🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ضروری Apache Kafka: ساخت برنامه های مقیاس پذیر
- آخرین آپدیت
Apache Kafka Essential Training: Building Scalable Applications
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
صف بندی پیام مقیاس پذیر و توزیع شده نقش مهمی در ساخت خط لوله داده های کلان در زمان واقعی دارد. مدل های ناشر/مشترک نا همزمان برای رسیدگی به بارهای غیر قابل پیش بینی در این خطوط لوله مورد نیاز هستند. Apache Kafka امروزه فناوری پیشرو است که این قابلیت ها را فراهم می کند و یک مهارت اساسی برای یک متخصص بزرگ داده است. در این دوره ، Kumaran Ponnambalam بینش هایی در مورد مقیاس پذیری و قابلیت مدیریت Kafka ارائه می دهد و نحوه ساخت برنامه های ناهمزمان با Kafka و Java را نشان می دهد. کوماران با نشان دادن چگونگی راه اندازی خوشه کافکا شروع به کار می کند و اصول برنامه نویسی جاوا را در کافکا بررسی می کند. وی سپس در گزینه های مختلف پیامرسانی و طرحواره موجود غوطه ور می شود. کوماران همچنین بهترین روشها را برای طراحی برنامه های کافکا قبل از اتمام با یک پروژه استفاده استفاده می کند که دروس را در این دوره به کار می برد.
سرفصل ها و درس ها
معرفی
Introduction
چرا مهارت های کافکا بسیار مورد تقاضا هستند؟
Why are Kafka skills so high in demand?
1. آشنایی با کافکا
1. Introduction to Kafka
کافکا چیست؟
What is Kafka?
پیش نیازهای دوره
Prerequisites for the course
مقیاس گذاری و انعطاف پذیری کافکا
Kafka scaling and resiliency
تنظیم پرونده های تمرینی
Setting up the exercise files
V2 Maestros به آموزش علوم داده و داده های بزرگ با هزینه های مقرون به صرفه برای جهان اختصاص دارد. مربیان ما تجربه دنیای واقعی در تمرین علم داده و ارائه نتایج تجاری دارند. علم داده یک حوزه داغ و در حال رخ دادن در صنعت فناوری اطلاعات است. متأسفانه منابع موجود برای یادگیری این مهارت به سختی یافت می شود و گران است. امیدواریم این مشکل را با ارائه آموزش باکیفیت با نرخ های مقرون به صرفه، با ایجاد استعدادهای علم داده در سراسر جهان، کاهش دهیم.
نمایش نظرات