Cursos de Procesamiento de flujo en Ecuador

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.

En esta capacitación en vivo dirigida por un instructor en Ecuador (in situ o remota), los participantes aprenderán a configurar e integrar diferentes marcos Stream Processing con los sistemas de almacenamiento de big data existentes y las aplicaciones de software y microservicios relacionados. Al final de esta capacitación, los participantes serán capaces de:

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

Esta capacitación en vivo dirigida por un instructor en Ecuador (en línea o presencial) está dirigida a ingenieros de datos, científicos de datos y programadores que deseen utilizar las funciones Apache Kafka en la transmisión de datos con Python.Al final de esta capacitación, los participantes podrán usar Apache Kafka para monitorear y administrar condiciones en flujos de datos continuos utilizando Python programación.

Kafka Streams es una biblioteca del lado del cliente para crear aplicaciones y microservicios cuyos datos se pasan desde y hacia un sistema de mensajería Kafka. Tradicionalmente, Apache Kafka ha confiado en Apache Spark o Apache Storm para procesar datos entre productores y consumidores de mensajes. Al llamar a la API de Kafka Streams desde una aplicación, los datos se pueden procesar directamente dentro de Kafka, evitando 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 hacia y desde Apache Kafka para el procesamiento de la transmisión. Al final de esta capacitación, los participantes podrán:

• Comprender las características y ventajas de Kafka Streams sobre otros marcos de procesamiento de stream
• Procesar datos de flujo directamente dentro de un clúster de Kafka
• Escriba una aplicación o microservicio Java o Scala que se integre con Kafka y Kafka Streams
• Escriba código conciso que transforme los temas de Kafka de entrada en temas de Kafka de salida
• Compilar, empaquetar e implementar la aplicación.

Audiencia

• Desarrolladores

Formato del curso

• Conferencia parcial, discusión parcial, ejercicios y práctica práctica.

Notas

• Para solicitar una capacitación personalizada para este curso, contáctenos para organizar

Apache Samza es un marco computacional asíncrono de código abierto casi en tiempo real para el procesamiento de flujo. 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 de flujo distribuido, mientras guía a los participantes a través de la creación de un proyecto de muestra basado en Samza y la ejecución del trabajo. Al final de esta capacitación, los participantes podrán:

• Use Samza para simplificar el código necesario para producir y consumir mensajes.
• Desacoplar el manejo de mensajes desde una aplicación.
• Use Samza para implementar el cálculo asincrónico casi en tiempo real.
• Utilice el procesamiento continuo para proporcionar un mayor nivel de abstracción sobre los sistemas de mensajería.

Audiencia

• Desarrolladores

Formato del curso

• Conferencia parcial, discusión parcial, ejercicios y práctica práctica.

Esta capacitación en vivo dirigida por un instructor en Ecuador (en línea o en el sitio) está dirigida a ingenieros de datos, científicos de datos y programadores que deseen utilizar Spark Streaming funciones en el procesamiento y análisis de datos en tiempo real.Al final de esta capacitación, los participantes podrán usar Spark Streaming para procesar flujos de datos en vivo para su uso en bases de datos, sistemas de archivos y paneles de control en vivo.

Esta capacitación en vivo dirigida por un instructor en Ecuador (en línea o presencial) está dirigida a desarrolladores que desean implementar Apache Kafka el procesamiento de flujos sin escribir código.Al final de esta formación, los participantes serán capaces de:

• Instale y configure Confluent KSQL.
• Configure una canalización de procesamiento de secuencias utilizando solo los comandos SQL (sin codificación Java o Python).
• Lleve a cabo el filtrado de datos, las transformaciones, las agregaciones, las uniones, las ventanas y la sessionización íntegramente en SQL.
• Diseñe e implemente consultas interactivas y continuas para la transmisión de ETL y análisis en tiempo real.

Esta capacitación en vivo dirigida por un instructor en Ecuador (en línea o presencial) está dirigida a desarrolladores que desean aprender los principios detrás del almacenamiento en memoria persistente y puro a medida que avanzan en la creación de un proyecto de computación en memoria de muestra.Al final de esta formación, los participantes serán capaces de:

• Utilice Ignite para la persistencia en memoria y en disco, así como para una base de datos en memoria puramente distribuida.
• Logre la persistencia sin sincronizar los datos con una base de datos relacional.
• Utilice Ignite para llevar a cabo SQL uniones distribuidas.
• Mejore el rendimiento acercando los datos a la CPU, utilizando la RAM como almacenamiento.
• Distribuya conjuntos de datos en un clúster para lograr escalabilidad horizontal.
• Integre Ignite con procesadores RDBMS, NoSQL, Hadoop y de aprendizaje automático.

