آموزش آپاچی ایرفلو 3: نویسندگی پیشرفته DAG - آخرین آپدیت

دانلود Apache Airflow 3: Advanced DAG Authoring

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با پیشرفته‌ترین قابلیت‌ها، DAGهای ایرفلو خود را به سطح جدیدی ببرید. طراحی DAGهای متمرکز بر دارایی (Asset-centric) با استفاده از Airflow 3. پیاده‌سازی زمان‌بندی رویداد-محور (Event-driven) برای اجرای گردش‌کارهای مبتنی بر رویدادهای خارجی به جای زمان‌بندی‌های ثابت. ایجاد گردش‌کارهای پویا با استفاده از تکنیک‌های پیشرفته Mapping برای مدیریت بهینه تعداد متغیر تسک‌ها. ساخت گردش‌کارهای هوش مصنوعی با آخرین به‌روزرسانی‌های ایرفلو با استفاده از دکوراتورها و اپراتورهای Human-in-the-loop. پیش‌نیازها: دانش کاربردی از Apache Airflow 2.x، شامل مفاهیم پایه نویسندگی و اجرای DAG. تسلط بر برنامه‌نویسی پایتون (سطح متوسط). تجربه کار با مفاهیم پایه ETL و خط لوله داده (Data Pipeline). آشنایی با محیط خط فرمان (CLI) و دستورات پایه لینوکس/یونیکس. درک مفاهیم پایه کانتینرسازی (Docker). دسترسی به محیط توسعه قادر به اجرای Apache Airflow 3.x. تجربه کار با سیستم کنترل نسخه Git (پایه).

ایرفلو 3: نویسندگی پیشرفته DAG

مهارت‌های Apache Airflow خود را به سطح حرفه‌ای برسانید. این دوره به بررسی عمیق ویژگی‌های قدرتمند Airflow 3 می‌پردازد که مهندسان داده متخصص را از مبتدیان متمایز می‌کند.

شما بر TaskFlow API مسلط خواهید شد؛ از مفاهیم پایه تا الگوهای پیشرفته مانند تولید پویای DAG، گروه‌های تسک (Task Groups)، استخرها (Pools) و مدیریت منابع. بیاموزید چگونه با استفاده از Dynamic Task Mapping و تکنیک‌های پیشرفته‌ای مانند reduce و expand، خط لوله‌های منعطف و مقیاس‌پذیر بسازید. استراتژی‌های مدرن زمان‌بندی شامل Assets، زمان‌بندی شرطی و خط لوله‌های رویداد-محور با سرویس‌هایی مانند AWS SQS را کاوش کنید. علاوه بر این، نحوه ادغام هوش مصنوعی در گردش‌کارهای خود با استفاده از LLMها، AI SDK و الگوهای تایید انسانی (Human-in-the-loop) را کشف کنید.

آنچه خواهید آموخت:

  • نوشتن DAGهای تمیز و پایتونیک با استفاده از TaskFlow API

  • تولید پویای DAGها و بازاستفاده از تسک‌ها مانند یک متخصص

  • تسلط بر Dynamic Task Mapping برای گردش‌کارهای منعطف و داده-محور

  • زمان‌بندی خط لوله‌ها با استفاده از Assets، تریگرهای رویداد-محور و زمان‌بندی مستمر

  • ادغام مستقیم هوش مصنوعی و LLMها در تسک‌های ایرفلو

  • پیاده‌سازی گردش‌کارهای Human-in-the-loop برای تاییدات هوش مصنوعی

هر ویدیو دارای کد منبع مربوط به خود است تا دنبال کردن مطالب برای شما آسان باشد.

این دوره برای چه کسانی است: مهندسان داده و توسعه‌دهندگانی که دانش پایه‌ای از ایرفلو دارند و می‌خواهند با استفاده از آخرین ویژگی‌های Airflow 3، DAGهایی کارآمدتر، قابل‌ نگهداری‌تر و در سطح محیط عملیاتی (Production) بنویسند.

امیدوارم برای این دوره آماده باشید. بیایید شروع کنیم!

مارک لمبرتی


سرفصل ها و درس ها

مقدمه Introduction

  • خوش‌آمدگویی! Welcome!

  • من کی هستم؟ Who I am?

