آموزش پردازش رویداد پیچیده با استفاده از Apache Flink

Complex Event Processing Using Apache Flink

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: پردازش رویداد پیچیده در بالای کتابخانه های اصلی Flink ساخته شده است. این به شما امکان می دهد الگوها را در یک جریان بی نهایت از رویدادها یا در یک پنجره زمانی شناسایی و پردازش کنید. این دوره به شما می آموزد که پردازش رویدادهای پیچیده را برای ...

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

شروع با پردازش رویداد پیچیده Getting Started with Complex Event Processing

  • بررسی نسخه Version Check

  • پیش نیازها و رئوس مطالب دوره Prerequisites and Course Outline

  • تطبیق الگو با استفاده از Flink CEP Pattern Matching Using Flink CEP

  • نسخه ی نمایشی: پیکربندی یک پروژه Maven برای استفاده از Flink CEP Demo: Configuring a Maven Project to Use Flink CEP

  • نسخه ی نمایشی: تشخیص و انتخاب الگو با استفاده از عملکرد انتخاب الگو Demo: Pattern Detection and Selection Using the Pattern Select Function

  • نسخه ی نمایشی: تشخیص و انتخاب الگو با استفاده از تابع فرآیند الگو Demo: Pattern Detection and Selection Using the Pattern Process Function

  • نسخه ی نمایشی: الگوهای با شرایط Demo: Patterns with Conditions

  • نسخه ی نمایشی: دنباله های الگو با چندین الگوی فردی Demo: Pattern Sequences with Multiple Individual Patterns

  • نسخه ی نمایشی: تطبیق الگو با جریان های موجودیت پیچیده Demo: Pattern Matching with Complex Entity Streams

  • نسخه ی نمایشی: تعیین الگوهای حلقه با استفاده از کمیت کننده ها Demo: Specifying Looping Patterns Using Quantifiers

  • نسخه ی نمایشی: کاوش در الگوهای مختلف حلقه Demo: Exploring Different Looping Patterns

درک و به کارگیری الگوهای ترکیبی Understanding and Applying Combining Patterns

  • شرایط ساده و شرایط تکراری Simple Conditions and Iterative Conditions

  • نسخه ی نمایشی: شرایط ساده Demo: Simple Conditions

  • نسخه ی نمایشی: شرایط نوع فرعی Demo: Sub Type Conditions

  • نسخه ی نمایشی: شرایط تکراری Demo: Iterative Conditions

  • نسخه ی نمایشی: الگوهای حلقه و شرایط تکرار شونده Demo: Looping Patterns and Iterative Conditions

  • نسخه ی نمایشی: ترکیب شرایط با استفاده از Logical AND و Logical OR Demo: Combining Conditions Using Logical AND And Logical OR

  • نسخه ی نمایشی: شرایط توقف برای الگوهای حلقه Demo: Stopping Conditions for Looping Patterns

  • محدودیت های مجاورت Contiguity Constraints

  • نسخه نمایشی: مجاورت شدید، مجاورت آرام، و مجاورت آرام غیر قطعی Demo: Strict Contiguity, Relaxed Contiguity, and Non Deterministic Relaxed Contiguity

  • نسخه ی نمایشی: نه بعدی و نه به دنبال محدودیت های مجاورت Demo: Not Next and Not Followed by Contiguity Constraints

  • نسخه ی نمایشی: محدودیت های مجاورت برای الگوهای حلقه Demo: Contiguity Constraints for Looping Patterns

  • نسخه ی نمایشی: اعمال محدودیت های مجاورت در موجودیت های پیچیده Demo: Applying Contiguity Constraints on Complex Entities

شناسایی و پردازش الگوهای پیچیده Detecting and Processing Complex Patterns

  • استراتژی های پرش بعد از مسابقه After Match Skip Strategies

  • نسخه ی نمایشی: گروه هایی از الگوها Demo: Groups of Patterns

  • نسخه ی نمایشی: مطابقت های الگو را با استفاده از استراتژی های رد شدن پس از مسابقه کنترل کنید Demo: Control Pattern Matches Using After Match Skip Strategies

  • نسخه ی نمایشی: رفع ابهام بین Skip Past Last Event، Skip to First و Skip to Last Demo: Disambiguating between Skip Past Last Event, Skip to First, and Skip to Last

  • زمان در کتابخانه CEP Time in the CEP Library

  • نسخه ی نمایشی: استخراج زمان رویداد از جریان های ورودی Demo: Extracting Event Time from Input Streams

  • نسخه ی نمایشی: تطبیق الگو با در یک پنجره زمان رویداد Demo: Pattern Matching with in an Event Time Window

  • نسخه ی نمایشی: رسیدگی به مسابقات جزئی به پایان رسیده است Demo: Handling Timed out Partial Matches

  • خلاصه و مطالعه بیشتر Summary and Further Study

نمایش نظرات

آموزش پردازش رویداد پیچیده با استفاده از Apache Flink
جزییات دوره
2h 29m
33
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.