Apache Beam es un modelo de programación unificado de código abierto para definir y ejecutar tuberías de procesamiento de datos paralelas. Su poder radica en su capacidad para ejecutar canalizaciones por lotes y de transmisión, y la ejecución la lleva a cabo uno de los back-ends de procesamiento distribuido compatibles con Beam: Apache Apex, Apache Flink, Apache Spark y Google Cloud Dataflow. Apache Beam es útil para tareas ETL (Extracción, Transformación y Carga), como mover datos entre diferentes medios de almacenamiento y fuentes de datos, transformar datos a un formato más deseable y cargar datos en un nuevo sistema.En esta capacitación en vivo dirigida por un instructor (presencial o remota), los participantes aprenderán a implementar los SDK Apache Beam en una aplicación Java o Python que define una canalización de procesamiento de datos para descomponer un conjunto de datos grandes en fragmentos más pequeños para un procesamiento paralelo e independiente.Al final de esta formación, los participantes serán capaces de:

• Instalar y configurar Apache Beam.
• Utilice un único modelo de programación para llevar a cabo el procesamiento por lotes y por secuencias desde su aplicación Java o Python.
• Ejecute canalizaciones en múltiples entornos.

Formato del curso

• En parte conferencia, en parte discusión, ejercicios y práctica práctica pesada

Nota

• Este curso estará disponible Scala en el futuro. Póngase en contacto con nosotros para organizarlo.

Apache Apex es una plataforma nativa de YARN que unifica el procesamiento de flujos y lotes. Procesa big data en movimiento de una manera que es escalable, eficiente, tolerante a errores, con estado, segura, distribuida y fácil de operar.Esta capacitación en vivo dirigida por un instructor presenta la arquitectura de procesamiento de flujo unificada de Apache Apex y guía a los participantes a través de la creación de una aplicación distribuida utilizando Apex en Hadoop.Al final de esta formación, los participantes serán capaces de:

• Comprenda los conceptos de canalización de procesamiento de datos, como conectores para orígenes y receptores, transformaciones de datos comunes, etcétera.
• Cree, escale y optimice una aplicación Apex
• Procese flujos de datos en tiempo real de forma fiable y con una latencia mínima
• Utilice Apex Core y la biblioteca Apex Malhar para permitir un desarrollo rápido de aplicaciones
• Utilice la API de Apex para escribir y reutilizar el código existente Java
• Integre Apex en otras aplicaciones como motor de procesamiento
• Ajuste, pruebe y escale las aplicaciones de Apex

Formato del curso

• Charla y discusión interactiva.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.

Apache Storm es un motor de computación distribuido en tiempo real que se utiliza para habilitar la inteligencia empresarial en tiempo real. Para ello, permite que las aplicaciones procesen de forma fiable flujos de datos ilimitados (también conocido como procesamiento de flujos)."¡Storm es para el procesamiento en tiempo real lo que Hadoop es para el procesamiento por lotes!"En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a instalar y configurar Apache Storm, luego desarrollarán e implementarán una aplicación Apache Storm para procesar grandes cantidades de datos en tiempo real.Algunos de los temas incluidos en esta capacitación incluyen:

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

¡Solicita este curso ahora!Audiencia

• Desarrolladores de software y ETL
• Profesionales del mainframe
• Científicos de datos
• Analistas de big data
• Hadoop Profesionales

Formato del curso

•     En parte conferencia, en parte discusión, ejercicios y práctica práctica pesada

En esta capacitación en vivo dirigida por un instructor en Ecuador (presencial o remoto), los participantes aprenderán cómo implementar y administrar Apache NiFi en un entorno de laboratorio en vivo.Al final de esta formación, los participantes serán capaces de:

• Instala y configura Apachi NiFi.
• Obtenga, transforme y administre datos de fuentes de datos dispares y distribuidas, incluidas bases de datos y lagos de big data.
• Automatice los flujos de datos.
• Habilite el análisis de transmisión.
• Aplique varios enfoques para la ingesta de datos.
• Transforme Big Data y conviértase en información empresarial.

En esta capacitación en vivo dirigida por un instructor en Ecuador, los participantes aprenderán los fundamentos de la programación basada en flujo a medida que desarrollan una serie de extensiones, componentes y procesadores de demostración utilizando Apache NiFi.Al final de esta formación, los participantes serán capaces de:

• Comprenda la arquitectura de NiFi y los conceptos de flujo de datos.
• Desarrolle extensiones utilizando NiFi y API de terceros.
• Desarrollar a medida su propio procesador Apache Nifi.
• Ingiera y procese datos en tiempo real de formatos de archivo y fuentes de datos dispares y poco comunes.

Esta capacitación en vivo dirigida por un instructor en Ecuador (en línea o presencial) presenta los principios y enfoques detrás del procesamiento de datos de flujo distribuido y por lotes, y guía a los participantes a través de la creación de una aplicación de transmisión de datos en tiempo real en Apache Flink.Al final de esta formación, los participantes serán capaces de:

• Configure un entorno para desarrollar aplicaciones de análisis de datos.
• Comprender cómo funciona la biblioteca de procesamiento de gráficos (Gelly) de Apache Flink.
• Empaquete, ejecute y supervise aplicaciones de transmisión de datos tolerantes a errores y basadas en Flink.
• Administre diversas cargas de trabajo.
• Realizar analíticas avanzadas.
• Configure un clúster de Flink de varios nodos.
• Mida y optimice el rendimiento.
• Integre Flink con diferentes Big Data sistemas.
• Compare las capacidades de Flink con las de otros marcos de procesamiento de big data.