Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés
- Apache Beam kontra MapReduce, Spark Streaming, Kafka Streaming, Storm és Flink
Telepítés és konfigurálás Apache Beam
A Apache Beam szolgáltatások és építészet áttekintése
- Sugármodell, SDK-k, gerendacsővezeték-futók
- Elosztott feldolgozási háttérrendszerek
A Apache Beam Programming modell megértése
- Hogyan történik egy csővezeték végrehajtása
Mintavezeték futtatása
- Egy WordCount pipeline előkészítése
- A csővezeték helyi kivitelezése
Csővezeték tervezése
- A szerkezet tervezése, a transzformációk kiválasztása, a bemeneti és kimeneti módszerek meghatározása
A csővezeték létrehozása
- Az illesztőprogram megírása és a folyamat definiálása
- Apache Beam osztály használata
- Adatkészletek, átalakítások, I/O, adatkódolás stb.
A csővezeték végrehajtása
- A folyamat végrehajtása helyben, távoli gépeken és nyilvános felhőn
- Futó kiválasztása
- Futóspecifikus konfigurációk
Tesztelés és hibakeresés Apache Beam
- Típusi tippek használata a statikus gépelés emulálásához
- Python Pipeline Dependenciák kezelése
Korlátozott és korlátlan adatkészletek feldolgozása
- Ablakozás és triggerek
Csővezetékei újrafelhasználhatóvá és karbantarthatóvá tétele
Hozzon létre új adatforrásokat és nyelőket
- Apache Beam Source and Sink API
A Apache Beam integrálása más Big Data rendszerekkel
- Apache Hadoop, Apache Spark, Apache Kafka
Hibaelhárítás
Összegzés és következtetés
Követelmények
- Tapasztalat: Python Programming.
- Tapasztalat a Linux parancssor használatában.
Közönség
- Fejlesztők
14 Órák
