Hadoop For Administrators Treningskurs

Kurset er dedikert til IT-spesialister som leter etter en løsning for å lagre og behandle store datasett i distribuert systemmiljø

Kursmål:

Få kunnskap om Hadoop klyngeadministrasjon

Publikum:

Kurset er beregnet på IT-spesialister på jakt etter en løsning for å lagre og behandle store datasett i et distribuert systemmiljø

Goal:

Dyp kunnskap om Hadoop klyngeadministrasjon.

Publikum:

Dette kurset er ment å avmystifisere big data/hadoop-teknologi og vise at det ikke er vanskelig å forstå.

Apache Hadoop er det mest populære rammeverket for behandling av Big Data på klynger av servere. Dette kurset vil introdusere en utvikler til ulike komponenter (HDFS, MapReduce, Pig, Hive og HBase) Hadoop økosystem.

Apache Hadoop er et av de mest populære rammeverkene for behandling av Big Data på klynger av servere. Dette kurset går inn i datahåndtering i HDFS, avansert Pig, Hive og HBase. Disse avanserte programmeringsteknikkene vil være fordelaktige for erfarne Hadoop utviklere.

Målgruppe : utviklere

Varighet: tre dager

Format: forelesninger (50 %) og praktiske laboratorier (50 %).

Dette kurset introduserer HBase - en No SQL butikk på toppen av Hadoop . Kurset er beregnet på utviklere som skal bruke HBase til å utvikle applikasjoner, og administratorer som vil administrere HBase klynger.

Vi vil gå en utvikler gjennom HBase-arkitektur og datamodellering og applikasjonsutvikling på HBase. Den vil også diskutere bruk av MapReduce med HBase, og noen administrasjonsemner, relatert til ytelsesoptimalisering. Kurset er veldig praktisk med mange labøvelser.

Varighet : 3 dager

Publikum : Utviklere og administratorer

Dette kurset dekker hvordan du bruker Hive SQL språk (AKA: Hive HQL, SQL on Hive , Hive QL) for folk som henter ut data fra Hive

Cloudera Impala er en åpen kildekode massivt parallel processing (MPP) SQL søkemotor for Apache Hadoop klynger.

Impala gjør det mulig for brukere å sende spørsmål med lav latens SQL til data lagret i Hadoop Distribuert filsystem og Apache Hbase uten å kreve dataflytting eller transformasjon.

Publikum

Dette kurset er rettet mot analytikere og dataforskere som utfører analyser på data lagret i Hadoop via Business Intelligence eller SQL verktøy.

Etter dette kurset vil delegatene kunne

• Trekk ut meningsfull informasjon fra Hadoop klynger med Impala.
• Skriv spesifikke programmer for å lette Business Intelligens i Impala SQL Dialekt.
• Feilsøking Impala.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) introduserer Hortonworks Data Platform (HDP) og leder deltakerne gjennom utrullingen av Spark + Hadoop-løsningen.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Bruk Hortonworks til å kjøre Hadoop pålitelig i stor skala.
• Foren Hadoops sikkerhet, styring og drift med Sparks smidige analytiske arbeidsflyter.
• Bruk Hortonworks til å undersøke, validere, sertifisere og støtte hver av komponentene i et Spark-prosjekt.
• Behandle ulike typer data, inkludert strukturert, ustrukturert, i bevegelse og i hvile.

I denne instruktørledede, live-opplæringen i Norge (på stedet eller eksternt), vil deltakerne lære hvordan de distribuerer og administrerer Apache NiFi i et levende laboratoriemiljø.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Apachi NiFi.
• Kilde, transformer og administrer data fra forskjellige, distribuerte datakilder, inkludert databaser og store datainnsjøer.
• Automatiser dataflyter.
• Aktiver strømmeanalyse.
• Bruk ulike tilnærminger for datainntak.
• Forvandle Big Data og til forretningsinnsikt.

I denne instruktørledede, live-opplæringen i Norge vil deltakerne lære det grunnleggende om flytbasert programmering når de utvikler en rekke demo-utvidelser, komponenter og prosessorer ved hjelp av Apache NiFi.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå NiFis arkitektur og dataflytkonsepter.
• Utvikle utvidelser ved å bruke NiFi og tredjeparts APIer.
• Tilpasset utvikle sin egen Apache Nifi-prosessor.
• Ta inn og behandle sanntidsdata fra forskjellige og uvanlige filformater og datakilder.

Big data analytics innebærer prosessen med å undersøke store mengder varierte datasett for å avdekke korrelasjoner, skjulte mønstre og annen nyttig innsikt.

Helseindustrien har enorme mengder komplekse heterogene medisinske og kliniske data. Å bruke big data-analyse av helsedata gir et stort potensial i å oppnå innsikt for å forbedre leveransen av helsetjenester. Imidlertid gir enorme datasett store utfordringer i analyser og praktiske applikasjoner i et klinisk miljø.

I denne instruktørledede liveopplæringen (ekstern) vil deltakerne lære å utføre big data-analyse innen helse når de går gjennom en serie praktiske live-lab-øvelser.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer verktøy for analyse av big data som Hadoop MapReduce og Spark
• Forstå egenskapene til medisinsk data
• Bruk big data-teknikker for å håndtere medisinske data
• Studer store datasystemer og algoritmer i sammenheng med helseprogrammer

Publikum

• Utviklere
• Dataforskere

Kursets format

• Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse.

Merk

• For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot systemadministratorer som ønsker å lære hvordan de konfigurerer, distribuerer og administrerer Hadoop klynger i organisasjonen deres.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Apache Hadoop.
• Forstå de fire hovedkomponentene i Hadoop-økosystemet: HDFS, MapReduce, YARN og Hadoop Common.
• Bruk Hadoop Distributed File System (HDFS) for å skalere en klynge til hundrevis eller tusenvis av noder.
• Konfigurer HDFS for å fungere som lagringsmotor for Spark-distribusjoner på stedet.
• Sett opp Spark for å få tilgang til alternative lagringsløsninger som Amazon S3 og NoSQL databasesystemer som Redis, Elasticsearch, Couchbase, Aerospike, etc.
• Utfør administrative oppgaver som klargjøring, administrasjon, overvåking og sikring av en Apache Hadoop-klynge.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bruke og integrere Spark, Hadoop og Python for å behandle, analysere og transformere store og komplekse datasett.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige miljøet for å begynne å behandle store data med Spark, Hadoop og Python.
• Forstå funksjonene, kjernekomponentene og arkitekturen til Spark og Hadoop.
• Lær hvordan du integrerer Spark, Hadoop og Python for behandling av store data.
• Utforsk verktøyene i Spark-økosystemet (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka og Flume).
• Bygg anbefalingssystemer for samarbeidsfiltrering som ligner på Netflix, YouTube, Amazon, Spotify og Google.
• Bruk Apache Mahout til å skalere maskinlæringsalgoritmer.