
Local, instructorled live Stream Processing training courses demonstrate through interactive discussion and handson practice the fundamentals and advanced topics of Stream Processing
Stream Processing training is available as "onsite live training" or "remote live training" Onsite live training can be carried out locally on customer premises in Norge or in NobleProg corporate training centers in Norge Remote live training is carried out by way of an interactive, remote desktop
NobleProg Your Local Training Provider.
Machine Translated
Testimonials
Jeg likte den gode balansen mellom teori og praktiske laboratorier.
N. V. Nederlandse Spoorwegen
Kurs: Apache Ignite: Improve Speed, Scale and Availability with In-Memory Computing
Machine Translated
Jeg hadde generelt nytte av mer forståelsen av Ignite.
N. V. Nederlandse Spoorwegen
Kurs: Apache Ignite: Improve Speed, Scale and Availability with In-Memory Computing
Machine Translated
Jeg likte stort sett de gode forelesningene.
N. V. Nederlandse Spoorwegen
Kurs: Apache Ignite: Improve Speed, Scale and Availability with In-Memory Computing
Machine Translated
Gjenkalling / gjennomgang av tastene av emnene som er diskutert.
Paolo Angelo Gaton - SMS Global Technologies Inc.
Kurs: Building Stream Processing Applications with Kafka Streams
Machine Translated
treningsemner og trenerens involvering
Izba Administracji Skarbowej w Lublinie
Kurs: Apache NiFi for Administrators
Machine Translated
Kollegekommunikasjon med folk som deltar i opplæringen.
Andrzej Szewczuk - Izba Administracji Skarbowej w Lublinie
Kurs: Apache NiFi for Administrators
Machine Translated
nytten av øvelser
Algomine sp.z.o.o sp.k.
Kurs: Apache NiFi for Administrators
Machine Translated
Jeg likte veldig godt treningene. Anton har mye kunnskap og la den nødvendige teorien ut på en veldig tilgjengelig måte. Det er flott at treningen var mange interessante øvelser, så vi har vært i kontakt med teknologien vi kjenner helt fra starten.
Szymon Dybczak - Algomine sp.z.o.o sp.k.
Kurs: Apache NiFi for Administrators
Machine Translated
Laboratoriet øvelser. Bruke teorien fra første dag i påfølgende dager.
Dell
Kurs: A Practical Introduction to Stream Processing
Machine Translated
Jeg likte virkelig arbeidsøvelser med klynge for å se ytelsen til noder på tvers av klyngen og utvidet funksjonalitet.
CACI Ltd
Kurs: Apache NiFi for Developers
Machine Translated
Ajay var en veldig erfaren konsulent og kunne svare på alle spørsmålene våre, og til og med kommet med forslag til beste praksis for prosjektet vi for tiden jobber med.
CACI Ltd
Kurs: Apache NiFi for Administrators
Machine Translated
Stream Processing Underkategorier
Stream Processing Kursplaner
I denne instruktørledede, liveopplæringen, vil deltakerne lære prinsippene bak vedvarende og ren lagring i minnet når de går gjennom opprettelsen av et eksempelprosjekt i minnet.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Bruk Ignite for i-minne, utholdenhet på disken, samt en rent distribuert database i minnet.
- Oppnå utholdenhet uten å synkronisere data tilbake til en relasjonsdatabase.
- Bruk Ignite til å utføre SQL og distribuerte sammenføyninger.
- Forbedre ytelsen ved å flytte data nærmere CPU, ved å bruke RAM som lagring.
- Spred datasett over en klynge for å oppnå horisontal skalerbarhet.
- Integrer Ignite med RDBMS, No SQL , Hadoop og maskinlæringsprosessorer.
Kursets format
- Interaktiv forelesning og diskusjon.
- Masse øvelser og trening.
- Praktisk implementering i et live-lab-miljø.
Alternativer for tilpasning av kurset
- For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.
