لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری با مثال: Apache Flink
Learn By Example : Apache Flink
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
30 مثال حل شده در مورد پردازش جریانی و دسته ای استفاده از DataStream API برای تبدیل داده های جریانی استفاده از DataSet API برای پردازش دسته ای اعمال عملیات پنجره روی داده های جریانی استفاده از Flink-ML برای یادگیری ماشین استفاده از Gelly برای پردازش گراف پیش نیازها:تجربه در برنامه نویسی جاوا و آشنایی با استفاده از چارچوب های جاوا ساخت Jars با Maven، کامپایل کد جاوا و اشکال زدایی نصب IDE مانند IntelliJ IDEA یا Eclipse برای برنامه نویسی جاوا و اسکالا
Flink یک فناوری پردازش جریانی با قابلیت اضافه شده برای انجام بسیاری از کارهای دیگر مانند پردازش دستهای، الگوریتمهای نمودار، یادگیری ماشینی و غیره است. در خرابی درگاه پرداخت یا شروع معاملات بر اساس تغییرات قیمت سهام زنده.
این دوره دارای 30 مثال حل شده در ساخت برنامه های Flink برای هر دو جریان و پردازش دسته ای است
چه چیزی پوشش داده شده است؟
1) تغییر شکلها در DataStream API: فیلتر، نقشه، flatMap و کاهش
2) عملیات در چند جریان: اتحاد، همگروه، اتصال، کامپ، پیوستن و تکرار
3) عملیات پنجره: پنجرههای غلت، لغزش، شمارش و جلسه. مفهوم زمان و نحوه اجرای توابع سفارشی پنجره
4) مدیریت تحمل خطا با State and Checkpointing
5) تغییرات در DataSet API: فیلتر، نقشه، کاهش، کاهشگروه
6) استفاده از الگوریتمهای ML در حال پرواز با استفاده از Flink-ML
7) نمایش دادههای Graph با استفاده از Gelly
سرفصل ها و درس ها
معرفی
Introduction
شما، این دوره و ما
You, This Course and Us
معماری پردازش جریان Flink
Flink's Stream Processing Architecture
پردازش جریانی چیست؟
What is stream processing?
پردازش جریانی در مقابل پردازش دسته ای
Stream processing vs Batch processing
الزامات یک معماری جریان
Requirements of a Streaming Architecture
پردازش جریانی با Apache Flink
Stream processing with Apache Flink
شروع کار با Flink
Getting Started with Flink
در حال نصب Flink
Installing Flink
راه اندازی پروژه Flink خود با Maven
Setting up your Flink project with Maven
سلام دنیا!
Hello World!
مدل نمایش داده ها و برنامه نویسی
Data Representation and Programming Model
مثال 1: نوشتن برنامه Flink
Example 1: Writing a Flink program
تبدیل با استفاده از DataStream API
Transformations using the DataStream API
مثال 2: عملیات فیلتر
Example 2: The Filter operation
مثال 3: عملیات نقشه
Example 3: The Map operation
مثال 4: عملیات FlatMap
Example 4: The FlatMap operation
دگرگونی های بی تابعیت و دولتی
Stateless and Stateful Transformations
جریان های کلید دار
Keyed Streams
مثال 5: ایجاد جریانی از Tuples
Example 5: Creating a stream of Tuples
مثال 6: دگرگونیها در جریانهای کلیددار
Example 6: Transformations on Keyed Streams
مثال 7: تجمیع اعداد
Example 7: Number aggregations
مثال 8: عملیات کاهش
Example 8: The Reduce Operation
عملیات پنجره
Window Operations
تبدیل ویندوز
Windows Transformation
مثال 9 و 10: ویندوز کلیدی در مقابل غیرکلیدی، کشویی و غلتشی
Example 9 and 10: Keyed vs NonKeyed, Sliding and Tumbling Windows
مثال 11: شمارش ویندوز
Example 11: Count Windows
مثال 12: ویندوز جلسه
Example 12: Session Windows
آشنایی با Windows API
Understanding the Window API
مثال 13: پیاده سازی یک تابع پنجره سفارشی
Example 13: Implementing a Custom Window Function
مثال 14: تغییر مشخصه زمانی
Example 14: Changing the time characteristic
مثال 15: پنجره استریم توییتر
Example 15: Twitter Streaming Window
منابع سفارشی
Custom Sources
مثال 16: منابع سفارشی
Example 16: Custom Sources
ایالت و ایست بازرسی
State and Checkpointing
مثال 17: وضعیت ارزش
Example 17: Value State
مثال 18: وضعیت فهرست
Example 18: List State
مثال 19: حالت کاهنده
Example 19: Reducing State
مثال 20: راهبردهای بازرسی و راه اندازی مجدد
Example 20: Checkpointing and Restart strategies
عملیات در جریان های چندگانه
Operations on Multiple Streams
مثال 21: اتحادیه ها
Example 21: Unions
مثال 22: پیوستن به جریان ها
Example 22: Joining Streams
مثال 23: coGroup
Example 23: coGroup
مثال 24: coMap
Example 24: coMap
مثال 25: تکرار کنید
Example 25: Iterate
مثال 26: تقسیم
Example 26: Split
تبدیل در DataSet API
Transformations in the DataSet API
مثال 27: اعمال تبدیل در مجموعه داده ها
Example 27: Applying Transformations on DataSets
نمایش نمودار با Gelly
Graph representation with Gelly
مثال 28: نمایش داده های گراف
Example 28: Representing Graph data
یادگیری ماشین با Flink ML
Machine Learning with Flink ML
مثال 29: Scala Hello World
Example 29: Scala Hello World
مثال 30: توصیه هایی با حداقل مربعات متناوب
Example 30: Recommendations with Alternating Least Squares
یودمی یکی از بزرگترین پلتفرمهای آموزشی آنلاین است که به میلیونها کاربر در سراسر جهان امکان دسترسی به دورههای متنوع و کاربردی را فراهم میکند. این پلتفرم امکان آموزش در زمینههای مختلف از فناوری اطلاعات و برنامهنویسی گرفته تا زبانهای خارجی، مدیریت، و هنر را به کاربران ارائه میدهد. با استفاده از یودمی، کاربران میتوانند به صورت انعطافپذیر و بهینه، مهارتهای جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگیهای برجسته یودمی، کیفیت بالای دورهها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد میدهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و میتوانند به بهترین شکل ممکن از آموزشها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرمهای آموزشی آنلاین، به افراد امکان میدهد تا به راحتی و با کیفیت، مهارتهای مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.
نمایش نظرات