Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Fondamenti dell’ingegneria di piattaforme per applicazioni ad alta intensità di dati
- Introduzione alle applicazioni caratterizzate da un elevato volume di dati
- Sfide nell’ambito dell’ingegneria di piattaforme per grandi volumi di dati
- Panoramica sulle architetture di elaborazione dei dati
Modellazione e gestione dei dati
- Principi della modellazione dei dati finalizzati alla scalabilità
- Opzioni di archiviazione e ottimizzazione dei dati
- Gestione del ciclo di vita dei dati in ambienti distribuiti
Framework per l’elaborazione dei big data
- Panoramica degli strumenti disponibili per l’elaborazione dei grandi volumi di dati (Hadoop, Spark, Flink)
- Elaborazione batch rispetto all’elaborazione in tempo reale
- Configurazione di una pipeline di elaborazione dati per i big data
Piattaforme di analisi in tempo reale
- Progettazione di infrastrutture per l’analisi dei dati in tempo reale
- Motori per l’elaborazione di flussi dati (Kafka Streams, Apache Storm)
- Sviluppo di dashboard e visualizzazioni in tempo reale
Orchestrazione delle pipeline dati
- Gestione dei flussi di lavoro tramite Apache Airflow e altri strumenti simili
- Automazione delle pipeline per aumentarne l’efficienza
- Monitoraggio e notifiche riguardanti lo stato delle pipeline dati
Sicurezza e conformità normativa delle piattaforme
- Best practice di sicurezza per le piattaforme dati
- Rispetto della privacy dei dati e delle normative vigenti
- Implementazione di controlli di accesso ai dati sicuri
Ottimizzazione delle prestazioni
- Tecniche per migliorare la velocità di trasferimento e ridurre i tempi di latenza dei dati
- Strategie di scalabilità per piattaforme ad alta intensità di dati
- Benchmarking e monitoraggio delle prestazioni dei sistemi
Casi studio ed esperienze pratiche
- Analisi di implementazioni riuscite di piattaforme dati
- Insegnamenti tratti dalle best practice adottate da leader del settore
- Tendenze emergenti nell’ingegneria di piattaforme per grandi volumi di dati
Progetto finale
- Progettazione di una soluzione su misura per un’applicazione ad alta intensità di dati
- Sviluppo di un prototipo della pipeline di elaborazione dati
- Valutazione delle prestazioni e della scalabilità della piattaforma realizzata
Riepilogo e prossimi passi
Requisiti
- Conoscenza dei concetti fondamentali relativi a strutture e algoritmi dei dati
- Esperienza nella programmazione in Java, Scala o Python
- Familiarità con i concetti di base delle basi di dati e con SQL
Destinatari
- Sviluppatori software
- Ingegneri dei dati
- Responsabili tecnici
21 ore
Recensioni (2)
Il concetto generale di DevOps/DevSecOps non è un team, ma una cultura, un modo di pensare
Mpho Mashele - South Africa Reserve Bank
Corso - DevOps and Platform Engineering: A Collaborative Approach
Traduzione automatica
About the microservices and how to maintenance kubernetes