دوره آموزشی الگوهای پردازش جریان در آپاچی Flink
1 ساعت 7 دقیقهپیشرفته2021-01-06
مدرسین

Kumaran Ponnambalam
Working with data for 20+ years
جزئیات دوره
چارچوبهایی مانند Apache Flink به شما کمک میکند تا برنامههای پردازش جریان سریع و مقیاس پذیر را بسازید، اما مهندسان داده های بزرگ همچنان برای دستیابی به حداکثر بازده، نیاز به طراحی موارد استفاده هوشمند دارند. در این دوره، مربی Kumaran Ponnambalam نحوه استفاده از Apache Flink و فن آوریهای مرتبط برای ساخت موارد استفاده برای پردازش جریان را با استفاده از الگوهای محبوب نشان میدهد. کوماران با برجسته کردن فرصتها و چالشهایی که پردازش جریان به دادههای بزرگ میآورد، شروع میکند. وی سپس چهار الگوی محبوب برای پردازش جریان را ارائه میدهد: تجزیه و تحلیل جریان، هشدارها و آستانهها، تابلوهای امتیازات و پیش بینی در زمان واقعی. در طول راه، او موارد استفاده از مثال را مرور میکند و نحوه استفاده از Flink و همچنین فن آوریهای کلیدی مانند MariaDB و Redis را برای پیادهسازی نمونههای اصلی توضیح میدهد.
مهارت ها
FlinkApacheData EngineeringData ScienceDeep Dive (X:Y)
سرفصل ها
0. مقدمه
- 01 - پردازش جریانی با Flink
- 02 - آنچه باید بدانید
1. پردازش جریانی با Flink
- 03 - پردازش جریان چیست
- 04 - فرصت ها و چالش های جریان
- 05 - استریم با Flink
- 06 - تنظیم فایل های تمرین
- 07 - راه اندازی کافکا
- 08 - راه اندازی MariaDB و Redis
2. جریان تجزیه و تحلیل
- 09 - الگوی تجزیه و تحلیل جریان
- 10 - تجزیه و تحلیل جریان از طراحی مورد استفاده کنید
- 11 - کلاس های کمکی تجزیه و تحلیل جریانی
- 12 - اجرای خط لوله تجزیه و تحلیل جریان
- 13 - بررسی نتایج تجزیه و تحلیل جریان
3. هشدارها و آستانه ها
- 14 - الگوی هشدارها و آستانه ها
- 15 - هشدارها و آستانه ها از طراحی مورد استفاده کنید
- 16 - هشدارها و آستانه کلاس های کمکی
- 17 - اجرای خط لوله هشدارها و آستانه ها
- 18 - بررسی هشدارها و آستانه ها
4. تابلوهای امتیازات
- 19 - الگوی تابلوهای امتیازات
- 20 - تابلوهای امتیازات از طراحی کیس استفاده کنید
- 21 - کلاس های راهنمای مدیران
- 22 - اجرای خطوط لوله مدیران
- 23 - بررسی تابلوهای امتیازات
5. پیش بینی های زمان واقعی
- 24 - الگوی پیش بینی در زمان واقعی
- 25 - پیش بینی های بلادرنگ از طراحی موردی استفاده کنید
- 26 - کلاس های کمکی پیش بینی های زمان واقعی
- 27 - اجرای خط لوله پیش بینی های بلادرنگ
- 28 - بررسی پیش بینی های زمان واقعی
6. از پروژه Case استفاده کنید
- 29 - از تعریف موردی استفاده کنید
- 30 - طراحی پروژه
- 31 - رمز عبور
- 32 - اجرا و تحلیل کنید
نتیجه
- 33 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی الگوهای طراحی پردازش جریان با اسپارک
- دورهی آموزشی مقدماتی آپاچی اسپارک: مهندسی دادههای بزرگ
- دوره آموزشی الگوهای طراحی پردازش جریان با Kafka Streams
- دوره آموزشی مقدمه ای بر مهندسی داده در AWS: منبع یابی و ذخیره سازی داده ها
- دوره آموزشی خطوط داده و پردازش جریان با Deno
- دوره آموزشی آمادگی گواهینامه Microsoft Azure Data Engineer Associate (DP-203): بخش دوم طراحی و توسعه پردازش داده ها
- دوره آموزشی مهندسی داده مایکروسافت آژور (DP-203): بخش 2 طراحی و توسعه پردازش داده ها
- دوره آموزشی برنامهریزی داده، استراتژی و رعایت قوانین برای پروژههای هوش مصنوعی
مسیرهای مرتبط
- مسیر آموزشی ارتقا مهارت های خود به عنوان یک متخصص اسپارک آپاچی
- مسیر آموزشی مقدمهای بر مهارتهای پایه برای کار با داده: استراتژی و برنامهریزی دادهها
- مسیر آموزشی از دانشمند داده به یک تحلیلگر داده تبدیل شوید
- مسیر آموزشی کاوش شغلی در مهندسی داده
- مسیر آموزشی کار با داده: گردآوری، پردازش و ذخیرهسازی داده برای هوش مصنوعی
- مسیر آموزشی ایجاد مهارت های جاوا
- مسیر آموزشی تبدیل شدن به یک توسعه دهنده NoSQL
- مسیر آموزشی آماده شدن برای گواهینامه Azure Data Engineer Associate (DP-203)