آموزش استفاده از پردازش در زمان واقعی با استفاده از Apache Storm - آخرین آپدیت

Applying Real-time Processing Using Apache Storm

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
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
(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.