Denne instruktørledede, liveopplæringen introduserer Apache Apex 'enhetlige strømbehandlingsarkitektur, og leder deltakerne gjennom opprettelsen av en distribuert applikasjon som bruker Apex på Hadoop .
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå databehandlingsrørledningskonsepter som kontakter for kilder og vasker, vanlige datatransformasjoner, etc.
- Bygg, skaler og optimaliser et Apex-program
- Behandle datastrømmer i sanntid pålitelig og med minimum latens
- Bruk Apex Core og Apex Malhar-biblioteket for å muliggjøre rask applikasjonsutvikling
- Bruk Apex API for å skrive og bruke eksisterende Java kode på nytt
- Integrer Apex i andre applikasjoner som en prosessor
- Still inn, test og skaler Apex-applikasjoner
Kursets format
- Interaktiv forelesning og diskusjon.
- Masse øvelser og trening.
- Praktisk implementering i et live-lab-miljø.
Alternativer for tilpasning av kurset
- For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.
In this instructor-led, live training (onsite or remote), participants will learn how to implement the Apache Beam SDKs in a Java or Python application that defines a data processing pipeline for decomposing a big data set into smaller chunks for independent, parallel processing.
By the end of this training, participants will be able to:
- Install and configure Apache Beam.
- Use a single programming model to carry out both batch and stream processing from withing their Java or Python application.
- Execute pipelines across multiple environments.
Format of the Course
- Part lecture, part discussion, exercises and heavy hands-on practice
Note
- This course will be available Scala in the future. Please contact us to arrange.
By the end of this training, participants will be able to:
- Install and configure Confluent Platform.
- Use Confluent's management tools and services to run Kafka more easily.
- Store and process incoming stream data.
- Optimize and manage Kafka clusters.
- Secure data streams.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- This course is based on the open source version of Confluent: Confluent Open Source.
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training introduces the principles and approaches behind distributed stream and batch data processing, and walks participants through the creation of a real-time, data streaming application in Apache Flink.
By the end of this training, participants will be able to:
- Set up an environment for developing data analysis applications.
- Package, execute, and monitor Flink-based, fault-tolerant, data streaming applications.
- Manage diverse workloads.
- Perform advanced analytics.
- Set up a multi-node Flink cluster.
- Measure and optimize performance.
- Integrate Flink with different Big Data systems.
- Compare Flink capabilities with those of other big data processing frameworks.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
I denne instruktørledede, liveopplæringen (på stedet eller fjernkontrollen) vil deltakerne lære å sette opp og integrere forskjellige Stream Processing rammer med eksisterende store datalagringssystemer og relaterte programvareapplikasjoner og mikroservices.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Installer og konfigurer forskjellige Streaming Stream Processing rammer, for eksempel Spark Streaming og Kafka Streaming.
- Forstå og velg de mest passende rammene for jobben.
- Behandle data kontinuerlig, samtidig og på en post-for-post måte.
- Integrer Stream Processing med eksisterende databaser, datavarehus, datasjøer, etc.
- Integrer det mest passende strømbehandlingsbiblioteket med bedriftsapplikasjoner og mikroservices.
Publikum
- Utviklere
- Programvarearkitekter
Kursets format
- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
Merknader
- For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.
This instructor-led, live training (online or onsite) is aimed at data engineers, data scientists, and programmers who wish to use Apache Kafka features in data streaming with Python.
By the end of this training, participants will be able to use Apache Kafka to monitor and manage conditions in continuous data streams using Python programming.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
I denne instruktørledede, liveopplæringen, vil deltakerne lære å integrere Kafka Streams i et sett med Java applikasjoner som sender data til og fra Apache Kafka for strømbehandling.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå Kafka Streams funksjoner og fordeler i forhold til andre rammeverk for prosessering av strømmer
- Behandle data direkte i en Kafka-klynge
- Skriv en Java eller Scala applikasjon eller mikroservice som integreres med Kafka og Kafka Streams
- Skriv kortfattet kode som forvandler input Kafka-emner til output Kafka-emner
- Bygg, pakke og distribuer applikasjonen
Publikum
- Utviklere
Kursets format
- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
Merknader
- For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale
This instructor-led, live training (online or onsite) is aimed at developers who wish to implement Apache Kafka stream processing without writing code.
