhez képest - Folyamatos adatfeldolgozás közvetlenül egy Kafka-fürtön belül - Írj egy Java vagy Scala alkalmazást vagy mikroszolgáltatást, amely integrálódik a Kafka és a Kafka Streams - Írjon be olyan tömör kódot, amely átalakítja a bemeneti Kafka témákat kimeneti Kafka témákká - Az alkalmazás készítése, csomagolása és telepítése
Közönség
- Fejlesztők
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
Megjegyzések
- Ha személyre szabott képzést szeretne kérni erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk
Confluent KSQL is a stream processing framework built on top of Apache Kafka. It enables real-time data processing using SQL operations.
This instructor-led, live training (onsite or remote) is aimed at developers who wish to implement Apache Kafka stream processing without writing code.
By the end of this training, participants will be able to:
- Install and configure Confluent KSQL. - Set up a stream processing pipeline using only SQL commands (no Java or Python coding). - Carry out data filtering, transformations, aggregations, joins, windowing, and sessionization entirely in SQL. - Design and deploy interactive, continuous queries for streaming ETL and real-time analytics.
Format of the Course
- Interactive lecture and discussion. - Lots of exercises and practice. - Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják a MapR Stream Architecture alapvető fogalmait, miközben valós idejű streaming alkalmazást fejlesztenek ki.
A képzés végére a résztvevők képesek lesznek létrehozni termelői és fogyasztói alkalmazásokat a valós idejű adatfolyam-feldolgozáshoz.
Közönség
- Fejlesztők - A rendszergazdák
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
jegyzet
- Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.
Apache NiFi ( Apache NiFi ) egy valós idejű integrált adat logisztikai és egyszerű eseményfeldolgozó platform, amely lehetővé teszi az adatok mozgatását, követését és automatizálását a rendszerek között. Az áramlás-alapú programozással készült, és web-alapú felhasználói felületet biztosít az adatfolyamok valós időben történő kezeléséhez.
Ebben az oktató által vezetett, élő képzésen (helyszíni vagy távoli) a résztvevők megtanulják, hogyan telepíthető és kezelhető az Apache NiFi egy élő laboratóriumi környezetben.
A képzés végére a résztvevők képesek lesznek:
- Telepítse és konfigurálja az Apachi NiFi-t. - Adatok forrása, átalakítása és kezelése eltérő, elosztott adatforrásokból, ideértve az adatbázisokat és a nagy adatlakokat is. - Automatizálja az adatfolyamokat. - Engedélyezze a streaming elemzést. - Különböző megközelítéseket alkalmaz az adatok begyűjtésére. - A Big Data átvitele az üzleti betekintésbe.
A tantárgy formátuma
- Interaktív előadás és beszélgetés. - Sok gyakorlat és gyakorlat. - Gyakorlati megvalósítás élő laboratóriumi környezetben.
Tanfolyam testreszabási lehetőségek
- Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.
Apache NiFi ( Apache NiFi ) egy valós idejű integrált adat logisztikai és egyszerű eseményfeldolgozó platform, amely lehetővé teszi az adatok mozgatását, követését és automatizálását a rendszerek között. Az áramlás-alapú programozással készült, és web-alapú felhasználói felületet biztosít az adatfolyamok valós időben történő kezeléséhez.
Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják az áramlás-alapú programozás alapjait, mivel az Apache NiFi segítségével számos demo kiterjesztést, komponenst és processzort Apache NiFi .
A képzés végére a résztvevők képesek lesznek:
- Ismerje meg a NiFi architektúráját és adatfolyam-koncepcióit. - Fejlesztéseket dolgozzon ki NiFi és harmadik fél API-k segítségével. - Az egyedi fejlesztheti saját Apache Nifi processzort. - Beolvassa és dolgozza fel a valós idejű adatokat eltérő és ritka fájlformátumokból és adatforrásokból.
A tantárgy formátuma
- Interaktív előadás és beszélgetés. - Sok gyakorlat és gyakorlat. - Gyakorlati megvalósítás élő laboratóriumi környezetben.
Tanfolyam testreszabási lehetőségek
- Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.
Az Apache Samza egy nyílt forrású, közel-valós idejű, aszinkron számítási keret az adatfolyam-feldolgozáshoz. Az Apache Kafka t használja az üzenetküldéshez, és az Apache Hadoop YARN-t hibatűréshez, a processzor elkülönítéséhez, a biztonsághoz és az erőforrás-kezeléshez.
Ez az oktató által vezetett, élő képzés bemutatja az üzenetküldő rendszerek és az elosztott adatfolyam-feldolgozás mögött meghúzódó alapelveket, miközben a résztvevőket egy minta Samza-alapú projekt létrehozásával és a feladat végrehajtásával járja el.
A képzés végére a résztvevők képesek lesznek:
- A Samza segítségével egyszerűsítheti az üzenetek előállításához és fogyasztásához szükséges kódot. - Válasszuk szét az üzenetek kezelését egy alkalmazásról. - Használja a Samzát a valósidejű aszinkron számítás megvalósításához. - Használjon adatfeldolgozást, hogy magasabb absztrakciót biztosítson az üzenetküldő rendszerek felett.
Közönség
- Fejlesztők
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
Az Apache Storm egy elosztott, valós idejű számítási motor, amely lehetővé teszi a valós idejű üzleti intelligenciát Azáltal teszi lehetővé, hogy az alkalmazások megbízhatóan feldolgozzák a korlátlan adatfolyamokat (más néven adatfeldolgozás) "A Storm valós idejű feldolgozásra szolgál, amit a Hadoop a kötegelt feldolgozásra kész!" Ebben az oktatott élő képzésben a résztvevők megtudják, hogyan kell telepíteni és beállítani az Apache Stormot, majd kifejleszteni és telepíteni egy Apache Storm alkalmazást nagy adatok valós idejű feldolgozására A képzésben szereplő témák közül néhány: Apache Storm a Hadoop kontextusában Nem korlátozott adatokkal dolgozik Folyamatos számítás Valós idejű elemzések Elosztott RPC és ETL feldolgozás Kérje ezt a tanfolyamot most! Közönség Szoftver és ETL fejlesztők Mainframe szakemberek Adatkutatók Nagy adatelemzők Hadoop szakemberek A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
A Tigon egy nyílt forráskódú, valós idejű, lowlatency, highthroughput, natív YARN streamfolyam keretrendszer, amely a HDFS és a HBase tetején ül a kitartásért A Tigon alkalmazások olyan eseteket használnak fel, mint például a hálózati behatolás felderítése és elemzés, a közösségi médiapiaci elemzés, a helyelemzés és a felhasználók számára valós idejű ajánlások Ez az oktatott, élő képzés bemutatja a Tigon megközelítését a valós idejű és a tételes feldolgozáshoz, miközben a résztvevők egy mintaalkalmazáson keresztül járnak A képzés végére a résztvevők képesek lesznek: Készítsen erőteljes adatfeldolgozó alkalmazásokat nagy mennyiségű adat kezelésére Folyamatáramforrások, például a Twitter és a Webszerver naplók Használja a Tigont a folyamok gyors összekapcsolásához, szűréséhez és aggregálásához Közönség Fejlesztők A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
.png "european space agency (esa)")
.png "aeronautical radio, incorporated (arinc)")
.png "new york stock exchange (nyse)")
