آموزش کاوش در APACH FLINK API برای پردازش داده های جریان - آخرین آپدیت

دانلود Exploring the Apache Flink API for Processing Streaming Data

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: Apache Flink بر اساس مفهوم معماری جریان اول ساخته شده است که در آن جریان منبع حقیقت است. در این دوره ، با کاوش در Apache Flink API برای پردازش داده های جریان ، تحولات سفارشی و عملیات پنجره ای را در داده های جریان انجام می دهید. اول ، شما تحولات مختلف بدون تابعیت و حالت را که از آن پشتیبانی می کند برای جریان های داده مانند نقشه ، نقشه مسطح و تحولات فیلتر پشتیبانی می کنید. در مرحله بعد ، شما استفاده از عملکرد فرآیند و عملکرد فرآیند کلید را یاد خواهید گرفت که به شما امکان می دهد عملیات بسیار دانه ای را در جریان های ورودی انجام دهید ، به حالت اپراتور دسترسی پیدا کنید و به خدمات تایمر دسترسی پیدا کنید. سرانجام ، با انجام تحولات با استفاده از API جدول و همچنین نمایش داده های SQL ، دانش خود را در مورد API های فلینک دور خواهید کرد. پس از اتمام این دوره ، مهارت و دانش لازم برای طراحی خطوط لوله فلین ، دسترسی به حالت و تایمر در فلینک ، انجام پنجره ها و پیوستن به عملیات را خواهید داشت و نمایش داده های SQL را در جریان های ورودی اجرا می کنید.

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

  • بررسی نسخه Version Check

  • پیش نیازها و رئوس مطالب دوره Prerequisites and Course Outline

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

  • API های فلینک 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

  • اتصالات جریان داده Data Stream Connectors

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

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

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

  • نسخه ی نمایشی: سینک پرونده جریان 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: اجرای برنامه های فلینک در خوشه محلی فلینک 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: تحولات مسطح Demo: Flatmap Transformations

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

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

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

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

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

  • Async IO Async IO

  • async io Async IO

انجام تحولات سفارشی در جریان ها Performing Custom Transforms on Streams

  • توابع پردازش Process Functions

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

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

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

  • نسخه ی نمایشی: دسترسی به حالت و ثبت تایمر با استفاده از یک عملکرد فرآیند کلید Demo: Accessing State and Registering Timers Using a Keyed Process Function

  • نسخه ی نمایشی: پردازش جریانهای متصل با استفاده از عملکرد COPOCESS کلیدی Demo: Processing Connected Streams Using the Keyed CoProcess Function

  • نسخه ی نمایشی: پردازش جریانهای متصل به هر کلید با استفاده از یک عملکرد پردازش کلید کلید 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: ایالت پخش Demo: Broadcast State

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

  • عملیات حالت در جریان Stateful Operations on Streams

  • انواع ویندوز Types of Windows

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

  • علامت های سفید و داده های دیررس Watermarks and Late Data

  • فلینک باعث می شود Flink Triggers

  • نسخه ی نمایشی: ویندوز در زمان وقوع رویداد Demo: Event Time Tumbling Windows

  • نسخه ی نمایشی: توابع جمع شده سفارشی با ویندوزهای پر پیچ و خم Demo: Custom Aggregate Functions with Tumbling Windows

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

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

  • نسخه ی نمایشی: ویندوزهای جهانی و محرک ها Demo: Global Windows and Triggers

  • پنجره می پیوندد Window Joins

  • فاصله زمانی می پیوندد Interval Joins

  • نسخه ی نمایشی: پیوست Demo: Joins

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

  • چشمک زدن و چشمک زدن Blink and Flink

  • جداول پویا و نمایش داده شد Dynamic Tables and Continuous Queries

  • نسخه ی نمایشی: معرفی نمایش داده های API و SQL 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: نقشه برداری مبتنی بر موقعیت و مبتنی بر نام از نام ستون ها Demo: Position-based and Name-based Mapping of Column Names

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

  • نسخه ی نمایشی: انجام عملیات انتخاب ، طرح ریزی و فیلتر کردن با استفاده از نمایش داده های SQL Demo: Performing Selection, Projection, and Filtering Operations Using SQL Queries

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

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

  • نسخه ی نمایشی: انجام پیوستن به استفاده از جداول Demo: Performing Joins Using Tables

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

  • خلاصه و مطالعه بیشتر Summary and Further Study

نمایش نظرات

آموزش کاوش در APACH FLINK API برای پردازش داده های جریان
جزییات دوره
3h 32m
64
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
12
4.6 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.