Building Graph Databases with Neo4j AuraDB Treningskurs

I denne instruktørledede, praktiske opplæringen i Norge, vil vi sette opp et live-prosjekt og sette i praksis ferdighetene til å modellere, administrere og få tilgang til dataene dine ved hjelp av neo4j. Vi kontrasterer og sammenligner grafdatabaser med SQL-baserte databaser så vel som andre NoSQL-databaser og avklarer når og hvor det er fornuftig å implementere hver i infrastrukturen din.

FlockDB er en åpen kildekode-distribuert, feiltolerant grafdatabase for å administrere brede, men grunne nettverksgrafer. Den ble opprinnelig brukt av Twitter til å lagre relasjoner mellom brukere.

I denne instruktørledede, live-opplæringen vil deltakerne lære hvordan de setter opp og bruker en FlockDB-database for å svare på spørsmål på sosiale medier som hvem som følger hvem, hvem som blokkerer hvem osv.

Ved slutten av denne opplæringen vil deltakerne kunne:

Installer og konfigurer FlockDB Forstå de unike egenskapene til FlockDB, i forhold til andre grafdatabaser som Neo4j. Bruk FlockDB for å vedlikeholde et stort grafdatasett. Bruk FlockDB sammen med MySQL for å gi distribuerte lagringsmuligheter Spørre, lage og oppdatere ekstremt raske grafkanter Skala FlockDB horisontalt for bruk i nettmiljøer med lav latens og høy gjennomstrømming

Publikum

Utviklere Database ingeniører

Format på kurset

Del forelesning, del diskusjon, øvelser og tung praktisk praksis

I denne instruktørledede, live-opplæringen i Norge vil deltakerne lære om teknologitilbudene og implementeringstilnærmingene for behandling av grafdata. Målet er å identifisere virkelige objekter, deres egenskaper og relasjoner, deretter modellere disse relasjonene og behandle dem som data ved å bruke en Graph Computing (også kjent som Graph Analytics) tilnærming. Vi starter med en bred oversikt og begrenser oss til spesifikke verktøy når vi går gjennom en serie casestudier, praktiske øvelser og live-implementeringer.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå hvordan grafdata opprettholdes og krysses.
• Velg det beste rammeverket for en gitt oppgave (fra grafdatabaser til rammeverk for batchbehandling.)
• Implementer Hadoop, Spark, GraphX og Pregel for å utføre grafberegning på tvers av mange maskiner parallelt.
• Se virkelige big data-problemer når det gjelder grafer, prosesser og traverseringer.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot ingeniører som ønsker å bruke JanusGraph til å behandle veldig store grafer som krever unormal lagrings- og beregningskapasitet.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer JanusGraph.
• Integrer JanusGraph med flere backend-lagringssystemer (Cassandra, HBase, etc.) og flere indekseringsprogramvare (Elasticsearch, Solr, etc.).
• Konfigurer flere maskiner til en klynge for bruk av JanusGraph.
• Spør databasen ved å bruke Gremlin-spørringsspråket.
• Behandle grafdata i skala, utover det en enkelt maskin kan gi.
• Støtt tusenvis av samtidige brukere som krysser grafdata i sanntid.
• Spør grafdata for analyse.

Blazegraph er en åpen kildekode, Java basert RDF Blazegraph for lagring og representasjon av data med komplekse forhold. Den støtter Blueprints og RDF / SPARQL 1.1.

I denne instruktørledede, Blazegraph , vil deltakerne lære hvordan de bruker Blazegraph til å fange komplekse data i grafisk format for henting fra en rekke eksempler. Alle øvelser vil bli gjennomført praktisk i et live-lab-miljø.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Blazegraph i frittstående modus, gruppert modus (valgfritt) eller innebygd modus (valgfritt)
• Opprett, test og distribuer et eksempelapplikasjon for å spørre om komplekse data i et Blazegraph datalager
• Forstå hvordan du utnytter GPU (grafikkbehandlingsenhet) for å akselerere beregningene

Publikum

• Utviklere

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.