لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Google Dataflow پیشرفته
Advanced Google Dataflow
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
هنگامی که بر اصول اولیه Google Dataflow مسلط شدید، ممکن است تعجب کنید که چه کارهای دیگری می توانید با آن انجام دهید. این دوره بر روی کاربردهای پیشرفته تر پرتوهای Apache و Dataflow تمرکز دارد. مربی Kishan Iyer پس از ارائه یک نمای کلی، شما را با پردازش جریانی با Dataflow آشنا می کند. او به شما نشان میدهد که چگونه پیامها را در Pub/Sub منتشر کنید، به پیامهای منتشر شده در آنجا دسترسی داشته باشید و خط لولهای را راهاندازی کنید که با Pub/Sub و BigQuery کار میکند. کیشان همچنین به نحوه خواندن و نظارت بر پیام ها در Pub/Sub می پردازد. در مرحله بعد، او شما را از طریق چندین عملیات مختلف پنجره و پیوستن به عملیات در Dataflow راهنمایی می کند. کیشان پردازش جریان بدون کد، آماده شدن برای استفاده از Dataflow SQL، اجرای کارها با Dataflow SQL و ایجاد پرس و جوهای پارامتری شده با Dataflow SQL را پوشش می دهد. به علاوه، او درباره نحوه راهاندازی مشاغل استریم با یک الگو و تأیید نتایج برای یک کار قالب بحث میکند.
توجه: این دوره توسط کیشان ایر ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.
سرفصل ها و درس ها
مقدمه
Introduction
نمای کلی فناوری سریع (در حال انجام)
Quick technology overview
(In progress)
امتحان فصل
Chapter Quiz
1. مروری سریع بر پرتو آپاچی و جریان داده
1. Quick Overview of Apache Beam and Dataflow
پردازش جریانی با پرتو آپاچی
Stream processing with Apache Beam
فعال کردن Google Cloud API برای برنامههای Dataflow
Enabling Google Cloud APIs for Dataflow apps
تنظیم اعتبار حساب خدمات
Setting up service account credentials
ایجاد یک پروژه Apache Beam با Maven
Creating an Apache Beam project with Maven
خواندن دادهها از فضای ذخیرهسازی Google Cloud
Reading data from Google Cloud storage
چاپ عناصر روی کنسول
Printing elements to the console
اجرای یک برنامه پردازش دسته ای
Running a batch processing app
امتحان فصل
Chapter Quiz
2. مقدمه ای بر پردازش جریانی با Dataflow
2. Introduction to Stream Processing with Dataflow
در جریان داده ها تغییر شکل می دهد
Transforms on streaming data
پردازش داده های جریانی
Processing streaming data
انجام تجمیع در جریان داده ها
Performing an aggregation on streaming data
تعریف پنجره برای تجمیع
Defining a window for aggregations
استفاده از یک جمع کننده سفارشی
Using a custom aggregator
امتحان فصل
Chapter Quiz
3. پخش جریانی پیام ها با Pub/Sub
3. Streaming Messages with Pub/Sub
انتشار پیام ها به Pub/Sub
Publishing messages to Pub/Sub
دسترسی به پیام ها از Pub/Sub
Accessing messages from Pub/Sub
راه اندازی Pub/Sub و BigQuery
Setting up Pub/Sub and BigQuery
خواندن پیامها از Pub/Sub
Reading messages from Pub/Sub
نظارت بر پیام ها در Pub/Sub
Monitoring messages on Pub/Sub
امتحان فصل
Chapter Quiz
4. عملیات پنجره در Dataflow
4. Windowing Operations in Dataflow
عملیات پنجره
Window operations
نوشتن نتایج در BigQuery
Writing results to BigQuery
بررسی خروجی خط لوله
Verifying the pipeline output
محاسبه میانگین روی یک پنجره
Computing an average over a window
تنظیم مجدد اندازه پنجره
Resetting the window size
اجرای پنجره های کشویی
Implementing sliding windows
به روز رسانی مشاغل در حال اجرا
Updating running jobs
امتحان فصل
Chapter Quiz
5. به عملیات در Dataflow بپیوندید
5. Join Operations in Dataflow
پیوستن به PCCollection های محدود
Joining bounded PCollections
در حال پیاده سازی پیوستن به جریان
Implementing stream-stream joins
ورودی های تغذیه برای پیوستن به جریان
Feeding inputs for streaming joins
امتحان فصل
Chapter Quiz
6. استفاده از Dataflow SQL Service
6. Using the Dataflow SQL Service
پردازش جریان بدون کد
Code-free stream processing
آماده شدن برای استفاده از Dataflow SQL
Preparing to use Dataflow SQL
اجرای کارها با Dataflow SQL
Executing jobs with Dataflow SQL
پرس و جوهای پارامتری شده با Dataflow SQL
Parametrized queries with Dataflow SQL
امتحان فصل
Chapter Quiz
7. استفاده از Dataflow Streaming Templates
7. Using Dataflow Streaming Templates
راه اندازی مشاغل پخش جریانی با یک الگو
Launching streaming jobs with a template
تأیید نتایج برای یک کار الگو
Verifying results for a template job
مهندس محتوا، کارشناس DevOps، و کاربر Power Platform Google Cloud
Kishan Iyer یک مهندس محتوا، متخصص DevOps و کاربر Power Platform Google Cloud است.
Kishan دارای بیش از 20 سال تجربه توسعه نرم افزار در مقیاس جهانی. در طول دوران حرفهای خود، او در نقشهای فنی بسیار متنوعی در Deutsche Bank، Electric Cloud، WebMD و جاهای دیگر کار کرده است. او دارای مدرک کارشناسی ارشد علوم کامپیوتر از دانشکده مهندسی و علوم کاربردی فو بنیاد فو در دانشگاه کلمبیا در نیویورک است. کیشان متخصص در متدولوژیهای توسعه چابک، SQL و سرویسهای داده پلتفرم ابری گوگل، در حال حاضر به عنوان مهندس محتوا در Loonycorn، یک شرکت آموزش الکترونیکی و تولید ویدیو مستقر در بنگالورو، کارناتاکا، هند کار میکند.
نمایش نظرات