Stream processing Formazione in Italia

Apache Samza è un framework computazionale asincrono quasi in tempo reale open source per l'elaborazione dei flussi. Utilizza Apache Kafka per la messaggistica e Apache Hadoop YARN per la tolleranza agli errori, l'isolamento del processore, la sicurezza e la gestione delle risorse. Questa formazione dal vivo con istruttore introduce i principi alla base dei sistemi di messaggistica e dell'elaborazione del flusso distribuito, mentre accompagna i partecipanti attraverso la creazione di un progetto di esempio basato su Samza e l'esecuzione del lavoro. Al termine di questa formazione, i partecipanti saranno in grado di:

• Usa Samza per semplificare il codice necessario per produrre e consumare messaggi.
• Disaccoppiare la gestione dei messaggi da un'applicazione.
• Usa Samza per implementare il calcolo asincrono quasi in tempo reale.
• Utilizzare l'elaborazione del flusso per fornire un livello superiore di astrazione sui sistemi di messaggistica.

Pubblico

• Sviluppatori

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

Kafka Streams è una libreria lato client per la creazione di applicazioni e microservizi i cui dati vengono trasmessi da e verso un sistema di messaggistica Kafka. Tradizionalmente, Apache Kafka ha fatto affidamento su Apache Spark o Apache Storm per elaborare i dati tra produttori di messaggi e consumatori. Chiamando l'API Kafka Streams dall'interno di un'applicazione, i dati possono essere elaborati direttamente all'interno di Kafka, evitando la necessità di inviare i dati a un cluster separato per l'elaborazione. In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come integrare Kafka Streams in una serie di applicazioni Java di esempio che trasmettono dati da e verso Apache Kafka per l'elaborazione in streaming. Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendi le funzionalità e i vantaggi di Kafka Streams rispetto ad altri framework di elaborazione dei flussi
• Elaborare i dati del flusso direttamente all'interno di un cluster Kafka
• Scrivi un'applicazione o un microservizio Java o Scala che si integri con Kafka e Kafka Streams
• Scrivi un codice conciso che trasforma gli argomenti di Kafka di input in argomenti di Kafka di output
• Compilare, impacchettare e distribuire l'applicazione

Pubblico

• Sviluppatori

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

Gli appunti

• Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare

In questo corso di formazione dal vivo con istruttore in Italia (in loco o in remoto), i partecipanti impareranno come impostare e integrare diversi Stream Processing framework con i sistemi di archiviazione dei big data esistenti e le relative applicazioni software e microservizi. Al termine di questa formazione, i partecipanti saranno in grado di:

• Installare e configurare diversi framework Stream Processing, ad esempio Spark Streaming e Kafka Streaming.
• Comprendere e selezionare il framework più appropriato per il lavoro.
• Elaborazione dei dati in modo continuo, simultaneo e record per record.
• Integrare Stream Processing le soluzioni con database, data warehouse, data lake, ecc. esistenti.
• Integra la libreria di elaborazione dei flussi più appropriata con le applicazioni e i microservizi aziendali.

questo istruttore, Live Training (on-site o remote) è rivolto a ingegneri che desiderano utilizzare Confluent (una distribuzione di Kafka) per costruire e gestire una piattaforma di elaborazione dati in tempo reale per le loro applicazioni. entro la fine di questa formazione, i partecipanti saranno in grado di:

• installare e configurare la piattaforma Confluent.
• utilizzare gli strumenti di gestione confluenti & #39; s e servizi per eseguire Kafka più facilmente.
• Archivia ed elabora i dati del flusso in ingresso.
• ottimizza e Gestisci i cluster Kafka.
• flussi di dati protetti.

formato del corso

• conferenza interattiva e discussione.
• un sacco di esercizi e di pratica.
implementazione hands-on
• in un ambiente Live-Lab.

