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