Cursos de Procesamiento de flujo

este entrenamiento en vivo (in situ o remoto) dirigido por un instructor está dirigido a ingenieros que deseen utilizar Confluent (una distribución de Kafka) para construir y administrar una plataforma de procesamiento de datos en tiempo real para sus aplicaciones. al final de esta formación, los participantes podrán:

• instalar y configurar la plataforma Confluent.
• use herramientas y servicios de administración de Confluent & #39; s para ejecutar Kafka más fácilmente.
• Store y procese los datos de la secuencia entrante.
• optimice y administre clústeres de Kafka.
flujos de datos
• Secure.

Format del curso

Conferencia y discusión
• Interactive.
• muchos ejercicios y prácticas.
implementación práctica de
• en un entorno de laboratorio en vivo.

Opciones de personalización de Course

• este curso se basa en la versión de código abierto de Confluent: fuente abierta Confluent.
• para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar.

El procesamiento de flujo se refiere al procesamiento en tiempo real de "datos en movimiento", es decir, realizar cálculos sobre datos a medida que se reciben. Dichos datos se leen como flujos continuos de fuentes de datos tales como eventos de sensores, actividad de usuarios de sitios web, transacciones financieras, transferencias de tarjetas de crédito, transmisiones de clics, etc. Los marcos de procesamiento de flujos pueden leer grandes volúmenes de datos entrantes y proporcionar información valiosa casi instantáneamente. En este entrenamiento en vivo dirigido por un instructor (in situ o remoto), los participantes aprenderán cómo configurar e integrar diferentes marcos de Procesamiento de Stream con los sistemas de almacenamiento de big data existentes y aplicaciones de software y microservicios relacionados. Al final de esta capacitación, los participantes podrán:

• Instale y configure diferentes marcos de procesamiento de flujo, como Spark Streaming y Kafka Streaming
• Comprender y seleccionar el marco más adecuado para el trabajo
• Proceso de datos de forma continua, concurrente y de forma récord por registro
• Integre soluciones de procesamiento de flujo con bases de datos existentes, almacenes de datos, lagos de datos, etc.
• Integración de la biblioteca de procesamiento de flujo más apropiada con aplicaciones empresariales y microservicios

Audiencia

• Desarrolladores
• Arquitectos de software

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Notas

• Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos.

Apache Kafka es una plataforma de procesamiento de flujo de código abierto que proporciona una plataforma rápida, fiable y de baja latencia para el manejo de análisis de datos en tiempo real. Apache Kafka se puede integrar con los idiomas de programación disponibles como Python. Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a ingenieros de datos, científicos de datos y programadores que desean utilizar Apache Kafka características en streaming de datos con Python. Al final de este entrenamiento, los participantes podrán utilizar Apache Kafka para monitorear y gestionar las condiciones en flujos de datos continuos utilizando Python programación. Formato del curso

Lecciones y discusiones interactivas. Muchos ejercicios y prácticas. Implementación de manos en un entorno de laboratorio en vivo.

Opciones de Customización de Curso

Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.

Kafka Streams es una biblioteca del lado del cliente para la creación de aplicaciones y microservicios cuyos datos se transmiten desde y hacia un sistema de mensajería Kafka. Tradicionalmente, Apache Kafka ha confiado en Apache Spark o Apache Storm para procesar datos entre productores de mensajes y consumidores. Al llamar a Kafka Streams API desde dentro de una aplicación, los datos se pueden procesar directamente dentro de Kafka, pasando por alto la necesidad de enviar los datos a un clúster separado para su procesamiento. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo integrar Kafka Streams en un conjunto de aplicaciones Java de muestra que pasan datos desde y hacia Apache Kafka para el procesamiento de flujo. Al final de esta capacitación, los participantes podrán:

• Comprenda las características y ventajas de Kafka Streams frente a otros marcos de procesamiento de flujos
• Procesar datos de flujo directamente dentro de un clúster de Kafka
• Escriba una aplicación Java o Scala o microservicio que se integre con Kafka y Kafka Streams
• Escribe un código conciso que transforme los temas de entrada de Kafka en temas de salida de Kafka
• Construye, empaqueta y despliega la aplicación

Audiencia

• Desarrolladores

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Notas

• Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán los conceptos básicos detrás de MapR Stream Architecture mientras desarrollan una aplicación de transmisión en tiempo real. Al final de esta capacitación, los participantes podrán construir aplicaciones para productores y consumidores para el procesamiento de datos de flujo en tiempo real. Audiencia

• Desarrolladores
• Administradores

Formato de la carrera

• Parte de lectura, parte de discusión, ejercicios y práctica práctica

Nota

• Para solicitar un entrenamiento personalizado para esta carrera, contáctenos para organizarlo.

