آموزش آپاچی نیفای (کلاودرا دیتافلو) با آزمایشگاه رایگان - آخرین آپدیت

دانلود Apache NiFi (Cloudera DataFlow) with Free Lab

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

دوره جامع آپاچی نیفا: از مبتدی تا پیشرفته - سناریوهای واقعی تولید

8+ ساعت یادگیری عمیق برای تبدیل شدن به یک متخصص مدیریت جریان داده آپاچی نیفا

این دوره تمام آن چیزی است که برای تسلط بر جریان‌های داده آپاچی نیفا نیاز دارید. مناسب برای هر دو گروه مبتدی و پیشرفته.

این دوره به شما کمک می‌کند تا درک عمیقی از نیفا به دست آورید و با سناریوهای واقعی جریان داده در محیط‌های تولید آشنا شوید.

محتوای دوره آپاچی نیفا

نصب و راه‌اندازی نیفا

  • نصب نیفا در ویندوز و لینوکس
  • نصب NiFi Registry و راه‌اندازی کنترل نسخه برای چرخه حیات توسعه
  • مرور کلی و رابط کاربری نیفا
  • آشنایی با اصطلاحات کلیدی نیفا

پردازشگرهای (Processors) نیفا

  • خواندن فایل‌های منبع و نوشتن در مقصد
  • درک تعریف اسکیمای Avro
  • تبدیل داده با استفاده از پردازشگر به‌روزرسانی (Update Processor)
  • خواندن فایل‌های CSV، انجام جستجو و پارتیشن‌بندی
  • غنی‌سازی داده با افزودن ستون‌های جدید
  • توابع کاربردی نیفا
  • پارتیشن‌بندی رکوردها بر اساس ستون‌ها
  • پردازشگر SplitRecord در نیفا
  • تقسیم فایل‌های بزرگ به فایل‌های کوچک‌تر قبل از انتقال
  • آشنایی با پردازشگرهای مرتبط با JSON

مدیریت داده‌های تکراری

  • مدیریت داده‌های تکراری در سطح فایل
  • مدیریت داده‌های تکراری در سطح رکورد

کار با کلان داده (Big Data)

  • نوشتن داده در Hbase
  • نوشتن داده در Hadoop HDFS

خواندن و نوشتن داده در پایگاه‌های داده

  • خواندن داده از پایگاه داده H2
  • خواندن و نوشتن داده با PostgreSQL
  • خواندن و نوشتن داده در پایگاه داده Oracle
  • خواندن داده افزایشی از جدول پایگاه داده

اسکریپت‌های سفارشی

  • اجرای اسکریپت پایتون سفارشی

نکات مهم دیگر

  • استفاده از کوئری SQL در نیفا
  • دریافت داده از طریق پروتکل HTTP
  • پردازشگرهای HandleHttpRequest و HandleHttpResponse
  • خواندن داده‌های جریانی (Streaming Data) از طریق پروتکل HTTP، ادغام و پردازش آن‌ها

سازماندهی جریان‌ها و مدیریت نسخه

  • راه‌اندازی NiFi Registry و کنترل نسخه کد
  • ایجاد الگوها (Templates) و اشتراک‌گذاری جریان‌ها
  • ایجاد استراتژی جریان داده قابل استفاده مجدد

داده‌های پیشینه (Provenance) نیفا

  • خواندن داده‌های پیشینه نیفا
  • استفاده از پردازشگرهای CountText، LogAttribute، LogMessage و AttributeToCSV
  • فعال‌سازی داده‌های حسابرسی با خواندن NiFi Provenance Repository

آشنایی با خوشه‌بندی (Clustering) نیفا

پیش‌نیازها:

  • آشنایی با مفاهیم رایج انبار داده به درک آسان‌تر برخی درس‌ها کمک می‌کند.
  • اشتیاق برای یادگیری فناوری‌های جدید.

در نهایت، یک دوره کامل آپاچی نیفا که در سال 2024 به‌طور کامل به‌روزرسانی شده است. در این دوره با موارد زیر آشنا خواهید شد:

امیدواریم این دوره به شما در رسیدن به هدفتان کمک کند. لطفاً هر موضوع دیگری را که مایلید به این دوره اضافه شود، به ما اطلاع دهید.


سرفصل ها و درس ها

نمای کلی Overview

  • مقدمه و معماری Intro & Architecture

  • ویژگی‌های Apache NiFi Apache NiFi Features

Apache NiFi نصب و نمای کلی رابط کاربری Apache NiFi Installation and User Interface Overview

  • نمای کلی نصب Apache NIFi Apache NIFi Installation Overview

  • نصب NiFi در سرور Unix یا Linux Installing NiFi on Unix or Linux Server

  • نصب NiFi در ویندوز Installing NiFi on Windows

  • رابط کاربری NiFi NiFi User Interface

  • اصطلاحات رایج NiFi NiFi Common Terminologies

  • آزمون عملی NiFi - ۰۱ NiFi Practice test - 01

جزئیات آزمایشگاه NiFi NiFi Lab Details

  • دریافت آزمایشگاه رایگان NiFi Getting Free NiFi Lab

کار با پردازنده‌های NiFi - بخش ۱ Working With NiFi Processors - Part 1

  • خواندن فایل از مبدأ و نوشتن در مقصد Reading File from Source and Writing to Destination

  • تعریف Avro Schema - بسیار مهم Avro Schema Definition - Very Important

  • تبدیل رکورد با استفاده از پردازنده UpdateRecord Record Transformation using UpdateRecord Processor

  • خواندن فایل‌های CSV و انجام جستجو و پارتیشن‌بندی فایل‌های خروجی Reading CSV Files and Performing Lookups and Partitioning output Files

  • ایجاد ستون‌های جدید با استفاده از پردازنده Update Record Creating New Columns using Update Record Processor

  • توابع NiFi - اسناد رسمی NiFi Functions - Official Documents

  • پارتیشن‌بندی رکوردها بر اساس یک ستون Partition Records Based on a Column

  • استفاده از پردازنده NiFi SplitRecord برای تقسیم داده‌ها Using NiFi SplitRecord Processor to Split data

  • استراتژی تقسیم فایل‌های بزرگ به فایل‌های کوچکتر Splitting Big Files into Smaller Files Strategy

  • مدیریت تکثیر فایل Handling File Duplication

  • پردازنده‌های مربوط به JSON - InvokeHTTP EvaluateJsonPath FlattenJson SplitJson JSON Related Processors - InvokeHTTP EvaluateJsonPath FlattenJson SplitJson

  • آزمون عملی NiFi - ۰۲ NiFi Practice test - 02

کار با پردازنده‌های NiFi - بخش ۲ Working With NiFi Processors - Part 2

  • مدیریت تکثیر در سطح رکورد Handling Record Level Duplication

  • نوشتن در Hbase و خواندن از Hbase Writing to Hbase and Reading from Hbase

  • نوشتن در Hadoop (HDFS) و خواندن از HDFS Writing to Hadoop (HDFS) and Reading from HDFS

  • اجرای اسکریپت سفارشی (اسکریپت خارجی) برای پردازش Flowfile Running Custom Script (External Script) to Process a Flowfile

  • استفاده از کوئری SQL در NiFi برای سرعت بخشیدن به توسعه - پردازنده Query Record Using SQL Query in NiFi to Speed Up Development - Query Record Processor

  • دریافت داده از طریق نقطه پایانی HTTP و ادغام داده‌ها قبل از پردازش Receiving Data over HTTP Endpoint and Merge Data before processing

  • پردازنده‌های NiFi HandleHttpRequest و HandleHttpResponse برای ایجاد وب سرویس NiFi HandleHttpRequest and HandleHttpResponse Processor to create web services

خواندن و نوشتن در پایگاه‌های داده Reading and Writing to Databases

  • خواندن از پایگاه داده H2 Reading from H2 Database

  • خواندن و نوشتن با استفاده از پایگاه داده PostgreSQL Reading and Writing using PostgreSQL Database

  • اتصال به پایگاه داده Oracle و خواندن داده‌های افزایشی Connecting to Oracle DB and Reading Incremental Data

ایجاد الگوها و سازماندهی کد Creating Templates and Code Organization

  • راه اندازی NiFi Registry و مدیریت نسخه‌بندی کد Setup NiFi Registry and Code Versioning Management

  • ایجاد الگوها، اشتراک‌گذاری فایل‌های جریان به گروه‌های پردازش، پورت ورودی و خروجی Creating Templates, Sharing Flow Files to Process Groups, Input and Output Port

  • ایجاد استراتژی جریان داده قابل استفاده مجدد با استفاده از فایل پیکربندی Creating Reusable Data Flow Strategy Using Configuration File

داده‌های NiFi Provenance - تاریخچه حسابرسی NiFi Provenance data - Auditing History

  • خواندن داده‌های NiFi Provenance برای هدف حسابرسی Reading NiFi Provenance Data for Audit Purpose

  • پردازنده‌های CountText, LogAttribute, LogMessage, AttributeToCSV, AttributeToJson CountText, LogAttribute, LogMessage, AttributeToCSV, AttributeToJson Processor

نمای کلی کلاستر NiFi و اجرای پردازنده نمونه NiFi Cluster Overview and Running Sample Processor

  • کلاستر NiFi و اجرای پردازنده NiFi Cluster and Processor Execution

سوالات متداول Frequently Asked Questions

  • خواندن از فایل اکسل Reading From Excel File

بهترین شیوه‌ها Best Practices

  • بهترین شیوه‌های توسعه Apache NiFi Apache NiFi Best Development Practices

نمایش نظرات

آموزش آپاچی نیفای (کلاودرا دیتافلو) با آزمایشگاه رایگان
جزییات دوره
8 hours
37
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
17,664
4.2 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

Vikas Kumar Jha Vikas Kumar Jha

Architect من دوست دارم وبلاگ های فنی را بخوانم ، فیلم های فنی تماشا کنم و مهمتر از همه چیزهایی را که یاد گرفته ام با دیگران به اشتراک بگذارم. من روی فن آوری های مختلف اتوماسیون ، فناوری های Bigdata و Analytics کار کرده ام. در اوقات فراغت من دوست دارم بیشتر در مورد جدیدترین فن آوری های منبع آزاد جستجو کنم که می تواند چالش های سازمانی را حل کند و مشکلات واقعی زندگی را حل کند. علاوه بر این ، من همچنین دوست دارم در مجامع فنی به انجمن ها کمک کنم.

Poonam Jha Poonam Jha

علاقه مند به معلم و کار هنری من عاشق تدریس هستم و علاقه زیادی به هنر و صنایع دستی دارم ، و بهترین کار را از بین بردن زباله انجام می دهم. من تجربه تدریس در کلاس و آموزش آنلاین را دارم. من دوست دارم خلاقیت و تفکر مرتبه بالاتر را به گونه ای تشویق کنم که عملکرد دانش آموز را افزایش دهد. من دوست دارم یادگیری را آسان و سرگرم کننده کنم.