آموزش الگوهای طراحی پردازش جریان با جریان های کافکا

Stream Processing Design Patterns with Kafka Streams

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: پردازش جریان به سرعت در حال افزایش محبوبیت است ، زیرا هر روز اطلاعات بیشتری توسط وب سایت ها ، دستگاه ها و ارتباطات تولید می شود. سیستم عامل هایی مانند Apache Kafka Streams می توانند به شما کمک کنند برنامه های پردازش جریان سریع و مقیاس پذیر را بسازید ، اما مهندسان داده بزرگ هنوز هم برای دستیابی به حداکثر بازده نیاز به طراحی موارد استفاده هوشمند دارند. در این دوره ، وقتی می آموزید که چگونه موارد استفاده با الگوهای محبوب طراحی را بیاموزید ، در مورد چگونگی حل مشکلات پردازش جریان با Kafka Streams در جاوا اطلاعات کسب کنید. برخی از ویژگیهای قابل توجه جریانهای Kafka را مرور کرده و چهار الگوی معروف برای پردازش جریان را کشف کنید: تجزیه و تحلیل جریان ، هشدارها و آستانه ها ، تابلوهای امتیازات و پیش بینی در زمان واقعی. در این راه ، موارد استفاده از مثال را مرور کرده و نحوه استفاده از جریان های کافکا و همچنین فناوری های کلیدی مانند MariaDB و Redis را برای پیاده سازی مثالهای اصلی کشف کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • پردازش جریان با کافکا Stream processing with Kafka

  • پیش نیازها Prerequisites

1. پردازش جریان با جریان های کافکا 1. Stream Processing with Kafka Streams

  • پردازش جریان چیست؟ What is stream processing?

  • جریان دادن به فرصت ها و چالش ها Streaming opportunities and challenges

  • پخش جریانی با جریان های کافکا Streaming with Kafka Streams

  • جریان کافکا DSL Kafka Streams DSL

  • تنظیم پرونده های تمرینی Setting up the exercise files

  • راه اندازی کافکا Setting up Kafka

  • راه اندازی MariaDB و Redis Setting up MariaDB and Redis

2. جریان تجزیه و تحلیل 2. Streaming Analytics

  • تجزیه و تحلیل جریان: الگو Streaming analytics: Pattern

  • تجزیه و تحلیل جریان: از طراحی حروف استفاده کنید Streaming analytics: Use case design

  • تجزیه و تحلیل جریان: کلاس های یاور Streaming analytics: Helper classes

  • تجزیه و تحلیل جریان: اجرای خط لوله Streaming analytics: Pipeline implementation

  • تجزیه و تحلیل جریان: بررسی نتایج Streaming analytics: Results review

3. هشدارها و آستانه ها 3. Alerts and Thresholds

  • هشدارها و آستانه ها: الگو Alerts and thresholds: Pattern

  • هشدارها و آستانه ها: از طراحی حروف استفاده کنید Alerts and thresholds: Use case design

  • هشدارها و آستانه ها: کلاس های یاور Alerts and thresholds: Helper classes

  • هشدارها و آستانه ها: اجرای خط لوله Alerts and thresholds: Pipeline implementation

  • هشدارها و آستانه ها: مرور کنید Alerts and thresholds: Review

4. تابلوهای امتیازات 4. Leaderboards

  • تابلوها: الگو Leaderboards: Pattern

  • مدیران صفحه: از طراحی مورد استفاده کنید Leaderboards: Use case design

  • تابلوهای امتیازات: کلاس های یاور Leaderboards: Helper classes

  • تابلوهای امتیازات: اجرای خط لوله Leaderboards: Pipeline implementation

  • مدیران سایت: مرور کنید Leaderboards: Review

5. پیش بینی در زمان واقعی 5. Real-Time Predictions

  • پیش بینی در زمان واقعی: الگو Real-time predictions: Pattern

  • پیش بینی در زمان واقعی: از طراحی حروف استفاده کنید Real-time predictions: Use case design

  • پیش بینی در زمان واقعی: کلاس های یاور Real-time predictions: Helper classes

  • پیش بینی در زمان واقعی: اجرای خط لوله Real-time predictions: Pipeline implementation

  • پیش بینی های زمان واقعی: مرور کنید Real-time predictions: Review

6. از Case Case استفاده کنید 6. Use Case Project

  • از تعریف حروف استفاده کنید Use case definition

  • طراحی پروژه Design of the project

  • عبور از کد Code walk-through

  • اجرا و تحلیل کنید Execute and analyze

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش الگوهای طراحی پردازش جریان با جریان های کافکا
جزییات دوره
1h 7m
34
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
429
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kumaran Ponnambalam Kumaran Ponnambalam

اختصاص به آموزش علوم داده

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.