Apache Samza es un marco computacional asíncrono de código abierto casi en tiempo real para el procesamiento de flujos. Utiliza Apache Kafka para mensajería y Apache Hadoop YARN para tolerancia a fallas, aislamiento de procesador, seguridad y administración de recursos. Esta capacitación en vivo dirigida por un instructor presenta los principios detrás de los sistemas de mensajería y el procesamiento distribuido de flujo, mientras acompaña a los participantes a través de la creación de un proyecto basado en Samza y la ejecución de trabajos. Al final de esta capacitación, los participantes podrán: Usa Samza para simplificar el código necesario para producir y consumir mensajes
Desacoplar el manejo de los mensajes de una aplicación
Utilice Samza para implementar cálculos asincrónicos casi en tiempo real
Utilice el procesamiento de flujo para proporcionar un mayor nivel de abstracción en los sistemas de mensajería

Audiencia

• Desarrolladores

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Tigon es un marco de procesamiento de flujo de fuente abierta, en tiempo real, de baja latencia y alto rendimiento, nativo, que se asienta sobre HDFS y HBase para la persistencia. Las aplicaciones de Tigon abordan casos de uso tales como detección y análisis de intrusiones de red, análisis de mercado de redes sociales, análisis de ubicación y recomendaciones en tiempo real para los usuarios. Este curso presencial, dirigido por un instructor, presenta el enfoque de Tigon para combinar el procesamiento en tiempo real y por lotes a medida que guía a los participantes a través de la creación de una aplicación de muestra. Al final de esta capacitación, los participantes podrán:

• Cree aplicaciones potentes de procesamiento de flujo para manejar grandes volúmenes de datos
• Fuentes de flujo de procesos como Twitter y registros de servidor web
• Utilice Tigon para unir, filtrar y agregar secuencias rápidamente

Audiencia

• Desarrolladores

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica
   

Apache Flink es un marco de código abierto para flujo escalable y procesamiento de datos por lotes. Este curso presencial, dirigido por un instructor, presenta los principios y enfoques detrás del procesamiento distribuido de datos en secuencia y por lotes, y guía a los participantes a través de la creación de una aplicación de transmisión de datos en tiempo real. Al final de esta capacitación, los participantes podrán:

• Configure un entorno para desarrollar aplicaciones de análisis de datos
• Empaque, ejecute y monitoree las aplicaciones de transmisión de datos basadas en Flink y tolerantes a fallas
• Administrar diversas cargas de trabajo
• Realice análisis avanzados usando Flink ML
• Configurar un clúster Flink multinodo
• Mida y optimice el rendimiento
• Integrar Flink con diferentes sistemas Big Data
• Compare las capacidades de Flink con las de otros marcos de procesamiento de big data

Audiencia

• Desarrolladores
• Arquitectos
• Ingenieros de datos
• Profesionales de analítica
• Gerentes técnicos

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Apache NiFi (Hortonworks DataFlow) es una plataforma de procesamiento de eventos y logística de datos integrada en tiempo real que permite mover, rastrear y automatizar los datos entre los sistemas. Está escrito usando programación basada en flujo y proporciona una interfaz de usuario basada en web para administrar flujos de datos en tiempo real. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a implementar y administrar Apache NiFi en un entorno de laboratorio en vivo. Al final de esta capacitación, los participantes podrán:

• Instalar y configurar Apachi NiFi
• Fuente, transformar y gestionar datos de fuentes de datos dispersas y distribuidas, incluidas bases de datos y lagos de datos grandes.
• Automatice los flujos de datos
• Habilitar análisis de transmisión
• Aplicar varios enfoques para la ingestión de datos
• Transformar Big Data y en conocimientos empresariales

Audiencia

• Administradores del sistema
• Ingenieros de datos
• Desarrolladores
• DevOps

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Apache NiFi (Hortonworks DataFlow) es una plataforma de procesamiento de eventos y logística de datos integrada en tiempo real que permite mover, rastrear y automatizar los datos entre los sistemas. Está escrito usando programación basada en flujo y proporciona una interfaz de usuario basada en web para administrar flujos de datos en tiempo real. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán los fundamentos de la programación basada en flujo a medida que desarrollan una cantidad de extensiones de demostración, componentes y procesadores que usan Apache NiFi. Al final de esta capacitación, los participantes podrán:

• Comprender los conceptos de arquitectura y flujo de datos de NiFi
• Desarrollar extensiones utilizando NiFi y API de terceros
• Desarrolla a medida su propio procesador Apache Nifi
• Ingerir y procesar datos en tiempo real de formatos de archivo dispares y poco comunes y fuentes de datos

Audiencia

• Desarrolladores
• Ingenieros de datos

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica
   

Apache Storm es un motor de computación distribuido en tiempo real que se utiliza para habilitar la inteligencia empresarial en tiempo real. Lo hace al permitir que las aplicaciones procesen de forma confiable flujos de datos ilimitados (a.k.a. procesamiento de flujo). "Storm es para procesar en tiempo real lo que Hadoop es para el procesamiento por lotes". En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo instalar y configurar Apache Storm, luego desarrollarán e implementarán una aplicación Apache Storm para procesar Big Data en tiempo real. Algunos de los temas incluidos en esta capacitación incluyen:

