HBase for Developers Treningskurs

Målgruppe:

Kurset er ment for IT-spesialister som ser etter en løsning for å lagre og behandle store datasett i en distribusjonssystemmiljø.

Goal:

Dypt kunnskap om Hadoop klusteradministrasjon.

Målgruppe:

Dette kurset er ment å gjøre big data/Hadoop-teknologi mindre mystisk og vise at det ikke er vanskelig å forstå.

Når tradisjonelle lagringsteknologier ikke takler mengden data du må lagre, er det hundrevis av alternativer. Dette kurset forsøker å veilede deltakerne om hvilke alternativer det finnes for å lagre og analysere Big Data og hvilke fordeler og ulemper de har.

Dette kurset er hovedsakelig fokusert på diskusjon og presentasjon av løsninger, selv om praktiske øvelser er tilgjengelig på forespørsel.

Apache Hadoop er den mest populære rammen for å behandle Big Data på serverkluster. Denne kursen vil introdusere en utvikler til ulike komponenter (HDFS, MapReduce, Pig, Hive og HBase) i Hadopen økosystemet.

Apache Hadoop er en av de mest populære rammenettene for å behandle stordata på serverklustre. Dette kurset dykker dyp ned i datalagring i HDFS, avansert Pig, Hive og HBase. Disse avanserte programmeringsteknikkene vil være til nytte for utviklere med erfaring i Hadoop.

Målgruppe: utviklere

Varighet: tre dager

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

Apache Hadoop er det mest populære rammeverket for behandling på klustre av servere. I dette tre (valgfritt, fire) dagers kurs vil deltakerne lære om de forretningsmessige fordeler og bruksområdene for Hadoop og dets økosystem, hvordan man planlegger klusterutplassering og vekst, hvordan man installerer, vedlikeholder, overvåker, feilsøker og optimaliserer Hadoop. De vil også øve på klusterbulkdataopplasting, bli kjent med ulike Hadoop-distribusjoner og øve på installasjon og administrasjon av Hadoop-økosystemverktøy. Kurset avsluttes med en diskusjon om å sikre kluster med Kerberos.

“…Materialene var svært godt forberedt og dekket grundig. Laboratoriene var svært nyttige og godt organisert”— Andrew Nguyen, Principal Integration DW Engineer, Microsoft Online Advertising

Målgruppe

Hadoop-administratorer

Format

Forelesninger og praktiske laboratorier, omtrentlig balanse 60% forelesninger, 40% laboratorier.

Kurset er en del av Data Scientist ferdighetssettet (Domain: Data and Technology).

Scylla er en open-source distribuert NoSQL-databank. Den er kompatibel med Apache Cassandra, men yter med betydelig høyere gjennomstrømning og lavere latens.

I dette kurset vil deltakerne lære om Scyllas funksjoner og arkitektur samt få praktisk erfaring med oppsett, administrering, overvåking og feilsøking av Scylla. 

Målgruppe

• Databankadministratorer
• Utviklere
• Systemingeniører

Kursets format

• Kurset er interaktivt og inkluderer diskusjoner om prinsipper og tilnærminger for å distribuere og administrere Scylla-distribuerte databaser og kluster.
• Kurset inkluderer en omfattende del med hånd-på-øvelser og praktisk trening.

Apache NiFi er en open source, flytdriftsbasert dataintegrering- og hendelseshåndteringplattform. Det muliggjør automatisert, sanntids-datarouting, -transformasjon og systemmediasjon mellom ulike systemer, med en webbasert brukergrensesnitt og detaljert kontroll.

Dette instruktørførte, live-utdanningskurs (på stedet eller fjern) er rettet mot mellemnivåadministratorer og ingeniører som ønsker å distribuere, administrere, sikre og optimalisere NiFi-dataflyter i produksjonsmiljøer.

Av slutten av dette kurset vil deltakerne kunne:

• Installere, konfigurere og vedlikeholde Apache NiFi-kluster.
• Utforme og administrere dataflyter fra ulike kilder og mottakere.
• Implementere flytautomatisering, -ruting og transformasjonslogikk.
• Optimalisere ytelse, overvåke operasjonen og feilsøke problemer.

Kursformat

• Interaktiv forelesning med diskusjon om virkelige arkitekturer.
• Håndsom lab: bygge, distribuere og administrere flyter.
• Situasjonsbaserte øvelser i et live-lab-miljø.

Kurs tilpasningsmuligheter

• For å be om et tilpasset kurs, vennligst kontakt oss for å organisere det.

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.

