آموزش Apache Flink: مهندسی داده حالت دسته ای

Apache Flink: Batch Mode Data Engineering

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: مهندسی داده بنیادی برای امکان استفاده از برنامه های تجزیه و تحلیل و علوم داده در دنیای داده های بزرگ است. این نیاز به ساخت خطوط لوله پردازش داده های مقیاس پذیر و تحویل آنها در بازه های زمانی کوتاه دارد. Apache Flink ، پلت فرم قدرتمند و محبوب پردازش جریان ، برای کمک به شما در دستیابی به این اهداف طراحی شده است. در این دوره ، به Kumaran Ponnambalam بپیوندید زیرا او در مورد چگونگی ساخت خطوط داده داده حالت دسته ای با Apache Flink تمرکز دارد. کوماران با مرور ویژگی ها و معماری Apache Flink مسیر خود را آغاز می کند. وی سپس نگاهی عمیق تر به API DataSet می اندازد و قابلیت های مختلف موجود برای تبدیل ، تجمیع و ترکیب داده ها را بررسی می کند. وی برای پایان دادن به دوره ، یک پروژه مورد استفاده را ارائه می دهد که به شما امکان می دهد از مهارت های جدید خود استفاده کنید.
موضوعات شامل:
  • معماری Apache Flink
  • ویژگیهای API DataSet
  • استفاده از کلاسهای POJO برای تایپ DataSet
  • کار با همکاری در Flink
  • استفاده از MySQL با Flink
  • استفاده از متغیرهای پخش برای به اشتراک گذاری و جمع آوری داده ها

سرفصل ها و درس ها

مقدمه Introduction

  • مهندسی حالت دسته ای Batch mode engineering

1. Apache Flink 1. Apache Flink

  • Apache Flink چیست؟ What is Apache Flink?

  • ویژگی های Apache Flink Apache Flink features

  • معماری Apache Flink Architecture of Apache Flink

  • ساختار برنامه flink Flink program structure

  • جریان اجرای پلک Flink execution flow

2. راه اندازی Flink 2. Setting Up Flink

  • نصب مستقل Flink Installing Flink standalone

  • ایجاد یک پروژه Flink Creating a Flink project

  • یک برنامه Flink نمونه بسازید Build a sample Flink program

  • کار در حال اجرا روی خوشه است Running jobs on the cluster

  • با استفاده از رابط وب Flink Using the Flink web interface

  • تنظیم پرونده های تمرینی Setting up the exercise files

3. API Dataset 3. Dataset API

  • مفاهیم DataSet API DataSet API concepts

  • خواندن پرونده CSV Reading a CSV File

  • با استفاده از نقشه Using Map

  • با استفاده از FlatMap Using FlatMap

  • با استفاده از فیلترها Using filters

  • با استفاده از مصالح Using aggregates

  • با استفاده از کاهش Using Reduce

4. قابلیت های پیشرفته 4. Advanced Capabilities

  • با استفاده از کلاس های POJO Using POJO classes

  • به عملیات بپیوندید Join operations

  • با استفاده از MySQL با Flink Using MySQL with Flink

  • با استفاده از متغیرهای پخش Using broadcast variables

5- از Project Case استفاده کنید 5. Use Case Project

  • تعریف مسئله Problem definition

  • محاسبه نمره کل Computing total score

  • چاپ نمرات برای فیزیک Printing scores for physics

  • محاسبه میانگین نمرات در بین افراد Computing average scores across subjects

  • دانش آموز برتر برای هر موضوع را پیدا کنید Find the top student for each subject

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش Apache Flink: مهندسی داده حالت دسته ای
جزییات دوره
1h 7m
29
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
532
- 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.