آموزش استفاده از پردازش در زمان واقعی با استفاده از Apache Storm

Applying Real-time Processing Using Apache Storm

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: Storm به شما امکان می دهد با استفاده از داده پردازش در زمان واقعی توزیع شده ، با داده های جریان گسترده مقیاس کار کنید. این دوره در مورد اجزای توپولوژی طوفان و نحوه استفاده از طوفان برای استفاده از یادگیری ماشین در زمان واقعی بحث می کند. منظور از طوفان این است که برای پردازش توزیع شده در زمان واقعی استفاده شود ، روشی که Hadoop برای پردازش دسته ای توزیع شده استفاده می شود. با استفاده از Storm می توانید اطلاعاتی از قبیل روندها و اخبار فوری را پردازش کرده و در زمان واقعی به آنها واکنش نشان دهید. در این دوره ، با استفاده از پردازش زمان واقعی با استفاده از Apache Storm ، شما می آموزید که چگونه Storm را برای پردازش در زمان واقعی اعمال کنید. ابتدا ، نحوه راه اندازی خط لوله پردازش داده با استفاده از توپولوژی های طوفان را کشف خواهید کرد. در مرحله بعد ، شما با کنترل جریان داده ها بین اجزا ، موازی سازی را کشف خواهید کرد. سپس ، نحوه انجام تغییرات پیچیده داده با استفاده از Trident API را پوشش خواهید داد. سرانجام ، شما خواهید آموخت که چگونه مدل های یادگیری ماشین را در زمان واقعی به کار بگیرید. با پایان این دوره ، شما می توانید برنامه های Storm خود را برای کارهای مختلف پردازش در زمان واقعی ایجاد کنید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

درک مonلفه های طوفان Understanding the Components of Storm

  • کنتراست در زمان واقعی و پردازش دسته ای Contrasting Real-time and Batch Processing

  • درک مonلفه های طوفان Understanding the Components of Storm

  • نمایش داده ها در اجزای طوفان Representing Data in Storm Components

  • ساخت یک توپولوژی جهانی سلام Building a Hello World Topology

  • اجرای Spout Implementing the Spout

  • اجرای پیچ و مهره Implementing the Bolt

  • در حال اجرا توپولوژی Running the Topology

موازی سازی پردازش داده ها با استفاده از م Stلفه های طوفان Parallelizing Data Processing Using Storm Components

  • درک موازی بودن در یک خوشه طوفان Understanding Parallelism in a Storm Cluster

  • راه اندازی خوشه از راه دور Setting up a Remote Cluster

  • اجرای توپولوژی در یک خوشه از راه دور Running a Topology on a Remote Cluster

  • کنترل جریان داده با گروه بندی جریان Controlling Data Flow with Stream Grouping

  • ساخت توپولوژی شمارش کلمات Building a Word Count Topology

  • پیاده سازی اجزای توپولوژی Implementing the Topology Components

  • تضاد استراتژی های مختلف گروه بندی جریان Contrasting Different Stream Grouping Strategies

  • پیاده سازی گروه بندی جریان سفارشی Implementing a Custom Stream Grouping

سفارشی کردن اجزای طوفان برای قابلیت اطمینان بهتر Customizing Storm Components for Better Reliability

  • تضمین پردازش پیام در طوفان Guaranteeing Message Processing in Storm

  • مدیریت قابلیت اطمینان در اجزای طوفان Managing Reliability in Storm Components

  • پیاده سازی قابلیت اطمینان در Spout Implementing Reliability in a Spout

  • پیاده سازی قابلیت اطمینان در پیچ Implementing Reliability in a Bolt

س Quال کردن جریان داده های طوفان با استفاده از Trident Querying Storm Data Streams Using Trident

  • پردازش داده ها با استفاده از Trident Processing Data Using Trident

  • پیاده سازی یک توپولوژی Trident برای پردازش متن Implementing a Trident Topology to Process Text

  • جمع کردن جریان داده ها Aggregating Data Streams

  • استفاده از Trident برای تماس های رویه توزیع شده Using Trident for Distributed Remote Procedure Calls

  • حالت نگهداری و پرس و جو Maintaining and Querying State

  • سerال کردن تعداد کلمات Querying Word Counts

استفاده از یادگیری ماشینی برای طوفان کردن جریان های داده Applying Machine Learning to Storm Data Streams

  • درک فرآیند یادگیری ماشین Understanding the Machine Learning Process

  • تلفیق طوفان با پایتون Integrating Storm with Python

  • پیش بینی احساس در زمان واقعی Predicting Sentiment in Real-time

  • آموزش مدل تحلیل احساس در پایتون Training a Sentiment Analysis Model in Python

  • ساخت توپولوژی طوفان برای پیش بینی احساسات Building a Storm Topology to Predict Sentiment

نمایش نظرات

آموزش استفاده از پردازش در زمان واقعی با استفاده از Apache Storm
جزییات دوره
2h 15m
31
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
30
4.6 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Swetha Kolalapudi Swetha Kolalapudi

Swetha عاشق بازی با داده ها و خرد کردن اعداد است تا اطلاعات خوبی کسب کند. او فارغ التحصیل مدارس عالی مانند IIT Madras و IIM احمدآباد است. وی اولین عضو تیم Elite Analytics نخبه Flipkart بود و در مقیاس دهی بیش از 100 کارمند نقش مهمی داشت. سوئتا همیشه تمایل به کارآفرینی و علاقه به تدریس داشته است. او اکنون این شانس را دارد که به عنوان بنیانگذار Loonycorn ، یک استودیوی محتوا با هدف ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی ، همکاری کند. Loonycorn در حال کار بر روی ساخت موتور (ثبت اختراع ثبت شده) برای خودکار کردن انیمیشن ها برای ارائه و محتوای آموزشی است.