🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تولید خطوط لوله داده با جریان هوا Apache 1
- آخرین آپدیت
دانلود Productionalizing Data Pipelines with Apache Airflow 1
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
خطوط لوله داده درجه تولید به سختی به دست می آیند. حتی هنگامی که آنها انجام شود ، هر بروزرسانی به دلیل قطعه اصلی آن در زیرساخت های هر سازمان پیچیده است. در این دوره ، خطوط لوله داده تولید با Apache Airflow 1 ، یاد می گیرید که آنها را با استفاده از Apache Airclow تسلط دهید. اول ، شما کشف خواهید کرد که جریان هوا چیست و چگونه خطوط لوله داده را ایجاد می کند. در مرحله بعد ، خواهید فهمید که چگونه خطوط لوله خود را انعطاف پذیر تر و قابل پیش بینی تر کنید. سرانجام ، شما یاد خواهید گرفت که چگونه وظایف را با مجریان کرفس و Kubernetes توزیع کنید. پس از اتمام این دوره ، مهارت و دانش مربوط به جریان Apache Aircflow لازم برای ساخت هر نوع تولید خط لوله داده را خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
معرفی جریان هوا آپاچی
Introducing Apache Airflow
مقدمه
Introduction
بررسی نسخه
Version Check
مقدمه
Introduction
بیشترین بهره را از این دوره بگیرید
Getting the Most Out of This Course
خط لوله درجه تولید در جریان هوا
A Production Grade Pipeline in Airflow
بیشترین استفاده را از این دوره
Getting the Most Out of This Course
طرح کلی این دوره
Outline of This Course
یک خط لوله درجه تولید در جریان هوا
A Production Grade Pipeline in Airflow
طرح کلی این دوره
Outline of This Course
کالبد شکافی اجزای خط لوله
Dissecting the Components of a Pipeline
مقدمه
Introduction
معماری جریان هوا آپاچی
Architecture of Apache Airflow
نسخه ی نمایشی: نصب جریان هوا Apache به صورت محلی
Demo: Installing Apache Airflow Locally
چگونه می توانیم خط لوله ای در جریان هوا را نشان دهیم؟
How Do We Represent a Pipeline in Airflow?
نسخه ی نمایشی: اولین DAG ما
Demo: Our First DAG
discing dags: کارها و اپراتورها
Dissecting DAGs: Tasks and Operators
نسخه ی نمایشی: ایجاد خط لوله ما (قسمت 1)
Demo: Creating Our Pipeline (Part 1)
نسخه ی نمایشی: ایجاد خط لوله ما (قسمت 2)
Demo: Creating Our Pipeline (Part 2)
غذاها و نکات کلیدی
Key Takeaways and Tips
تخریب مشکلات مشترک DAGs
Demystifying Common DAGs Pitfalls
مقدمه
Introduction
نسخه ی نمایشی: چه زمانی DAG اجرا می شود؟
Demo: When Is the DAG Going to Execute?
درک start_date و share_interval
Understanding start_date and schedule_interval
رسیدگی به موارد غیر پیش فرض
Handling Non-default schedule_interval Cases
نسخه ی نمایشی: تسلط بر برنامه ریزی
Demo: Mastering Scheduling
نسخه ی نمایشی: DAG از گذشته آینده
Demo: DAGs from the Future Past
غذاها و نکات کلیدی
Key Takeaways and Tips
چکیده عملکرد
Abstracting Functionality
مقدمه
Introduction
نسخه ی نمایشی: با استفاده از ماکروها و الگوهای جریان هوا
Demo: Using Macros and Airflow Templates
جریان پیشرفته DAG با انشعاب & nbsp؛
Advanced DAG Flow with Branching
جریان پیشرفته DAG با انشعاب
Advanced DAG Flow with Branching
نسخه ی نمایشی: اولین کار مشروط ما
Demo: Our First Conditional Task
نسخه ی نمایشی: گسترش عملکرد با اپراتورهای سفارشی
Demo: Extending Functionality with Custom Operators
نسخه ی نمایشی: به اشتراک گذاری اجزای با افزونه های جریان هوا
Demo: Sharing Components with Airflow Plugins
غذاها و نکات کلیدی
Key Takeaways and Tips
مقیاس بندی جریان هوا
Scaling Airflow
مقدمه
Introduction
نسخه ی نمایشی: چرا وظایف من متوالی است؟
Demo: Why Are My Tasks Sequential?
مجریان متوالی ، محلی و کرفس
Sequential, Local and Celery Executors
نسخه ی نمایشی: درک همزمانی و موازی با مجری محلی
Demo: Understanding Concurrency and Parallelism with Local Executor
آکسل سیروتا دارای مدرک کارشناسی ارشد ریاضیات است که علاقه زیادی به عملیات یادگیری عمیق و یادگیری ماشین دارد. وی پس از تحقیق در زمینه احتمال ، آمار و بهینه سازی یادگیری ماشین ، در حال حاضر در JAMPP به عنوان یک مهندس تحقیق در زمینه یادگیری ماشین مشغول به کار است که از داده های مشتری برای پیش بینی دقیق در زمان واقعی پیشنهاد استفاده می کند.
نمایش نظرات