لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش با مثال بیاموزید: Hadoop، MapReduce برای مشکلات کلان داده
Learn By Example: Hadoop, MapReduce for Big Data problems
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
تمرین عملی در Hadoop، MapReduce و هنر تفکر "موازی" توسعه برنامه های کاربردی MapReduce پیشرفته برای پردازش BigData بر هنر "تفکر موازی" مسلط شوید - چگونه یک کار را به نقشه تقسیم کنید/تحولات را کاهش دهید به طور خودکفا راه اندازی کنید خوشه mini-Hadoop خود را چه یک گره، یک خوشه فیزیکی یا در فضای ابری. از Hadoop + MapReduce برای حل طیف گسترده ای از مشکلات استفاده کنید: از NLP گرفته تا شاخص های معکوس گرفته تا توصیه ها درک HDFS، MapReduce و YARN و نحوه تعامل آنها با یکدیگر درک اصول تنظیم عملکرد و مدیریت کلاستر خود. یک IDE که در آن می توانید کد جاوا بنویسید یا کد منبعی که به اشتراک گذاشته شده است را باز کنید. IntelliJ و Eclipse هر دو گزینه های عالی هستند. شما به پیشینه ای در برنامه نویسی شی گرا، ترجیحاً در جاوا نیاز دارید. تمام کد منبع در جاوا است و ما بدون ورود به اشیا، کلاسها و غیره وارد آن میشویم. کمی قرار گرفتن در معرض پوستههای لینوکس/یونیکس مفید خواهد بود، اما مسدودکننده نخواهد بود.
توسط یک تیم 4 نفره شامل 2 تحصیلات دانشگاه استنفورد، Googler سابق و 2 تحلیلگر ارشد سابق Flipkart تدریس میشود. این تیم چندین دهه تجربه عملی در کار با جاوا و با میلیاردها ردیف داده دارد.
این دوره یک تمرین بزرگنمایی، بزرگنمایی، است که شامل Hadoop، MapReduce و هنر تفکر موازی است.
بیایید آن را تجزیه کنیم.
بزرگنمایی، بزرگنمایی: این دوره هم گسترده و هم عمیق است. اجزای منفرد Hadoop را با جزئیات کامل پوشش میدهد، و همچنین تصویر سطح بالاتری از نحوه تعامل آنها با یکدیگر به شما میدهد.
تمرین عملی شامل Hadoop، MapReduce: این دوره شما را خیلی زود با Hadoop آشنا میکند. یاد خواهید گرفت که چگونه با استفاده از VM و Cloud، خوشه خود را راهاندازی کنید. تمام ویژگی های اصلی MapReduce پوشش داده شده است - از جمله موضوعات پیشرفته مانند مرتب سازی کل و مرتب سازی ثانویه.
هنر موازی فکر کردن: MapReduce طرز تفکر مردم را در مورد پردازش کلان داده کاملاً تغییر داد. تفکیک هر مشکلی به واحدهای موازی پذیر یک هنر است. مثالهای این دوره به شما آموزش میدهند که «موازی فکر کنید».
موارد تحت پوشش:
چیزهای جالب زیادی ..
استفاده از MapReduce به
توصیه به دوستان در سایت شبکه اجتماعی: با استفاده از یک الگوریتم فیلتر مشارکتی، 10 توصیه دوست برتر را ایجاد کنید.
ایجاد یک فهرست معکوس برای موتورهای جستجو: از MapReduce برای موازی کردن کار عظیم ایجاد یک شاخص معکوس برای یک موتور جستجو استفاده کنید.
ایجاد Bigrams از متن: Bigrams تولید کنید و توزیع فرکانس آنها را در مجموعهای از متن محاسبه کنید.
خوشه Hadoop خود را بسازید:
Hadoop را در حالتهای مستقل، شبه توزیع شده و کاملاً توزیع شده نصب کنید
با استفاده از ماشینهای مجازی لینوکس، یک خوشه hadoop راهاندازی کنید.
با مدیر Cloudera یک خوشه Hadoop ابری را در AWS تنظیم کنید.