  • اهداف دوره Course Goals

  • راه اندازی محیط توسعه ایرفلو Setting Up Your Airflow Development Environment

ساخت DAG مانند یک حرفه‌ای Create DAGs like Pro

  • چرا برای ساخت DAG به Taskflow نیاز دارید؟ Why do you need creating DAGs with Taskflow

  • بازنویسی یک DAG قدیمی با Taskflow Rewriting an old DAG with Taskflow

  • دسترسی به اطلاعات DAG و موارد دیگر از طریق تسک‌ها Access DAG information and more from your tasks

  • ارسال پارامترها به DAGها Passing parameters to your DAGs

  • تولید پویای DAGها با تنظیمات مختلف Dynamically generate DAGs with different settings

  • ترکیب دکوراتورها با اپراتورها Mix decorators with operators

  • اپراتور Bash جدید (بسیار بهتر!) The new bash operator (much better!)

  • گروه‌بندی تسک‌ها با TaskGroups Group your tasks with TaskGroups

  • آرگومان‌های پیش‌فرض برای DAGها و Taskgroups Default arguments to DAGs and Taskgroups

  • اجرای تسک‌ها در ایرفلو نامحدود نیست Running tasks on Airflow isn't unlimited

  • بازاستفاده از تسک‌ها به صورت حرفه‌ای Reuse tasks like a pro

  • مدیریت صحیح منابع خارجی در DAGها Correctly manage external resources within your DAGs

زمان‌بندی DAG مانند یک حرفه‌ای Schedule your DAGs like a Pro

  • روش‌های مختلف زمان‌بندی DAGها The different ways of scheduling DAGs

  • مبانی اما... حیاتی The basics but... important

  • استفاده از Cron یا Timedelta؟ Cron or Timedelta?

  • آیا این استریمینگ است؟ Is that streaming?

  • زمان‌بندی DAGها بر اساس به‌روزرسانی Asset Scheduling DAGs on Asset updates

  • زمان‌بندی شرطی Asset Conditional Asset scheduling

  • Assetها لزوماً نباید استاتیک باشند... Assets don't have to be static...

  • دسترسی به متادیتاهای Asset Access Asset metadata

  • روشی متفاوت (و بهتر؟) برای تعریف Assets A different (better?) way to define Assets

  • زمان‌بندی DAGها بر اساس رویدادهای خارجی Schedule your DAGs on EXTERNAL events

  • زمان‌بندی رویداد-محور با SQS Event driven scheduling with SQS

ایجاد تسک‌های پویا مانند یک حرفه‌ای Create dynamic tasks like a Pro

  • چرا تسک‌های استاتیک کافی نیستند؟ Why static tasks is not enough

  • مبانی Dynamic Task Mapping The basics of dynamic task mapping

  • دریافت خروجی‌ها از تسک‌های پویا Fetch outputs from dynamic tasks

  • تغییر و فیلتر کردن خروجی‌های تسک‌های پویا Transform and filter dynamic task outputs

  • مپ کردن تسک‌ها روی دیکشنری‌ها Mapping tasks on dictionaries

  • ترکیب خروجی‌های تسک‌های پویا Combining dynamic task outputs

  • اتصال (Concatenate) خروجی‌های تسک‌های پویا Concatenate dynamic task outputs

  • در میان تسک‌های پویا گم نشوید Don't get lost with your dynamic tasks

  • چگونه با اپراتورهای سنتی ترکیب کنیم؟ How to mix with traditional operators?

هوش مصنوعی در ایرفلو مانند یک حرفه‌ای AI in Airflow like a Pro

  • نحوه استفاده از هوش مصنوعی در ایرفلو How to use AI in Airflow

  • پرس‌وجو از LLMها در DAGها Querying LLMs in DAGs

  • اجازه دهید هوش مصنوعی تسک بعدی را انتخاب کند Let AI choose the next task to run

  • موارد بیشتر... There is more..

  • اپراتورهای جدید AI در ایرفلو The new AI Operators in Airflow

  • آیا تایید می‌کنید؟ Do you approve?

نمایش نظرات

آموزش آپاچی ایرفلو 3: نویسندگی پیشرفته DAG
جزییات دوره
5 hours
42
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
178
4.9 از 5
دارد
دارد
دارد
Marc Lamberti
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Marc Lamberti Marc Lamberti

کارشناس جریان هوای آپاچی، مهندس کلان داده