Relasjonsdatabaser har vært teknologien som foretrekkes for lagring, henting og spørring av data. Relasjonsdatabaser lar brukerne organisere sine data ved hjelp av en strukturell, godt definert mønster (modell). Mens denne tilnærmingen fungerer bra for lagring av data som er standardisert og godt forstått på forhånd (tenk på en sykehusinnsjekksapplikasjon som holder pasientopplysninger med samme konsistente sett av fordefinerte felt... pasient ID, første navn, etternavn, dato for siste besøk, osv.), er det begrensninger i denne modellen. For organisasjoner hvis innkommende data ikke er godt definert (tenk på et online spørreskjema for en startup som fortsatt er i ferd med å eksperimentere med ulike felt for å samle inn besøksdata, fjerne og legge til felt som de går for å tilpasse seg den endrende naturen av virksomheten), ville noen etablerte definisjoner for hvordan dataen skal passe inn i en eksisterende database måtte bli omdefinert regelmessig. Dette ville kreve gjenoppretting av datastruktur (skjema) som dikterer strukturen til dataen og dens tillatte datatyper for å støtte forskjellige typer datainnputter, osv., før noen ny data kunne lagres i databasen.

Her kommer NoSQL (Not Only SQL) databaser. NoSQL databaser frigjør brukerne fra behovet for å definere strukturen til innkommende data på forhånd, og lar dem sette inn og oppdatere ny data på fly. NoSQL databaser er ofte raskere enn relasjonsdatabaser og kan håndtere svært store mengder data uten problemer. NoSQL databaser skal også bedre enn relasjonsdatabaser, på grunn av deres evne til effektivt å dele opp data over mange servere (kluster) og balansere belastningen til denne dataen. NoSQL databaser integrerer spesielt godt med applikasjoner som støtter sanntidanalyse, nettstedstilpasning, IoT og mobile applikasjoner.

I denne instruktørledede, live-treningen vil deltakerne forstå arkitekturen, designprinsippene og funksjonaliteten til de mest populære NoSQL databasene når de setter opp, opererer og vurderer flere NoSQL databaser i en live-laboratorie miljø. Målet med denne treningen er å gjøre deltakerne i stand til å intelligens evaluere, foreslå og implementere en egnet NoSQL database løsning innenfor sin organisasjon.

Ved slutten av denne treningen vil deltakerne kunne:

• Installere og konfigurere ulike typer NoSQL databaser, inkludert MongoDB, Cassandra, Redis og Neo4j
• Forstå fordelene og ulempene ved NoSQL databaser vs relasjonsdatabaser
• Forstå de underliggende dataformater som brukes av NoSQL databaser og hvordan disse formater kan brukes til fordel når man utvikler moderne applikasjoner (skrivebords-, mobil-, sky-, IoT)
• Utføre opprettelse, innsetting, oppdatering, sletting av operasjoner i en NoSQL database
• Opprette en blandet miljø med både en relasjonsdatabase og NoSQL som fungerer i tandom
• Konfigurere en kluster av NoSQL database for å fordeles behandlingen av svært store datamengder
• Forstå sikkerhetsimplikasjonene ved å bruke en NoSQL database
• Distribuer og skalere en NoSQL database i en produksjonsmiljø

Målgruppe

• Database fagfolk
• Dataarkitekter
• Datastrategier
• Prosjektledere
• Applikasjonsutviklere som ønsker å integrere en fleksibel database løsning i sin applikasjon

Formatet på kurset

• Deler forelesning, deler diskusjon, øvelser og mye praktisk øving

Bemerkning

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

Big data analytics innebærer prosessen med å undersøke store mengder varierende datasett for å oppdage sammenhenger, skjulte mønstre og andre nyttige innsikter.

Helsenæringen har enorme mengder kompleks og heterogene medisinske og kliniske data. Ved å bruke big data analytics på helsedata, finnes det stort potensial for å utlede innsikter som kan forbedre leveringen av helseomsorgen. Imidlertid stiller størrelsen på disse datasettene store utfordringer i analyser og praktiske anvendelser i en klinisk miljø.

I denne instruktørledede, live-treningen (fjernta), vil deltakerne lære hvordan de kan utføre big data analytics i helsenæringen gjennom en rekke praksisøvelser i live-lab.

Avslutning på denne treningen vil deltakerne kunne:

• Installere og konfigurere big data analyseverktøy som Hadoop MapReduce og Spark
• Få en forståelse for egenskapene til medisinske data
• Bruke big data teknikker for å håndtere medisinske data
• Studere big data systemer og algoritmer i sammenhengen med helseanvendelser

Målgruppe

• Utviklere
• Datavitenskapsfolk

Kursformat

• Del foredrag, del diskusjon, øvelser og mye praksis.

Merk

• For å be om en tilpasset trening for dette kurset, vennligst kontakt oss for å ordne det.

redis

nosql

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 sted) retter seg mot databaseadministratorer eller utviklere som ønsker å bruke Microsoft Azure Cosmos DB for å utvikle og administrere svært responsive og lavlatensapplikasjoner.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Tilrettelegge de nødvendige Cosmos DB-resursene for å begynne å bygge databaser og applikasjoner.
• Skalere applikasjonsytelse og lagring ved å bruke API-er i Cosmos DB. 
• Administrere databaseoperasjoner og redusere kostnader ved å optimalisere Cosmos DB-resurser.