آموزش مفهوم سازی مدل پردازش برای سرویس تجزیه و تحلیل داده های Kinesis AWS

Conceptualizing the Processing Model for the AWS Kinesis Data Analytics Service

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: در این دوره، یاد خواهید گرفت که چگونه می توانید از سرویس Amazon Kinesis Data Analytics برای پردازش داده های جریانی با استفاده از زمان اجرا Apache Flink و زمان اجرا SQL استفاده کنید. شما برنامه های استریم خود را با Kinesis Data Streams ادغام خواهید کرد...Kinesis Data Analytics سرویسی است برای تبدیل و تجزیه و تحلیل داده های جریان در زمان واقعی با Apache Flink و SQL با استفاده از فناوری های بدون سرور. در این دوره، مفهوم سازی مدل پردازش برای سرویس تجزیه و تحلیل داده های Kinesis AWS، یاد خواهید گرفت که Kinesis Data Analytics بخشی از پلت فرم جریان Kinesis به همراه جریان های Kinesis Data Streams، Kinesis Data Firehose و Kinesis Video است. ابتدا با سرویس Kinesis Data Analytics برای پردازش و تجزیه و تحلیل جریان ها آشنا می شوید. شما زمان‌های اجرا موجود را که می‌توانید برای پردازش داده‌های خود که شامل زمان اجرا Apache Flink، زمان اجرا SQL و زمان اجرا Apache Beam است، مورد استفاده قرار دهید. سپس یک برنامه پخش جریانی را با استفاده از رابط خط فرمان AWS مستقر خواهید کرد. این شامل تنظیم نقش ها و خط مشی های صحیح برای برنامه شما برای دسترسی به منابع مورد نیاز آن است. در مرحله بعد، یاد خواهید گرفت که چگونه می توانید یک برنامه Kinesis Analytics را با استفاده از کنسول وب اجرا کنید. شما برنامه استریم خود را طوری پیکربندی می‌کنید که از یک مصرف‌کننده پیشرفته خوانده شود و در جریان‌های تحویل Kinesis Firehose بنویسد. شما همچنین با استفاده از Table API در Apache Flink برای پردازش داده های جریان کاوش خواهید کرد. در نهایت، برنامه‌های Kinesis Data Analytics را با استفاده از زمان اجرا SQL اجرا و اجرا خواهید کرد. زمان اجرا SQL به شما امکان می دهد پرس و جوهای SQL تعاملی را برای پردازش جریان های ورودی اجرا کنید، نحوه ایجاد و استفاده از جریان های درون برنامه را یاد خواهید گرفت و هدف پمپ جریان را درک خواهید کرد. پس از اتمام این دوره، مهارت و دانش لازم برای ایجاد و استقرار برنامه‌های استریم در Kinesis Data Analytics و استفاده از اتصالات برای کار با سایر سرویس‌های AWS به عنوان منابع داده و سینک‌های داده را خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

شروع به کار با سرویس تجزیه و تحلیل داده های Kinesis Getting Started with the Kinesis Data Analytics Service

  • بررسی نسخه Version Check

  • پیش نیازها و رئوس مطالب دوره Prerequisites and Course Outline

  • معرفی تجزیه و تحلیل داده های Kinesis Introducing Kinesis Data Analytics

  • Apache Flink Runtime The Apache Flink Runtime

  • نسخه ی نمایشی: تنظیم محیط در ماشین محلی Demo: Environment Set up on Local Machine

  • نسخه ی نمایشی: ایجاد شناسه دسترسی و کلید مخفی برای CLI Demo: Creating Access ID and Secret Key for CLI

  • منابع و سینک های کینزیس Kinesis Sources and Sinks

  • نسخه ی نمایشی: ایجاد یک جریان داده Kinesis و سطل S3 Demo: Creating a Kinesis Data Stream and S3 Bucket

  • نسخه ی نمایشی: راه اندازی یک پروژه Apache Maven Demo: Setting up an Apache Maven Project