درک HDFS، MapReduce و YARN و تعامل آنها
مشاغل MapReduce خود را سفارشی کنید:
چندین کار MR را با هم زنجیره بزنید
پارتیشنکننده سفارشی خود را بنویسید
مرتبسازی کل: با نمونهبرداری از فایلهای ورودی، حجم زیادی از دادهها را به صورت جهانی مرتب میکند
مرتب سازی ثانویه
تست واحد با MR Unit
با استفاده از Hadoop Streaming API با پایتون ادغام کنید
.. و البته تمام اصول اولیه:
MapReduce: Mapper، Reducer، Sort/Merge، Partitioning، Shuffle and Sort
HDFS YARN: Namenode، Datanode، Resource Manager، Node Manager، آناتومی برنامه MapReduce، YARN Scheduling، پیکربندی HDFS و YARN برای تنظیم عملکرد خوشه شما.
سرفصل ها و درس ها
معرفی
Introduction
معرفی
Introduction
شما، این دوره و ما
You, this course and Us
شما، این دوره و ما
You, this course and Us
چرا داده های بزرگ یک معامله بزرگ است؟
Why is Big Data a Big Deal
سریال در مقابل محاسبات توزیع شده
Serial vs Distributed Computing
YARN یا یک مذاکره کننده منبع دیگر
YARN or Yet Another Resource Negotiator
چرا داده های بزرگ یک معامله بزرگ است؟
Why is Big Data a Big Deal
پارادایم کلان داده
The Big Data Paradigm
پارادایم کلان داده
The Big Data Paradigm
سریال در مقابل محاسبات توزیع شده
Serial vs Distributed Computing
هادوپ چیست؟
What is Hadoop?
هادوپ چیست؟
What is Hadoop?
HDFS یا سیستم فایل توزیع شده Hadoop
HDFS or the Hadoop Distributed File System
HDFS یا سیستم فایل توزیع شده Hadoop
HDFS or the Hadoop Distributed File System
MapReduce معرفی شد
MapReduce Introduced
MapReduce معرفی شد
MapReduce Introduced
YARN یا یک مذاکره کننده منبع دیگر
YARN or Yet Another Resource Negotiator
نصب Hadoop در یک محیط محلی
Installing Hadoop in a Local Environment
نصب حالت مستقل Hadoop
Hadoop Standalone mode Install
نصب حالت شبه توزیع شده Hadoop
Hadoop Pseudo-Distributed mode Install
نصب Hadoop در یک محیط محلی
Installing Hadoop in a Local Environment
حالت های نصب Hadoop
Hadoop Install Modes
حالت های نصب Hadoop
Hadoop Install Modes
نصب حالت مستقل Hadoop
Hadoop Standalone mode Install
نصب حالت شبه توزیع شده Hadoop
Hadoop Pseudo-Distributed mode Install
MapReduce "Hello World"
The MapReduce "Hello World"
فلسفه اساسی MapReduce
The basic philosophy underlying MapReduce
"Hello World" در MapReduce
"Hello World" in MapReduce
کاهنده
The Reducer
MapReduce "Hello World"
The MapReduce "Hello World"
فلسفه اساسی MapReduce
The basic philosophy underlying MapReduce
MapReduce - تجسم و توضیح داده شده است
MapReduce - Visualized And Explained
MapReduce - تجسم و توضیح داده شده است
MapReduce - Visualized And Explained
MapReduce - در هر مرحله کمی عمیق تر حفاری کنید
MapReduce - Digging a little deeper at every step
MapReduce - در هر مرحله کمی عمیق تر حفاری کنید
MapReduce - Digging a little deeper at every step
"Hello World" در MapReduce
"Hello World" in MapReduce
نقشه بردار
The Mapper
نقشه بردار
The Mapper
کاهنده
The Reducer
کار
The Job
کار
The Job
یک کار MapReduce را اجرا کنید
Run a MapReduce Job
با HDFS راحت باشید
Get comfortable with HDFS
یک کار MapReduce را اجرا کنید
Run a MapReduce Job
با HDFS راحت باشید
Get comfortable with HDFS
اولین MapReduce Job خود را اجرا کنید
Run your first MapReduce Job
اولین MapReduce Job خود را اجرا کنید
Run your first MapReduce Job
آبگیری MapReduce - Combiners، Shuffle and Sort و Streaming API
Juicing your MapReduce - Combiners, Shuffle and Sort and The Streaming API
فاز کاهش را موازی کنید - از Combiner استفاده کنید
Parallelize the reduce phase - use the Combiner
همه Reducer ها Combiner نیستند
Not all Reducers are Combiners
MapReduce به زبان جاوا محدود نمی شود - معرفی Streaming API
MapReduce is not limited to the Java language - Introducing the Streaming API
آبگیری MapReduce - Combiners، Shuffle and Sort و Streaming API
Juicing your MapReduce - Combiners, Shuffle and Sort and The Streaming API
فاز کاهش را موازی کنید - از Combiner استفاده کنید
Parallelize the reduce phase - use the Combiner
همه Reducer ها Combiner نیستند
Not all Reducers are Combiners
MapReduce شما چند نقشه کش و کاهش دهنده دارد؟
How many mappers and reducers does your MapReduce have?
