آموزش یادگیری با مثال: Apache Flink

Learn By Example : Apache Flink

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
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

نمایش نظرات

نظری ارسال نشده است.

آموزش یادگیری با مثال: Apache Flink
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
3 hours
41
Udemy (یودمی) udemy-small
27 اسفند 1395 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
4,010
4.6 از 5
دارد
دارد
دارد
Loony Corn

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Loony Corn Loony Corn

یک تیم سابق گوگل، استنفورد و فلیپ کارت

Udemy (یودمی)

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.