  • نسخه ی نمایشی: درک کد پردازش جریان Demo: Understanding the Stream Processing Code

  • نسخه ی نمایشی: ایجاد خط مشی ها و نقش ها برای برنامه پخش جریانی Demo: Creating Policies and Roles for the Streaming Application

  • نسخه ی نمایشی: ایجاد و اجرای یک برنامه با استفاده از CLI Demo: Creating and Running an App Using the CLI

  • نسخه ی نمایشی: انتشار داده ها در جریان داده های Kinesis Demo: Publishing Data to Kinesis Data Streams

  • نسخه ی نمایشی: مشاهده نتایج و توقف برنامه Demo: Viewing Results and Stopping Application

  • نسخه ی نمایشی: به روز رسانی برنامه با استفاده از خط فرمان Demo: Updating Application Using the Command Line

  • نسخه ی نمایشی: اجرای برنامه و مشاهده نتایج Demo: Running Application and Viewing Results

  • قیمت گذاری تجزیه و تحلیل داده های Kinesis Kinesis Data Analytics Pricing

پردازش داده ها با استفاده از Apache Flink Runtime Processing Data Using the Apache Flink Runtime

  • نسخه ی نمایشی: ایجاد یک برنامه با استفاده از کنسول وب Demo: Creating an Application Using the Web Console

  • نسخه ی نمایشی: شروع و توقف برنامه ها با استفاده از کنسول وب Demo: Starting and Stopping Applications Using the Web Console

  • نسخه ی نمایشی: برنامه خود را برای خواندن از یک مصرف کننده EFO پیکربندی کنید Demo: Configure Your Application to Read from an EFO Consumer

  • نسخه ی نمایشی: اجرای خواندن برنامه از یک مصرف کننده EFO Demo: Running an Application Reading from an EFO Consumer

  • نسخه ی نمایشی: نوشتن سوابق پردازش شده در یک جریان داده Kinesis Demo: Writing Processed Records to a Kinesis Data Stream

  • نسخه ی نمایشی: با استفاده از جریان تحویل Kinesis Firehose به S3 ضبط می کند Demo: Sink Records to S3 Using a Kinesis Firehose Delivery Stream

  • نسخه ی نمایشی: ایجاد یک جریان تحویل آتش سوزی Kinesis برای عملیات مستقیم PUT Demo: Creating a Kinesis Firehose Delivery Stream for Direct PUT Operations

  • نسخه ی نمایشی: نوشتن نتایج جریان به یک جریان تحویل آتش سوزی Kinesis Demo: Writing Streaming Results to a Kinesis Firehose Delivery Stream

  • نسخه ی نمایشی: تغییر سوابق جریان تحویل با استفاده از یک تابع AWS Lambda Demo: Transforming Delivery Stream Records Using an AWS Lambda Function

  • نسخه ی نمایشی: پردازش جریانی با استفاده از جدول API Demo: Stream Processing Using the Table API

پردازش داده ها با استفاده از زمان اجرا SQL Processing Data Using the SQL Runtime

  • زمان اجرا SQL The SQL Runtime

  • نسخه ی نمایشی: سوابق را با فرمت JSON به جریان داده Kinesis منتشر کنید Demo: Publish Records in the JSON Format to the Kinesis Data Stream

  • نسخه ی نمایشی: اجرای پرس و جوهای SQL برای پردازش داده های جریانی Demo: Running SQL Queries to Process Streaming Data

  • نسخه ی نمایشی: اتصال یک مقصد به SQL Stream Processing Demo: Connecting a Destination to SQL Stream Processing

  • نسخه ی نمایشی: ویرایش طرحواره و انجام عملیات پنجره Demo: Editing Schema and Performing Windowing Operations

  • نسخه ی نمایشی: کار با داده های CSV Demo: Working with CSV Data

  • خلاصه و مطالعه بیشتر Summary and Further Study

نمایش نظرات

آموزش مفهوم سازی مدل پردازش برای سرویس تجزیه و تحلیل داده های Kinesis AWS
جزییات دوره
2h 34m
35
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.