中国现场Stream processing培训

Apache Samza是一个用于流处理的开源近实时异步计算框架。它使用Apache Kafka进行消息传递，使用Apache Kafka Hadoop YARN进行容错，处理器隔离，安全性和资源管理。 这个由讲师指导的实时培训介绍了消息传递系统和分布式流处理背后的原理，同时通过创建基于Samza的示例项目和作业执行来引导参与者。 在培训结束时，参与者将能够：

• 使用Samza简化生成和使用消息所需的代码。
• 解耦来自应用程序的消息处理。
• 使用Samza实现近实时异步计算。
• 使用流处理为消息传递系统提供更高级别的抽象。

听众

• 开发商

课程形式

• 部分讲座，部分讨论，练习和繁重的实践练习

Kafka Streams是一个客户端库，用于构建应用程序和微服务，其数据传入和传出Kafka消息传递系统。传统上， Apache Kafka依靠Apache Spark或Apache Storm来处理消息生成者和消费者之间的数据。通过在应用程序内调用Kafka Streams API，可以直接在Kafka中处理数据，从而无需将数据发送到单独的集群进行处理。 在这个由讲师指导的实时培训中，参与者将学习如何将Kafka Streams集成到一组示例Java应用程序中，这些应用程序将数据传入和传出Apache Kafka以进行流处理。 在培训结束时，参与者将能够：

• 了解Kafka Streams的功能和优势，而不是其他流处理框架
• 直接在Kafka集群中处理流数据
• 编写与Kafka和Kafka Streams集成的Java或Scala应用程序或微服务
• 编写简洁的代码，将输入的Kafka主题转换为输出Kafka主题
• 构建，打包和部署应用程序

听众

• 开发商

课程 格式

• 部分讲座，部分讨论，练习和繁重的实践练习

笔记

• 要申请本课程的定制培训，请联系我们安排

在这个以讲师为主导的中国现场培训（现场或远程）中，参与者将学习如何设置不同的Stream Processing框架并将其与现有的大数据存储系统以及相关的软件应用程序和微服务集成。 在培训结束时，参与者将能够：

• 安装和配置不同的 Stream Processing 框架，例如 Spark Streaming 和 Kafka Streaming。
• 了解并选择最适合工作的框架。
• 以逐条记录的方式连续、并发地处理数据。
• 将 Stream Processing 解决方案与现有数据库、数据仓库、数据湖等集成。
• 将最合适的流处理库与企业应用程序和微服务集成 。

这种以讲师为主导的现场培训（现场或远程）是针对希望使用Confluent（Kafka的分发）为其应用程序构建和管理实时数据处理平台的工程师。 在培训结束时，参与者将能够：

• 安装和配置Confluent Platform。
• 使用Confluent的管理工具和服务可以更轻松地运行Kafka。
• 存储和处理传入的流数据。
• 优化和管理Kafka集群。
• 安全的数据流。

课程格式

• 互动讲座和讨论。
• 大量的练习和练习。
• 在实时实验室环境中亲自实施。

课程自定义选项

• 本课程基于Confluent：Confluent Open Source的开源版本。
• 要申请本课程的定制培训，请联系我们安排。

这种以讲师为主导的中国现场现场培训面向希望在数据流中使用Apache Kafka功能的数据工程师，数据科学家和程序员Python。 在培训结束时，参与者将能够使用 Apache Kafka 通过 Python 编程来监控和管理连续数据流中的条件。

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。

这种由讲师指导的中国现场现场培训面向希望在逐步创建示例内存计算项目时学习持久性和纯内存存储背后的原理的开发人员。 在培训结束时，参与者将能够：

使用 Ignite 实现内存中、磁盘上的持久性以及纯分布式内存中数据库。 在不将数据同步回关系数据库的情况下实现持久性。 使用 Ignite 执行 SQL 和分布式联接。 通过使用 RAM 作为存储，将数据移动到更靠近 CPU 的位置来提高性能。 将数据集分布在集群中，以实现水平可扩展性。 将 Ignite 与 RDBMS、NoSQL、Hadoop 和机器学习处理器集成。

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。