Apache Kafka for Python Programmers培训

这种由讲师指导的中国现场现场培训针对的是希望使用Spark Streaming功能处理和分析实时数据的数据工程师，数据科学家和程序员。

在培训结束时，参与者将能够使用 Spark Streaming 处理实时数据流，以便在数据库、文件系统和实时仪表板中使用。

这种以讲师为主导的中国现场培训（现场或远程）针对的是希望在不编写代码的情况下实现Apache Kafka流处理的开发人员。

在培训结束时，参与者将能够：

• 安装和配置 Confluent KSQL。
• 仅使用 SQL 命令（不使用 Java 或 Python 编码）设置流处理管道。
• 完全在 SQL 中执行数据过滤、转换、聚合、联接、窗口化和会话化。
• 设计和部署交互式连续查询，用于流式 ETL 和实时分析。

Apache Ignite is an in-memory computing platform that sits between the application and data layer to improve speed, scale, and availability.

This instructor-led, live training (online or onsite) is aimed at developers who wish to learn the principles behind persistent and pure in-memory storage as they step through the creation of a sample in-memory computing project.

By the end of this training, participants will be able to:

• Use Ignite for in-memory, on-disk persistence as well as a purely distributed in-memory database.
• Achieve persistence without syncing data back to a relational database.
• Use Ignite to carry out SQL and distributed joins.
• Improve performance by moving data closer to the CPU, using RAM as a storage.
• Spread data sets across a cluster to achieve horizontal scalability.
• Integrate Ignite with RDBMS, NoSQL, Hadoop and machine learning processors.

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.

Apache Beam是一个开源的统一编程模型，用于定义和执行并行数据处理管道。它的强大之处在于它能够同时运行批处理流和流式管道，并且由Beam支持的分布式处理后端之一执行：Apache Apex，Apache Flink，Apache Spark和Google Cloud Dataflow。 Apache Beam可用于ETL（提取，转换和加载）任务，如在不同存储介质和数据源之间移动数据，将数据转换为更理想的格式以及将数据加载到新系统中。 在这个有指导意义的现场培训（现场或远程）中，参与者将学习如何在Java或Python应用程序中实现Apache Beam SDK，该应用程序定义了一个数据处理管道，用于将大数据集分解为更小的块，以进行独立的并行处理。 在培训结束后，参与者将能够： 安装并配置Apache Beam。 使用单一编程模型来执行批处理和流处理，而不是使用其Java或Python应用程序。 在多个环境中执行管道。 听众 开发商 课程的格式 部分讲座，部分讨论，练习和沉重的练习 注意 此课程将在未来可用于Scala。请联系我们安排。

Apache Apex是一个统一流和批处理的YARNnative平台。它以可伸缩，高性能，容错，有状态，安全，分布式和易于操作的方式处理大型数据移动。 这个有指导性的现场培训介绍了Apache Apex的统一流处理架构，并向参与者介绍了如何在Hadoop上使用Apex创建分布式应用程序。 在培训结束后，参与者将能够： 了解数据处理管道概念，例如源和汇的连接器，通用数据转换等。 构建，扩展和优化Apex应用程序可靠地处理实时数据流，延迟时间最短使用Apex Core和Apex Malhar库实现快速应用程序开发使用Apex API来编写和重用现有的Java代码将Apex作为处理引擎集成到其他应用程序中调整，测试和缩放Apex应用程序 听众 开发商企业架构师 课程的格式 部分讲座，部分讨论，练习和沉重的练习

Apache Storm是一款分布式实时计算机,用于实时业务智能。 它这样做,使应用程序能够可靠地处理无限制的数据流(例如: 流量处理)

"Storm 是用于实时处理,而 Hadoop 是用于集合处理!"

在本教练引导的现场培训中,参与者将学习如何安装和配置,然后开发和部署一个应用程序,以实时处理大数据。

在本培训中包含的一些主题包括:

• Apache Storm在背景下 Hadoop
• 使用无限数据
• 持续计算
• 实时分析
• 分布式RPC和ETL处理

请求此课程!

观众

• 软件和ETL开发人员
• 主要专业人士
• 数据科学家
• 大数据分析师
• [ ] 专业人士

课程格式

• 部分讲座,部分讨论,练习和重练习

在这个由讲师指导的中国现场（现场或远程）的现场培训中，参与者将学习如何在现场实验室环境中部署和管理Apache NiFi。

在培训结束时，参与者将能够：

• 安装和配置 Apachi NiFi。
• 从不同的分布式数据源（包括数据库和大数据湖）中获取、转换和管理数据。
• 自动化数据流。
• 启用流式分析。
• 应用各种方法进行数据引入。
• 转换 Big Data 并转化为业务见解。

在这个由讲师指导的中国现场培训中，参与者将学习基于流程的编程的基础知识，因为他们使用Apache NiFi开发许多演示扩展，组件和处理器。

在培训结束时，参与者将能够：

• 了解 NiFi 的架构和数据流概念。
• 使用 NiFi 和第三方 API 开发扩展。
• 定制开发自己的Apache Nifi处理器。
• 从不同且不常见的文件格式和数据源中提取和处理实时数据。

这个由讲师指导的中国 现场（远程或远程）的现场培训介绍了分布式流和批处理数据处理背后的原理和方法，并引导参与者在Apache Flink中创建实时数据流应用程序。

在培训结束时，参与者将能够：

设置用于开发数据分析应用程序的环境。 了解 Apache Flink 的 图形处理库 （Gelly） 是如何工作的。 打包、执行和监控基于 Flink 的容错数据流应用程序。 管理各种工作负载。 执行高级分析。 设置多节点 Flink 集群。 衡量和优化性能。 将 Flink 与不同的 Big Data 系统集成。 将 Flink 的能力与其他大数据处理框架进行比较。

Pandas 是一个 Python 包，它提供用于处理结构化（表格、多维、潜在异构）和时间序列数据的数据结构。

这种以讲师为主导的中国现场现场培训针对的是希望使用Pandas通过机器学习进行预测分析的数据科学家。

在培训结束时，参与者将能够：

• 在 Python 中执行数据整理。
• 执行机器学习的 ETL 操作。
• 使用 Pandas 创建数据可视化

这种以讲师为主导的中国现场现场培训针对的是希望使用Modin构建和实现并行计算的数据科学家和开发人员Pandas，以加快数据分析速度。

在培训结束时，参与者将能够：

• 设置必要的环境，开始使用 Modin 大规模开发 Pandas 工作流。
• 了解 Modin 的功能、架构和优势。
• 了解 Modin、Dask 和 Ray 之间的区别。
• 使用 Modin 更快地执行 Pandas 操作。
• 实现整个 Pandas API 和函数。

这种以讲师为主导的中国现场培训（现场或远程）针对的是希望将Dask与Python生态系统一起使用以构建，扩展和分析大型数据集的数据科学家和软件工程师。

在培训结束时，参与者将能够：

• 设置环境以开始使用 Dask 和 Python 构建大数据处理。
• 探索 Dask 中提供的功能、库、工具和 API。
• 了解 Dask 如何在 Python 中加速并行计算。
• 了解如何使用 Dask 扩展 Python 生态系统（Numpy、SciPy 和 Pandas）。
• 优化 Dask 环境，以保持处理大型数据集的高性能。

这种以讲师为主导的中国现场培训（现场或远程）面向希望将FastAPI与Python一起使用以更轻松，更快速地构建，测试和部署RESTful API的开发人员。

在培训结束时，参与者将能够：

• 设置必要的开发环境以使用 Python 和 FastAPI 开发 API。
• 使用 FastAPI 库更快、更轻松地创建 API。
• 了解如何基于 Pydantic 和 OpenAPI 创建数据模型和架构。
• 使用 SQLAlchemy 将 API 连接到数据库。
• 使用 FastAPI 工具在 API 中实现安全性和身份验证。
• 构建容器镜像并将 Web API 部署到云服务器。

这种以讲师为主导的现场培训（现场或远程）面向希望使用FARM（FastAPI，React和MongoDB）堆栈构建动态，高性能和可扩展Web应用程序的开发人员。

在培训结束时，参与者将能够：

设置集成 FastAPI、React 和 MongoDB 的必要开发环境。 了解 FARM 堆栈的关键概念、功能和优势。 了解如何使用 FastAPI 构建 REST API。 了解如何使用 React 设计交互式应用程序。 使用 FARM 堆栈开发、测试和部署应用程序（前端和后端）。