corso opzioni di personalizzazione

• questo corso si basa sulla versione open source di Confluent: Confluent open source.
• per richiedere un addestramento su misura per questo corso, seli metta in contatto con prego per organizzare.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a ingegneri dei dati, data scientist e programmatori che desiderano utilizzare le funzionalità di Apache Kafka nello streaming dei dati con Python. Alla fine di questa formazione, i partecipanti saranno in grado di utilizzare Apache Kafka per monitorare e gestire le condizioni in flussi di dati continui utilizzando la programmazione Python.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a ingegneri dei dati, data scientist e programmatori che desiderano utilizzare Spark Streaming funzionalità nell'elaborazione e nell'analisi dei dati in tempo reale. Al termine di questa formazione, i partecipanti saranno in grado di utilizzare Spark Streaming per elaborare flussi di dati in tempo reale da utilizzare in database, file system e dashboard in tempo reale.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli sviluppatori che desiderano implementare l'elaborazione di flussi Apache Kafka senza scrivere codice. Al termine di questa formazione, i partecipanti saranno in grado di:

• Installare e configurare Confluent KSQL.
• Configurare una pipeline di elaborazione dei flussi usando solo comandi SQL (nessuna codifica Java o Python).
• Esegui il filtraggio dei dati, le trasformazioni, le aggregazioni, i join, il windowing e la sessionizzazione interamente in SQL.
• Progetta e distribuisci query interattive e continue per lo streaming ETL e l'analisi in tempo reale.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli sviluppatori che desiderano apprendere i principi alla base dell'archiviazione in-memory persistente e pura durante la creazione di un progetto di elaborazione in-memory di esempio. Al termine di questa formazione, i partecipanti saranno in grado di:

Usare Ignite per la persistenza in memoria e su disco, nonché per un database in memoria puramente distribuito. Ottenere la persistenza senza sincronizzare i dati con un database relazionale. Utilizzare Ignite per eseguire SQL e join distribuiti. Migliora le prestazioni avvicinando i dati alla CPU, utilizzando la RAM come storage. Distribuisci i set di dati in un cluster per ottenere la scalabilità orizzontale. Integra Ignite con processori RDBMS, NoSQL, Hadoop e machine learning.

Apache Beam è un modello di programmazione unificata open source per la definizione e l'esecuzione di pipeline di elaborazione dati parallele Il suo potere risiede nella sua capacità di eseguire pipeline sia in batch che in streaming, con l'esecuzione eseguita da uno dei backend di elaborazione distribuiti supportati da Beam: Apache Apex, Apache Flink, Apache Spark e Google Cloud Dataflow Apache Beam è utile per le attività ETL (Estrai, Trasforma e Carica) come lo spostamento di dati tra diversi supporti di memorizzazione e origini dati, la trasformazione dei dati in un formato più desiderabile e il caricamento dei dati su un nuovo sistema In questo corso di formazione dal vivo con istruttore (in loco o remoto), i partecipanti impareranno come implementare gli SDK Apache Beam in un'applicazione Java o Python che definisce una pipeline di elaborazione dati per la decomposizione di un big data set in blocchi più piccoli per l'elaborazione parallela indipendente Alla fine di questa formazione, i partecipanti saranno in grado di: Installa e configura Apache Beam Utilizzare un singolo modello di programmazione per eseguire sia l'elaborazione batch che quella stream dall'applicazione Java o Python Esegui pipeline su più ambienti Pubblico Sviluppatori Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva Nota Questo corso sarà disponibile in futuro Vi preghiamo di contattarci per organizzare .