By the end of this training, participants will be able to:
- Install and configure Confluent KSQL.
- Set up a stream processing pipeline using only SQL commands (no Java or Python coding).
- Carry out data filtering, transformations, aggregations, joins, windowing, and sessionization entirely in SQL.
- Design and deploy interactive, continuous queries for streaming ETL and real-time analytics.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
Ved slutten av denne opplæringen vil deltakerne kunne bygge produsent- og forbrukerapplikasjoner for data-prosessering i sanntid.
Publikum
- Utviklere
- administratorer
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.
I denne instruktørledede Apache NiFi (på stedet eller fjernkontrollen) vil deltakerne lære å distribuere og administrere Apache NiFi i et levende laboratoriemiljø.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Installer og konfigurer Apachi NiFi.
- Kildes, transformer og administrer data fra forskjellige, distribuerte datakilder, inkludert databaser og big data innsjøer.
- Automatiser dataflow.
- Aktiver streaminganalyse.
- Bruk forskjellige fremgangsmåter for inntak av data.
- Transformer Big Data og til forretningsinnsikt.
Kursets format
- Interaktiv forelesning og diskusjon.
- Masse øvelser og trening.
- Praktisk implementering i et live-lab-miljø.
Alternativer for tilpasning av kurset
- For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.
I denne instruktørledede Apache NiFi vil deltakerne lære grunnleggende grunnlag av Apache NiFi programmering når de utvikler en rekke demo-utvidelser, komponenter og prosessorer som bruker Apache NiFi .
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå NiFis arkitektur og dataflowkonsepter.
- Utvikle utvidelser ved å bruke NiFi og tredjeparts APIer.
- Custom utvikle sin egen Apache Nifi-prosessor.
- Sette inn og behandle sanntidsdata fra forskjellige og uvanlige filformater og datakilder.
Kursets format
- Interaktiv forelesning og diskusjon.
- Masse øvelser og trening.
- Praktisk implementering i et live-lab-miljø.
Alternativer for tilpasning av kurset
- For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.
Denne instruktørledede, liveopplæringen introduserer prinsippene bak meldingssystemer og distribuert strømbehandling, mens de går deltakerne gjennom opprettelsen av et eksempel på Samza-basert prosjekt og jobbutførelse.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Bruk Samza for å forenkle koden som er nødvendig for å produsere og konsumere meldinger.
- Kobler fra behandlingen av meldinger fra et program.
- Bruk Samza til å implementere asynkron beregning nær sanntid.
- Bruk strømbehandling for å gi et høyere abstraksjonsnivå over meldingssystemer.
Publikum
- Utviklere
Kursets format
- Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse
This instructor-led, live training (online or onsite) is aimed at data engineers, data scientists, and programmers who wish to use Spark Streaming features in processing and analyzing real-time data.
By the end of this training, participants will be able to use Spark Streaming to process live data streams for use in databases, filesystems, and live dashboards.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
"Storm is for real-time processing what Hadoop is for batch processing!"
In this instructor-led live training, participants will learn how to install and configure Apache Storm, then develop and deploy an Apache Storm application for processing big data in real-time.
Some of the topics included in this training include:
- Apache Storm in the context of Hadoop
- Working with unbounded data
- Continuous computation
- Real-time analytics
- Distributed RPC and ETL processing
Request this course now!
Audience
- Software and ETL developers
- Mainframe professionals
- Data scientists
- Big data analysts
- Hadoop professionals
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
This instructor-led, live training introduces Tigon's approach to blending real-time and batch processing as it walks participants through the creation a sample application.
By the end of this training, participants will be able to:
- Create powerful, stream processing applications for handling large volumes of data
- Process stream sources such as Twitter and Webserver Logs
- Use Tigon for rapid joining, filtering, and aggregating of streams
Audience
- Developers
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice