آموزش پرتو آپاچی | Google Data Flow (Python)

Apache Beam | Google Data Flow (Python)

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: دست های کامل روی پرتو آپاچی | خطوط لوله Batch & Streaming | Beam SQL و Google Cloud Dataflow. Apache Beam پیش نیازها:Basic Python

Apache Beam آینده فناوری Big Data است و برای ساخت خطوط لوله داده بزرگ استفاده می شود. این دوره برای مبتدیانی طراحی شده است که می خواهند نحوه استفاده از Apache Beam با استفاده از زبان پایتون را بیاموزند. همچنین جریان داده‌های ابری گوگل را پوشش می‌دهد که امروزه داغ‌ترین راه برای ایجاد خطوط لوله داده بزرگ با استفاده از Google cloud است.


این دوره شامل موارد مختلفی است تا شما را با موضوعات مختلف در Apache Beam راحت کند. این دوره موضوعات مختلفی را معرفی می کند:


  • معماری

  • تحولات

  • ورودی ها/خروجی های جانبی

  • جریان‌سازی با Google PubSub

  • Windows در جریان

  • بررسی عناصر دیرهنگام

  • استفاده از محرک‌ها

  • Google Cloud Dataflow

  • پرتو SQL/پرتو SQL در GCP

در پایان این دوره، خود را آماده خواهید دید که از Apache Beam در محیط کار واقعی استفاده کنید.


آنچه این دوره را منحصر به فرد می کند - مختصر است که تنها در عرض 3 ساعت می توانید آن را کامل کنید، تمام موضوعات مرتبط و اسلایدها را پوشش می دهد و ارائه ها واقعاً بسیار هیجان انگیز و قابل درک هستند.


چرا پرتو آپاچی آینده داده های بزرگ است؟

1. این موتور در بالای موتور کلان داده محبوب مانند جرقه، تلنگر، جریان داده Google اجرا می شود.

2. این توسط غول بزرگی مانند گوگل استفاده می شود.

3. این بزرگترین مشکل صنعت مهاجرت و اتحاد از یک موتور پردازشی به موتور دیگر را حل می کند.


بنابراین اگر می‌خواهید فناوری آینده را بیاموزید، در جای مناسبی هستید.



سرفصل ها و درس ها

معرفی پرتو آپاچی Apache Beam Introduction

  • معماری Architecture

  • جریان پرتو آپاچی Apache Beam Flow

  • مجموعه Pcollection

  • نصب و راه اندازی Installation

  • شروع شدن Getting Started

  • BigData را بیاموزید Learn BigData

معرفی پرتو آپاچی Apache Beam Introduction

  • مقدمه Intro

  • مقدمه Intro

  • معرفی پرتو آپاچی Apache Beam Intro

  • معرفی پرتو آپاچی Apache Beam Intro

  • معماری Architecture

  • جریان پرتو آپاچی Apache Beam Flow

  • مجموعه Pcollection

  • نصب و راه اندازی Installation

  • شروع شدن Getting Started

  • BigData را بیاموزید Learn BigData

  • در دوره کلان داده ثبت نام کنید Enroll into Big Data Course

  • در دوره کلان داده ثبت نام کنید Enroll into Big Data Course

تبدیل پرتو آپاچی Apache Beam Transformations

  • تقسیم بندی Partition

تبدیل پرتو آپاچی Apache Beam Transformations

  • ورودی را بخوانید Read Input

  • ورودی را بخوانید Read Input

  • خروجی را بنویسید Write Output

  • خروجی را بنویسید Write Output

  • نقشه/نقشه مسطح Map/FlatMap

  • نقشه/نقشه مسطح Map/FlatMap

  • CoGroupByKey CoGroupByKey

  • CoGroupByKey CoGroupByKey

  • تقسیم بندی Partition

  • صاف کردن Flatten

  • صاف کردن Flatten

  • تبدیل مرکب Composite Transformation

  • تبدیل مرکب Composite Transformation

Pardo با ورودی/خروجی های جانبی Pardo with Side Inputs/Outputs

  • تحول پاردو Pardo Transformation

  • خروجی های جانبی Side Outputs

Pardo با ورودی/خروجی های جانبی Pardo with Side Inputs/Outputs

  • تحول پاردو Pardo Transformation

  • ورودی های جانبی Side Inputs

  • ورودی های جانبی Side Inputs

  • خروجی های جانبی Side Outputs

استریم با پرتو آپاچی Streaming with Apache Beam

استریم با پرتو آپاچی Streaming with Apache Beam

  • معرفی جریان Streaming intro

  • معرفی جریان Streaming intro

  • معرفی Google PubSub Google PubSub Intro

  • معرفی Google PubSub Google PubSub Intro

  • Google PubSub مثال Google PubSub Example

  • Google PubSub مثال Google PubSub Example

ویندوز در پرتو آپاچی Windows in Apache Beam

  • کد غلتکی Tumbling Code

  • کد کشویی Sliding Code

  • ویندوز جلسه Session Windows

ویندوز در پرتو آپاچی Windows in Apache Beam

  • معرفی ویندوز Windows Intro

  • معرفی ویندوز Windows Intro

  • مفاهیم زمان Time Notions

  • مفاهیم زمان Time Notions

  • ویندوز غلتشی/کاغذی Tumbling/Sliding WIndows

  • ویندوز غلتشی/کاغذی Tumbling/Sliding WIndows

  • کد غلتکی Tumbling Code

  • کد کشویی Sliding Code

  • ویندوز جلسه Session Windows

مدیریت عناصر دیررس Handling Late Elements

مدیریت عناصر دیررس Handling Late Elements

  • تأخیر را مجاز کنید Allow Lateness

  • تأخیر را مجاز کنید Allow Lateness

استفاده از Triggers Using Triggers

  • ترکیب با ماشه پیش فرض Composition with Default Trigger

استفاده از Triggers Using Triggers

  • محرک ها Triggers

  • محرک ها Triggers

  • محرک های مرکب Composite Triggers

  • محرک های مرکب Composite Triggers

  • ترکیب با ماشه پیش فرض Composition with Default Trigger

Google Cloud Dataflow Google Cloud Dataflow

  • معرفی جریان داده Dataflow Intro

  • الگوهای Google Dataflow Google Dataflow Templates

  • نوت بوک های Google Dataflow Google Dataflow Notebooks

Google Cloud Dataflow Google Cloud Dataflow

  • معرفی جریان داده Dataflow Intro

  • الگوهای Google Dataflow Google Dataflow Templates

  • نوت بوک های Google Dataflow Google Dataflow Notebooks

پرتو SQL Beam SQL

  • پرتو SQL در Google Cloud Beam SQL on Google Cloud

پرتو SQL Beam SQL

  • معرفی Beam SQL Beam SQL Intro

  • معرفی Beam SQL Beam SQL Intro

  • پرتو SQL در Google Cloud Beam SQL on Google Cloud

نمایش نظرات

آموزش پرتو آپاچی | Google Data Flow (Python)
جزییات دوره
3 hours
37
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
4,064
4.6 از 5
دارد
دارد
دارد
Navdeep Kaur
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Navdeep Kaur Navdeep Kaur

TechnoAvengers.com (مerسس) من یک معمار داده بزرگ با 11 سال سابقه صنعت در فناوری ها و حوزه های مختلف هستم. من علاقه زیادی به ارائه آموزش در زمینه فناوری های جدید دارم. من گواهینامه توسعه دهنده CCA175 Hadoop and Spark و گواهینامه معمار راه حل AWS را دریافت کرده ام. من عاشق هدایت مردم و کمک به آنها برای رسیدن به اهداف جدید هستم.