MapReduce شما چند نقشه کش و کاهش دهنده دارد؟
How many mappers and reducers does your MapReduce have?
کاهش موازی با استفاده از Shuffle And Sort
Parallelizing reduce using Shuffle And Sort
کاهش موازی با استفاده از Shuffle And Sort
Parallelizing reduce using Shuffle And Sort
MapReduce به زبان جاوا محدود نمی شود - معرفی Streaming API
MapReduce is not limited to the Java language - Introducing the Streaming API
پایتون برای MapReduce
Python for MapReduce
پایتون برای MapReduce
Python for MapReduce
HDFS و نخ
HDFS and Yarn
HDFS - محافظت در برابر از دست دادن داده ها با استفاده از تکرار
HDFS - Protecting against data loss using replication
HDFS - نقطه بازرسی برای پشتیبان گیری از اطلاعات گره نام
HDFS - Checkpointing to backup name node information
نخ - خطمشیهای زمانبندی را وصل کنید
Yarn - Plug in scheduling policies
نخ - زمانبندی را پیکربندی کنید
Yarn - Configure the scheduler
HDFS و نخ
HDFS and Yarn
HDFS - محافظت در برابر از دست دادن داده ها با استفاده از تکرار
HDFS - Protecting against data loss using replication
HDFS - نام گره ها و دلیل مهم بودن آنها
HDFS - Name nodes and why they're critical
HDFS - نام گره ها و دلیل مهم بودن آنها
HDFS - Name nodes and why they're critical
HDFS - نقطه بازرسی برای پشتیبان گیری از اطلاعات گره نام
HDFS - Checkpointing to backup name node information
نخ - اجزای اصلی
Yarn - Basic components
نخ - اجزای اصلی
Yarn - Basic components
Yarn - ارائه کار به Yarn
Yarn - Submitting a job to Yarn
Yarn - ارائه کار به Yarn
Yarn - Submitting a job to Yarn
نخ - خطمشیهای زمانبندی را وصل کنید
Yarn - Plug in scheduling policies
نخ - زمانبندی را پیکربندی کنید
Yarn - Configure the scheduler
MapReduce Customizations برای کنترل دانه بندی ظریف تر
MapReduce Customizations For Finer Grained Control
تنظیم MapReduce خود برای پذیرش آرگومان های خط فرمان
Setting up your MapReduce to accept command line arguments
MapReduce Customizations برای کنترل دانه بندی ظریف تر
MapReduce Customizations For Finer Grained Control
تنظیم MapReduce خود برای پذیرش آرگومان های خط فرمان
Setting up your MapReduce to accept command line arguments
ابزار، ToolRunner و GenericOptionsParser
The Tool, ToolRunner and GenericOptionsParser
ابزار، ToolRunner و GenericOptionsParser
The Tool, ToolRunner and GenericOptionsParser
پیکربندی ویژگی های شی Job
Configuring properties of the Job object
پیکربندی ویژگی های شی Job
Configuring properties of the Job object
سفارشی کردن پارتیشنکننده، مرتبسازی مقایسهکننده و مقایسهگر گروهی
Customizing the Partitioner, Sort Comparator, and Group Comparator
سفارشی کردن پارتیشنکننده، مرتبسازی مقایسهکننده و مقایسهگر گروهی
Customizing the Partitioner, Sort Comparator, and Group Comparator
شاخص معکوس، انواع داده های سفارشی برای کلیدها، شمارش بیگرام و تست های واحد!
