Stream Processing Kurs i Oslo

Apache Samza er en åpen kildekode nær-sanntid, asynkron beregningsramme for strømbehandling. Den bruker Apache Kafka for meldinger, og Apache Hadoop YARN for feiltoleranse, prosessorisolering, sikkerhet og ressursstyring.

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

Tigon is an open-source, real-time, low-latency, high-throughput, native YARN, stream processing framework that sits on top of HDFS and HBase for persistence. Tigon applications address use cases such as network intrusion detection and analytics, social media market analysis, location analytics, and real-time recommendations to users.

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

I denne instruktørledede liveopplæringen vil deltakerne lære kjernekonseptene bak MapR Stream Architecture når de utvikler en streaming-applikasjon i sanntid.

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.

Kafka Streams er et bibliotek på klientsiden for å bygge applikasjoner og mikroservices hvis data sendes til og fra et Kafka-meldingssystem. Tradisjonelt har Apache Kafka vært avhengig av Apache Spark eller Apache Storm å behandle data mellom meldingsprodusenter og forbrukere. Ved å kalle Kafka Streams API fra en applikasjon, kan data behandles direkte i Kafka, og omgå behovet for å sende dataene til en egen klynge for behandling.

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

Stream Processing refererer til sanntidsbehandling av "data in motion", det vil si å utføre beregninger på data når de mottas. Slike data blir lest som kontinuerlige strømmer fra datakilder som sensorhendelser, brukeraktivitet på nettstedet, finansielle handler, kredittkortveksler, Stream Processing , etc. Stream Processing kan lese store mengder innkommende data og gi verdifull innsikt nesten øyeblikkelig.

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 engineers who wish to use Confluent (a distribution of Kafka) to build and manage a real-time data processing platform for their applications.

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.

Apache Kafka er en open-source strømbehandling plattform som gir en rask, pålitelig og lavlatens plattform for å håndtere realtids dataanalyse. Apache Kafka kan integreres med tilgjengelige programmeringsspråk som Python.

Denne instruktørledede, live-trening (online eller on-site) er rettet mot data ingeniører, data forskere og programmerere som ønsker å bruke Apache Kafka funksjoner i data streaming med Python.

Ved slutten av denne treningen vil deltakerne kunne bruke Apache Kafka til å overvåke og administrere forhold i kontinuerlige datastrømmer ved hjelp av Python programmering.

Format av kurset

Interaktiv forelesning og diskusjon. Mange øvelser og praksis. Hands-on implementering i et live-lab miljø.

Kurs tilpassingsalternativer

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

This instructor-led, live training in Oslo 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.

Apache NiFi (Hortonworks DataFlow) er en integrert Apache NiFi og enkel hendelsesbehandlingsplattform i sanntid som muliggjør flytting, sporing og automatisering av data mellom systemer. Det er skrevet med flytbasert programmering og gir et nettbasert brukergrensesnitt for å administrere dataflow i sanntid.

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.

Apache NiFi (Hortonworks DataFlow) er en integrert Apache NiFi og enkel hendelsesbehandlingsplattform i sanntid som muliggjør flytting, sporing og automatisering av data mellom systemer. Det er skrevet med flytbasert programmering og gir et nettbasert brukergrensesnitt for å administrere dataflow i sanntid.

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.

Apache Storm er en distribuert, real-time datamaskin som brukes til å muliggjøre real-time forretningsintelligens. Det gjør det ved å tillate applikasjoner å pålitelig behandle ubegrensede datastrømmer (f.eks. forbruk av strømmen).

"Storm er for real-time bearbeiding hva Hadoop er for batch bearbeiding!"

I denne instruktørledede live-trening lærer deltakerne hvordan du installerer og konfigurerer Apache Storm, og deretter utvikler og implementerer en Apache Storm applikasjon for å behandle store data i sanntid.

Noen av temaene som er inkludert i denne treningen inkluderer:

Apache Storm i sammenheng med Hadoop Arbeid med ubegrensede data Kontinuerlig beregning Real-time analyser Distribusjon av RPC og ETL

Be om dette kurset nå!

Publikum

Programvare og ETL utviklere Mainframe fagfolk Data forskere Big data analytikere 0 0 Profesjonelle

Format av kurset

Del forelesning, del diskusjon, øvelser og tung praksis

Apache Apex er en YARN-innfødt plattform som forener strøm og batch-behandling. Den behandler store data-i-bevegelse på en måte som er skalerbar, performant, feiltolerant, tilstrekkelig, sikker, distribuert og lett å betjene.

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.

Apache Beam is an open source, unified programming model for defining and executing parallel data processing pipelines. It's power lies in its ability to run both batch and streaming pipelines, with execution being carried out by one of Beam's supported distributed processing back-ends: Apache Apex, Apache Flink, Apache Spark, and Google Cloud Dataflow. Apache Beam is useful for ETL (Extract, Transform, and Load) tasks such as moving data between different storage media and data sources, transforming data into a more desirable format, and loading data onto a new system.

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.

Apache Ignite er en in-memory datamaskinplattform som sitter mellom applikasjonen og datalaget for å forbedre hastighet, skala og tilgjengelighet.

I denne instruktørledede, live-trening, vil deltakerne lære prinsippene bak vedvarende og ren minne lagring som de går gjennom opprettelsen av et prøver i minne dataprojekt.

Ved slutten av denne treningen vil deltakerne være i stand til å:

Bruk Ignite for in-memory, on-disk utholdenhet samt en ren distribuert in-memory database. Oppnå utholdenhet uten å synkronisere data tilbake til en relasjonell database. Bruk Ignite til å utføre SQL og distribuerte forbindelser. Forbedre ytelsen ved å flytte data nærmere CPU, ved å bruke RAM som lagring. Spredte data settes over en kluster for å oppnå horisontell skalerbarhet. Integrere Ignite med RDBMS, NoSQL, Hadoop og maskinlæring prosessorer.

Format av kurset

Interaktiv forelesning og diskusjon. Mange øvelser og praksis. Hands-on implementering i et live-lab miljø.

Kurs tilpassingsalternativer

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

This instructor-led, live training in Oslo (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.

Apache Spark Streaming er et skalbart, åpen kildesystem som gjør det mulig for brukerne å behandle data i sanntid fra støttede kilder. Spark Streaming muliggjør feiltolerant behandling av datastrømmer.

Denne instruktørledede, live-trening (online eller on-site) er rettet mot data ingeniører, data forskere og programmerere som ønsker å bruke Spark Streaming funksjoner i behandling og analyse av realtidsdata.

Ved slutten av denne treningen vil deltakerne kunne bruke Spark Streaming til å behandle live datastrømmer for bruk i databaser, filsystemer og live dashboards.

Format av kurset

Interaktiv forelesning og diskusjon. Mange øvelser og praksis. Hands-on implementering i et live-lab miljø.

Kurs tilpassingsalternativer

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