آموزش چارچوبهای پردازش جریانی: Apache Kafka و ksqlDB - آخرین آپدیت
دانلود Stream Processing Frameworks: Apache Kafka and ksqlDB
درک نقش آپاچی کافکا در خط لوله پردازش جریانی Understand Apache Kafka’s Role in Stream Processing Pipeline
-
آپاچی کافکا چیست و چرا از آن استفاده کنیم؟ What Is Apache Kafka and Why Use It?
-
معماری کافکا: بلوکهای سازنده Kafka Architecture: Building Blocks
-
تولیدکنندگان، مصرفکنندگان و گروههای مصرفکننده Producers, Consumers, and Consumer Groups
-
طراحی مبتنی بر Log و اکوسیستم کافکا Kafka’s Log-based Design and Ecosystem
درک فرآیندهای پایه استریم با استفاده از Kafka Streams Understand Basic Stream Processes Using Kafka Streams
-
کافکا استریمز چیست و چرا از آن استفاده کنیم؟ What Is Kafka Streams and Why Use It?
-
عملیات بدون وضعیت (Stateless) در مقابل عملیات وضعیتدار (Stateful) در Kafka Streams Stateless vs. Stateful Operations in Kafka Streams
-
پنجرهبندی (Windowing) و تجمیع دادهها در Kafka Streams Windowing and Aggregations in Kafka Streams
-
ذخیرهسازهای وضعیت، لاگهای تغییرات و زمان استفاده از Kafka Streams State Stores, Change Logs, and When to Use Kafka Streams
آشنایی با ksqlDB و نحوه تعریف منطق استریمینگ با SQL Understand ksqlDB and How It Defines Streaming Logic with SQL
-
ksqlDB چیست و چگونه کار میکند؟ What Is ksqlDB and How Does It Work?
-
ساخت استریمها، فیلترینگ و تبدیلها در SQL Creating Streams, Filtering, and Transformations in SQL
-
تجمیع دادهها و پنجرهبندی زمانی در ksqlDB Aggregations and Time Windowing in ksqlDB
-
اتصالها (Joins) و نماهای متریالیزه شده (Materialized Views) Joins and Materialized Views
https://donyad.com/d/f05029
Harsh Karna
Harsh یک مهندس نرم افزار ماهر با بیش از 4 سال تجربه در مهندسی داده ها و توسعه نرم افزار است. او در فن آوری های داده های بزرگ مانند Hadoop ، Spark و SQL به همراه سیستم عامل های ابری مانند AWS و Azure تخصص زیادی دارد ، جایی که او ETL قوی و چارچوب های داده را بر روی سیستم عامل هایی مانند Snowflake و Databricks ساخته است. در زبانهای برنامه نویسی مانند پایتون ، SQL و جاوا مهارت دارد ، Harsh همچنین در چارچوب های Django و Flask تجربه دارد. کار وی شامل طراحی و اجرای خطوط لوله داده ، دریاچه های داده و انبارهای داده است. HARSH با سابقه ای در علوم داده ، یادگیری ماشین و آمار ، به پروژه های متنوعی از جمله پردازش زبان طبیعی و دید رایانه کمک کرده است. او به عنوان یک فریلنسر ، پروژه هایی را در مهندسی داده ها ، داده های بزرگ ، محاسبات ابری ، تجزیه و تحلیل داده ها و ژنرال هوش مصنوعی مقابله می کند. در خارج از کار ، سخت عاشق مسافرت ، یادگیری در مورد فرهنگ های جدید و ملاقات با مردم از سراسر جهان است. او مربیگری رایگان را به دانشجویان و افراد متقاضی شغل ارائه می دهد و به آنها کمک می کند تا در صنعت فناوری حرکت کنند.
نمایش نظرات