The Inverted Index, Custom Data Types for Keys, Bigram Counts and Unit Tests!
ایجاد شاخص معکوس با استفاده از MapReduce
Generating the inverted index using MapReduce
انواع داده های سفارشی برای کلیدها - رابط قابل نوشتن
Custom data types for keys - The Writable Interface
MapReduce برای شمارش Bigrams در متن ورودی
MapReduce to count the Bigrams in input text
شاخص معکوس، انواع داده های سفارشی برای کلیدها، شمارش بیگرام و تست های واحد!
The Inverted Index, Custom Data Types for Keys, Bigram Counts and Unit Tests!
قلب موتورهای جستجو - شاخص معکوس
The heart of search engines - The Inverted Index
قلب موتورهای جستجو - شاخص معکوس
The heart of search engines - The Inverted Index
ایجاد شاخص معکوس با استفاده از MapReduce
Generating the inverted index using MapReduce
انواع داده های سفارشی برای کلیدها - رابط قابل نوشتن
Custom data types for keys - The Writable Interface
یک Bigram را با استفاده از WritableComparable نمایش دهید
Represent a Bigram using a WritableComparable
یک Bigram را با استفاده از WritableComparable نمایش دهید
Represent a Bigram using a WritableComparable
MapReduce برای شمارش Bigrams در متن ورودی
MapReduce to count the Bigrams in input text
راه اندازی پروژه Hadoop خود
Setting up your Hadoop project
راه اندازی پروژه Hadoop خود
Setting up your Hadoop project
کار MapReduce خود را با استفاده از MRUnit آزمایش کنید
Test your MapReduce job using MRUnit
کار MapReduce خود را با استفاده از MRUnit آزمایش کنید
Test your MapReduce job using MRUnit
فرمت های ورودی و خروجی و پارتیشن بندی سفارشی
Input and Output Formats and Customized Partitioning
فرمت های فایل متنی و ترتیبی
Text And Sequence File Formats
مرتب سازی ثانویه
Secondary Sort
فرمت های ورودی و خروجی و پارتیشن بندی سفارشی
Input and Output Formats and Customized Partitioning
معرفی فرمت ورودی فایل
Introducing the File Input Format
معرفی فرمت ورودی فایل
Introducing the File Input Format
فرمت های فایل متنی و ترتیبی
Text And Sequence File Formats
پارتیشن بندی داده ها با استفاده از یک پارتیشن سفارشی
Data partitioning using a custom partitioner
پارتیشن بندی داده ها با استفاده از یک پارتیشن سفارشی
Data partitioning using a custom partitioner
پارتیشنکننده سفارشی را در کد واقعی کنید
Make the custom partitioner real in code
پارتیشنکننده سفارشی را در کد واقعی کنید
Make the custom partitioner real in code
پارتیشن بندی کل سفارش
Total Order Partitioning
پارتیشن بندی کل سفارش
Total Order Partitioning
نمونه گیری ورودی، توزیع، پارتیشن بندی و پیکربندی اینها
Input Sampling, Distribution, Partitioning and configuring these
نمونه گیری ورودی، توزیع، پارتیشن بندی و پیکربندی اینها
Input Sampling, Distribution, Partitioning and configuring these
مرتب سازی ثانویه
Secondary Sort
سیستم های توصیه با استفاده از فیلتر مشارکتی
Recommendation Systems using Collaborative Filtering
توصیه های دوستان با استفاده از مشاغل زنجیره ای MR
Friend recommendations using chained MR jobs
برای هر جفت کاربر دوستان مشترک پیدا کنید - اولین MapReduce
Get common friends for every pair of users - the first MapReduce
سیستم های توصیه با استفاده از فیلتر مشارکتی
Recommendation Systems using Collaborative Filtering
مقدمه ای بر فیلتر مشارکتی
Introduction to Collaborative Filtering