• Apache Storm en el contexto de Hadoop
• Trabajando con datos ilimitados
• Cálculo continuo
• Análisis en tiempo real
• Procesamiento distribuido de RPC y ETL

¡Solicite este curso ahora! Audiencia

• Desarrolladores de software y ETL
• Profesionales de mainframe
• Científicos de datos
• Analistas de Big Data
• Profesionales de Hadoop

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Apache Apex es una plataforma nativa de YARN que unifica la transmisión y el procesamiento por lotes. Procesa big data-in-motion de una manera que es escalable, de rendimiento, tolerante a fallas, con estado, seguro, distribuido y de fácil operación. Este curso en vivo dirigido por un instructor presenta la arquitectura de procesamiento de flujo unificado de Apache Apex y guía a los participantes a través de la creación de una aplicación distribuida usando Apex en Hadoop. Al final de esta capacitación, los participantes podrán:

• Comprender los conceptos de canalización de procesamiento de datos, como conectores para fuentes y sumideros, transformaciones de datos comunes, etc.
• Cree, escale y optimice una aplicación Apex
• Procesar flujos de datos en tiempo real de manera confiable y con mínima latencia
• Utilice Apex Core y la biblioteca Apex Malhar para permitir el desarrollo rápido de aplicaciones
• Use la API Apex para escribir y reutilizar el código Java existente
• Integra Apex en otras aplicaciones como un motor de procesamiento
• Sintonizar, probar y escalar aplicaciones Apex

Audiencia

• Desarrolladores
• Arquitectos empresariales

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Apache Beam es un modelo de programación unificada de fuente abierta para definir y ejecutar tuberías de procesamiento de datos en paralelo Su poder radica en su capacidad para ejecutar canalizaciones por lotes y streaming, y la ejecución se lleva a cabo por uno de los backends de procesamiento distribuido admitidos por Beam: Apache Apex, Apache Flink, Apache Spark y Google Cloud Dataflow Apache Beam es útil para tareas ETL (Extraer, Transformar y Cargar), como mover datos entre diferentes medios de almacenamiento y fuentes de datos, transformar datos en un formato más deseable y cargar datos en un nuevo sistema En este entrenamiento en vivo instrumentado (in situ o remoto), los participantes aprenderán a implementar los SDK de Apache Beam en una aplicación Java o Python que define un canal de procesamiento de datos para descomponer un gran conjunto de datos en trozos más pequeños para un procesamiento paralelo independiente Al final de esta capacitación, los participantes podrán: Instalar y configurar Apache Beam Use un único modelo de programación para llevar a cabo el procesamiento por lotes y de flujo desde su aplicación Java o Python Ejecutar tuberías en múltiples entornos Audiencia Desarrolladores Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual Nota Este curso estará disponible Scala en el futuro Por favor contáctenos para hacer arreglos .

Apache Ignite es una plataforma informática en memoria que se encuentra entre la aplicación y la capacidad de datos para mejorar la velocidad, la escala y la disponibilidad. En este entrenamiento en vivo dirigido por un instructor, los participantes aprendieron los principios detrás del almacenamiento persistente y puro en la memoria a medida que avanzan en la creación de un proyecto de ejemplo de computación en memoria. Al final de esta capacitación, los participantes podrán:

• Utilice Ignite para la memoria en la memoria, la persistencia en disco y una base de datos en memoria puramente distribuida
• Logre la persistencia sin sincronizar los datos a una base de datos relacionales
• Use Ignite para llevar a cabo SQL y Uniones Distribuidas
• Mejore el rendimiento moviendo los datos más cerca de la CPU, usando la RAM como almacenamiento
• Extienda conjuntos de datos en un clúster para lograr la escalabilidad horizontal
• Integre Ignite con RDBMS, NoSQL, Hadoop y procesadores de aprendizaje automático

Audiencia

• Desarrolladores

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Confluent KSQL is a stream processing framework built on top of Apache Kafka. It enables real-time data processing using SQL operations. 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.

Apache Spark Streaming es un sistema de procesamiento de flujo de código abierto escalable que permite a los usuarios procesar datos en tiempo real de fuentes apoyadas. Spark Streaming permite el tratamiento de los flujos de datos con tolerancia de errores. Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a ingenieros de datos, científicos de datos y programadores que desean utilizar Spark Streaming características en el procesamiento y análisis de datos en tiempo real. Al final de este entrenamiento, los participantes podrán utilizar Spark Streaming para procesar los flujos de datos en vivo para su uso en bases de datos, sistemas de archivos y dashboards en vivo. Formato del curso

Lecciones y discusiones interactivas. Muchos ejercicios y prácticas. Implementación de manos en un entorno de laboratorio en vivo.

Opciones de Customización de Curso

Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.