آموزش بررسی Apache Flink API برای پردازش جریان داده ها

Exploring the Apache Flink API for Processing Streaming Data

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: Flink یک سیستم با مقیاس بزرگ ، متحمل و مقیاس بزرگ است که با مجموعه داده های محدود و غیرمحدود با استفاده از همان معماری اصلی جریان اول کار می کند. Apache Flink بر اساس مفهوم معماری جریان اول ساخته شده است که جریان منبع حقیقت است. در این دوره ، با کاوش در Apache Flink API برای پردازش داده های جریانی ، شما تغییرات دفاعی و پنجره سازی را روی داده های جریان دار انجام می دهید. ابتدا تحولات مختلف بدون حالت و وضعیتی را که Flink برای جریان داده ها مانند نقشه ، نقشه مسطح و تبدیل فیلتر پشتیبانی می کند ، کشف خواهید کرد. در مرحله بعدی ، شما با استفاده از عملکرد فرآیند و عملکرد فرآیند کلید خورده آشنا می شوید که به شما امکان می دهد عملیات بسیار دانه ای را روی جریان های ورودی انجام دهید ، به حالت عملگر دسترسی پیدا کنید و به خدمات تایمر دسترسی پیدا کنید. سرانجام ، شما با انجام تحولات با استفاده از جدول API و همچنین پرس و جوهای SQL ، دانش خود را در مورد API های Flink جمع خواهید کرد. پس از اتمام این دوره ، مهارت و دانش لازم برای طراحی خطوط لوله Flink ، دسترسی به وضعیت و تایمرها در Flink ، انجام عملیات پنجره سازی و پیوستن و اجرای نمایشگرهای SQL در جریان های ورودی را خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

اعمال تغییر شکل در جریانهای ورودی Applying Transforms on Input Streams

  • پیش نیازها و طرح کلی دوره Prerequisites and Course Outline

  • Flink API ها برای پردازش جریان Flink APIs for Stream Processing

  • اتصال دهنده های جریان داده Data Stream Connectors

  • نسخه ی نمایشی: محیط و راه اندازی پروژه Maven Demo: Environment and Maven Project Setup

  • نسخه ی نمایشی: پیکربندی وابستگی ها در IntelliJ Demo: Configuring Dependencies in IntelliJ

  • نسخه ی نمایشی: تحولات نقشه و فیلتر Demo: Map and Filter Transformations

  • نسخه ی نمایشی: پخش جریانی فایل سینک Demo: Streaming File Sink

  • نسخه ی نمایشی: اجرای برنامه های Flink در خوشه محلی Flink Demo: Running Flink Applications on the Local Flink Cluster

  • نسخه ی نمایشی: تحولات نقشه Flatmap Demo: Flatmap Transformations

  • نسخه ی نمایشی: جریان های کلیددار و تغییر شکل در جریان های کلیددار Demo: Keyed Streams and Transforms on Keyed Streams

  • نسخه ی نمایشی: استفاده از POJO در جریان داده ها Demo: Using POJOs in Data Streams

  • نسخه ی نمایشی: جریان های متصل Demo: Connected Streams

  • Async IO Async IO

انجام تحولات سفارشی در جریان ها Performing Custom Transforms on Streams

  • توابع فرآیند Process Functions

  • نسخه ی نمایشی: تعداد باتری ها و باتری های هیستوگرام Demo: Count Accumulators and Histogram Accumulators

  • نسخه ی نمایشی: تنظیم یک منبع جریان سفارشی Demo: Setting up a Custom Streaming Source

  • نسخه ی نمایشی: تبدیل داده ها با استفاده از عملکرد فرآیند Demo: Transforming Data Using a Process Function

  • نسخه ی نمایشی: دستیابی به وضعیت و ثبت تایمرها با استفاده از عملکرد فرآیند کلید خورده Demo: Accessing State and Registering Timers Using a Keyed Process Function

  • نسخه ی نمایشی: پردازش جریان های متصل با استفاده از عملکرد Coed Coed Coed Demo: Processing Connected Streams Using the Keyed CoProcess Function

  • نسخه ی نمایشی: پردازش جریان های متصل به ازای هر کلید با استفاده از یک تابع CoProcess کلید خورده Demo: Processing Connected Streams Per Key Using a Keyed CoProcess Function

  • خروجی های جانبی Side Outputs

  • نسخه ی نمایشی: خروجی های جانبی Demo: Side Outputs

  • الگوی حالت پخش The Broadcast State Pattern

  • نسخه ی نمایشی: حالت پخش Demo: Broadcast State

کار با عملیات Windowing در جریان ها Working with Windowing Operations on Streams

  • عملیات های دولتی در جریان ها Stateful Operations on Streams

  • انواع ویندوز Types of Windows

  • زمان رویداد ، زمان بلع و زمان پردازش Event Time, Ingestion Time, and Processing Time

  • علامت های آبی و داده های بعدی Watermarks and Late Data

  • راه اندازهای Flink Flink Triggers

  • نسخه ی نمایشی: Windows Eumb Time Tumbling Demo: Event Time Tumbling Windows

  • نسخه ی نمایشی: توابع جمع شده سفارشی با Tumbling Windows Demo: Custom Aggregate Functions with Tumbling Windows

  • نسخه ی نمایشی: زمان رویداد کشویی ویندوز و پنجره همه عملیات Demo: Event Time Sliding Windows and Window All Operations

  • نسخه ی نمایشی: زمان پردازش ویندوز Demo: Processing Time Session Windows

  • نسخه ی نمایشی: Windows Windows و Triggers Demo: Global Windows and Triggers

  • پنجره می پیوندد Window Joins

  • Interval می پیوندد Interval Joins

  • نسخه ی نمایشی: می پیوندد Demo: Joins

کاوش در API جدول و اجرای نمایش داده های SQL Exploring the Table API and Running SQL Queries

  • چشمک بزن و چشمک بزن Blink and Flink

  • جداول پویا و س Quالات مستمر Dynamic Tables and Continuous Queries

  • نسخه ی نمایشی: معرفی Table API و SQL نمایش داده شد Demo: Introducing the Table API and SQL Queries

  • نسخه ی نمایشی: ایجاد جداول از جریان داده ها Demo: Creating Tables from Data Streams

  • نسخه ی نمایشی: نگاشت نام ستون ها بر اساس موقعیت و بر اساس نام Demo: Position-based and Name-based Mapping of Column Names

  • نسخه ی نمایشی: عملیات انتخاب ، پروجکشن و فیلتر کردن روی جداول Demo: Selection, Projection, and Filtering Operations on Tables

  • نسخه ی نمایشی: انجام عملیات انتخاب ، پروجکشن و فیلتر کردن با استفاده از SQL query Demo: Performing Selection, Projection, and Filtering Operations Using SQL Queries

  • نسخه ی نمایشی: گروه بندی عملیات با استفاده از جداول پویا Demo: Grouping Operations Using Dynamic Tables

  • نسخه ی نمایشی: تبدیل جداول به جریان داده با استفاده از حالت ضمیمه و حالت جمع کردن Demo: Converting Tables to Data Streams Using Append Mode and Retract Mode

  • نسخه ی نمایشی: اجرا با استفاده از جداول Demo: Performing Joins Using Tables

  • نسخه ی نمایشی: انجام عملیات پنجره سازی با استفاده از Table API Demo: Performing Windowing Operations Using the Table API

  • خلاصه و مطالعه بیشتر Summary and Further Study

نمایش نظرات

آموزش بررسی Apache Flink API برای پردازش جریان داده ها
جزییات دوره
3h 31m
50
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.