مقدمه ای بر فیلتر مشارکتی
Introduction to Collaborative Filtering
توصیه های دوستان با استفاده از مشاغل زنجیره ای MR
Friend recommendations using chained MR jobs
برای هر جفت کاربر دوستان مشترک پیدا کنید - اولین MapReduce
Get common friends for every pair of users - the first MapReduce
10 توصیه دوست برتر برای هر کاربر - MapReduce دوم
Top 10 friend recommendation for every user - the second MapReduce
10 توصیه دوست برتر برای هر کاربر - MapReduce دوم
Top 10 friend recommendation for every user - the second MapReduce
Hadoop به عنوان یک پایگاه داده
Hadoop as a Database
داده های ساخت یافته در Hadoop
Structured data in Hadoop
اجرای SQL Select با MapReduce
Running an SQL Select with MapReduce
اجرای یک گروه SQL توسط MapReduce
Running an SQL Group By with MapReduce
پیوستن به MapReduce - سمت نقشه
A MapReduce Join - The Map Side
یک MapReduce Join - The Reduce Side
A MapReduce Join - The Reduce Side
پیوستن به MapReduce - مرتب سازی و پارتیشن بندی
A MapReduce Join - Sorting and Partitioning
یک MapReduce Join - قرار دادن همه آن در کنار هم
A MapReduce Join - Putting it all together
Hadoop به عنوان یک پایگاه داده
Hadoop as a Database
داده های ساخت یافته در Hadoop
Structured data in Hadoop
اجرای SQL Select با MapReduce
Running an SQL Select with MapReduce
اجرای یک گروه SQL توسط MapReduce
Running an SQL Group By with MapReduce
پیوستن به MapReduce - سمت نقشه
A MapReduce Join - The Map Side
یک MapReduce Join - The Reduce Side
A MapReduce Join - The Reduce Side
پیوستن به MapReduce - مرتب سازی و پارتیشن بندی
A MapReduce Join - Sorting and Partitioning
یک MapReduce Join - قرار دادن همه آن در کنار هم
A MapReduce Join - Putting it all together
K-Means Clustering
K-Means Clustering
K-Means Clustering چیست؟
What is K-Means Clustering?
K-Means Clustering - اندازه گیری فاصله بین نقاط
K-Means Clustering - Measuring the distance between points
K-Means Clustering
K-Means Clustering
K-Means Clustering چیست؟
What is K-Means Clustering?
یک کار MapReduce برای K-Means Clustering
A MapReduce job for K-Means Clustering
یک کار MapReduce برای K-Means Clustering
A MapReduce job for K-Means Clustering
K-Means Clustering - اندازه گیری فاصله بین نقاط
K-Means Clustering - Measuring the distance between points
K-Means Clustering - Writable های سفارشی برای ورودی/خروجی
K-Means Clustering - Custom Writables for Input/Output
K-Means Clustering - Writable های سفارشی برای ورودی/خروجی
K-Means Clustering - Custom Writables for Input/Output
K-Means Clustering - پیکربندی کار
K-Means Clustering - Configuring the Job
K-Means Clustering - پیکربندی کار
K-Means Clustering - Configuring the Job
K-Means Clustering - The Mapper and Reducer
K-Means Clustering - The Mapper and Reducer
K-Means Clustering - The Mapper and Reducer
K-Means Clustering - The Mapper and Reducer
K-Means Clustering: The Iterative MapReduce Job
K-Means Clustering : The Iterative MapReduce Job
K-Means Clustering: The Iterative MapReduce Job
K-Means Clustering : The Iterative MapReduce Job
راه اندازی Hadoop Cluster
Setting up a Hadoop Cluster
راه اندازی Hadoop Cluster
Setting up a Hadoop Cluster
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