Apache Apex è una piattaforma nativa YARN che unisce l'elaborazione di stream e batch. Elabora grandi quantità di dati in movimento in modo scalabile, performante, tollerante ai guasti, con stato, sicuro, distribuito e facilmente utilizzabile. Questa formazione dal vivo con istruttore introduce l'architettura di elaborazione unificata di Apache Apex e guida i partecipanti alla creazione di un'applicazione distribuita utilizzando Apex su Hadoop . Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendere i concetti della pipeline di elaborazione dei dati come connettori per sorgenti e pozzi, trasformazioni di dati comuni, ecc.
• Costruisci, ridimensiona e ottimizza un'applicazione Apex
• Elaborazione di flussi di dati in tempo reale in modo affidabile e con una latenza minima
• Utilizzare Apex Core e la libreria Apex Malhar per consentire un rapido sviluppo delle applicazioni
• Utilizzare l'API Apex per scrivere e riutilizzare il codice Java esistente
• Integra Apex in altre applicazioni come motore di elaborazione
• Ottimizza, testa e ridimensiona le applicazioni Apex

Formato del corso

• Conferenza e discussione interattiva.
• Molti esercizi e pratiche.
• Implementazione pratica in un ambiente live-lab.

Opzioni di personalizzazione del corso

• Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.

Apache Storm è un motore di calcolo distribuito in tempo reale utilizzato per consentire l'intelligenza aziendale in tempo reale. Lo fa consentendo alle applicazioni di elaborare in modo affidabile i flussi di dati illimitati (ad es. Il processo di trasformazione). "Storm è per il trattamento in tempo reale che Hadoop è per il trattamento di batch!" In questo allenamento diretto da istruttori, i partecipanti impareranno come installare e configurare Apache Storm, poi sviluppare e implementare un'applicazione Apache Storm per il trattamento dei big data in tempo reale. Alcuni dei temi inclusi in questa formazione includono:

• Apache Storm nel contesto di Hadoop
• Lavorare con dati illimitati
• Il calcolo continuo
• Analisi in tempo reale
• RPC e elaborazione ETL

Richiedi questo corso ora! Il pubblico

• Software e sviluppatori ETL
• Professionisti di Mainframe
• scienziati dati
• Big Data analisti
• Hadoop I professionisti

Il formato del corso

• lezioni a parte, discussioni a parte, esercizi e pratiche pesanti

In questo corso di formazione dal vivo con istruttore in Italia (in loco o in remoto), i partecipanti impareranno come distribuire e gestire Apache NiFi in un ambiente di laboratorio dal vivo. Al termine di questa formazione, i partecipanti saranno in grado di:

• Installa e configura Apachi NiFi.
• Acquisisci, trasforma e gestisci i dati da fonti di dati diverse e distribuite, inclusi database e big data lake.
• Automatizza i flussi di dati.
• Abilitare l'analisi di flusso.
• Applicare vari approcci per l'inserimento dei dati.
• Trasforma Big Data e trasforma in approfondimenti aziendali.

In questo corso di formazione dal vivo con istruttore in Italia, i partecipanti impareranno i fondamenti della programmazione basata sul flusso mentre sviluppano una serie di estensioni, componenti e processori dimostrativi utilizzando Apache NiFi. Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendere l'architettura e i concetti di flusso di dati di NiFi.
• Sviluppa estensioni utilizzando NiFi e API di terze parti.
• Custom sviluppa il proprio processore Apache Nifi.
• Acquisisci ed elabora dati in tempo reale da formati di file e origini dati diversi e non comuni.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) introduce i principi e gli approcci alla base dell'elaborazione di flussi distribuiti e dati batch e guida i partecipanti attraverso la creazione di un'applicazione di streaming di dati in tempo reale in Apache Flink. Al termine di questa formazione, i partecipanti saranno in grado di:

Configurare un ambiente per lo sviluppo di applicazioni di analisi dei dati. Comprendere il funzionamento della libreria di elaborazione grafica di Apache Flink (Gelly). Creazione di pacchetti, esecuzione e monitoraggio di applicazioni di streaming dati basate su Flink e a tolleranza di errore. Gestisci carichi di lavoro diversificati. Esegui analisi avanzate. Configura un cluster Flink multi-nodo. Misura e ottimizza le prestazioni. Integra Flink con diversi sistemi Big Data. Confronta le funzionalità di Flink con quelle di altri framework di elaborazione dei big data.