دوره آموزشی معماری برنامه های کاربردی داده های بزرگ: مهندسی کاربرد حالت دسته ای
1 ساعت 28 دقیقهپیشرفته2023-10-06
مدرسین

Kumaran Ponnambalam
Working with data for 20+ years
جزئیات دوره
برنامه های کاربردی داده های بزرگ به دانشمندان و تحلیلگران داده اجازه می دهد تا داده های بزرگ را به دست آورند، ذخیره کنند، مدیریت کنند و از داده های بزرگ برای تولید نتایج منسجم تر و مبتنی بر داده استفاده کنند. در این دوره، مربی Kumaran Ponnambalam موارد استفاده تجاری در دنیای واقعی و بهترین شیوهها را برای معماری برنامههای کلان داده با استفاده از فناوریهای منبع باز موجود بررسی میکند.
یاد بگیرید که چگونه برنامههای پردازش دستهای ساده و پیچیده را طراحی کنید، زیرا اصول اولیه معماری دادههای بزرگ مانند مقیاسبندی افقی، پردازش توزیعشده، انتخاب و یکپارچهسازی فناوری، و زمانبندی را کشف میکنید. Kumaran به شما نشان می دهد که چگونه حجم داده ها را به حداقل برسانید و بارهای داده را به طور یکنواخت توزیع کنید، همچنین نحوه استفاده از حافظه پنهان، پردازش مجدد داده ها، عیب یابی خطاها و موارد دیگر را نشان می دهد. در طول مسیر، مهارتهای جدید خود را با موارد استفاده عملی که دامنههای مختلف عملکردی و فناوری را پوشش میدهند، به سطح بعدی ببرید.
یاد بگیرید که چگونه برنامههای پردازش دستهای ساده و پیچیده را طراحی کنید، زیرا اصول اولیه معماری دادههای بزرگ مانند مقیاسبندی افقی، پردازش توزیعشده، انتخاب و یکپارچهسازی فناوری، و زمانبندی را کشف میکنید. Kumaran به شما نشان می دهد که چگونه حجم داده ها را به حداقل برسانید و بارهای داده را به طور یکنواخت توزیع کنید، همچنین نحوه استفاده از حافظه پنهان، پردازش مجدد داده ها، عیب یابی خطاها و موارد دیگر را نشان می دهد. در طول مسیر، مهارتهای جدید خود را با موارد استفاده عملی که دامنههای مختلف عملکردی و فناوری را پوشش میدهند، به سطح بعدی ببرید.
مهارت ها
HiveData CentersApache SparkApacheData EngineeringDatabase ManagementData AnalysisData ScienceBusiness Analysis and StrategyBusiness Software and ToolsDeep Dive (X:Y)
سرفصل ها
0. مقدمه
- 01 - معماری برنامههای کاربردی دادههای بزرگ
1. مقدمه ای بر کاربردهای کلان داده
- 02 - ویژگیهای پردازش دسته ای
- 03 - ساخت برنامههای دسته ای را به چالش میکشد
- 04 - فن آوری برای مهندسی دادههای بزرگ دسته ای
- 05 - از موارد برای دادههای بزرگ دسته ای استفاده کنید
- 06 - فرآیند معماری برای مهندسی داده
2. اصول معماری کلان داده
- 07 - انتخاب - زمان واقعی در مقابل دسته
- 08 - مقیاس بندی افقی
- 09 - پردازش توزیع شده
- 10 - انتخاب فناوری
- 11 - ادغام فناوری
3. اصول معماری کاربرد دسته ای
- 12 - انتخاب زمانبندی
- 13 - به حداقل رساندن حجم داده ها
- 14 - توزیع یکنواخت بار
- 15 - استفاده از کش
- 16 - پردازش مجدد
4. از مورد 1 - بایگانی دادههای دنباله حسابرسی استفاده کنید
- 17 - مسیر حسابرسی - مشکل را تعریف کنید
- 18 - مسیر حسابرسی - الزامات مطالعه
- 19 - مسیر حسابرسی - یک گردش کار ایجاد کنید
- 20 - مسیر حسابرسی - مقیاس گردش کار
- 21 - مسیر حسابرسی - انتخاب فناوری ها
- 22 - مسیر حسابرسی - بررسی معماری نهایی
5. از مورد 2 - تجزیهوتحلیل تبلیغات استفاده کنید
- 23 - تجزیهوتحلیل تبلیغات - مشکل را تعریف کنید
- 24 - تجزیهوتحلیل تبلیغات - الزامات مطالعه
- 25 - تجزیهوتحلیل تبلیغات - گردش کار ایجاد کنید
- 26 - تجزیهوتحلیل تبلیغات - مقیاس گردش کار
- 27 - تجزیهوتحلیل تبلیغات - فناوریها را انتخاب کنید
- 28 - تجزیهوتحلیل تبلیغات - بررسی معماری نهایی
6. از مورد 3 - توصیههای محصول استفاده کنید
- 29 - توصیههای محصول - مشکل را تعریف کنید
- 30 - توصیههای محصول - الزامات مطالعه
- 31 - توصیههای محصول - گردش کار ایجاد کنید
- 32 - توصیههای محصول - مقیاس گردش کار
- 33 - توصیههای محصول - فناوریها را انتخاب کنید
- 34 - توصیههای محصول - بررسی معماری نهایی
نتیجه
- 35 - ادامه معماري برنامه هاي بزرگ داده