Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
در حال بارگزاری، لطفا صبر کنید...
توضیحات دوره:
Apache Flink بر اساس مفهوم معماری جریان اول ساخته شده است ، جایی که جریان منبع حقیقت است. Flink API های گسترده ای را برای پردازش هم دسته و همچنین داده های پخش به صورت آسان و بصری ارائه می دهد.
در این دوره ، مفهوم سازی مدل پردازش برای Apache Flink ، شما را با API های معماری و پردازش آشنا می کنید تا در سفر به تجزیه و تحلیل داده های خود شروع کنید.
ابتدا تفاوت های بین پردازش دسته و داده های جریان را بررسی خواهید کرد و درک می کنید که چگونه معماری جریان اول کار می کند. شما مدل پردازش جریان را که Flink برای پردازش داده ها در مقیاس استفاده می کند ، و معماری فلینک که از JobManager ، TaskManagers و اسلات های کار استفاده می کند ، برای اجرای اپراتورها و جریان ها در یک برنامه فلین به صورت موازی استفاده می کنید.
در مرحله بعد ، شما تفاوت بین تحولات جریان بدون تابعیت و حالت را درک خواهید کرد و این مفاهیم را به صورت دستی در پردازش جریان فلینک خود به کار می برید. داده ها را با استفاده از نقشه () ، flatmap () و فیلتر () فیلتر می کنید و از جریان های کلید و عملکردهای غنی برای کار با حالت فلین استفاده می کنید.
سرانجام ، شما درک خود را از مکانیزم پایداری دولت و تحمل گسل که Flink با کاوش در معماری بازرسی در فلینک استفاده می کند ، دور خواهید کرد. شما می توانید در برنامه جریان خود ، پاسگاه ها و نقاط ذخیره سازی را فعال کنید ، ببینید که چگونه می توان حالت را از عکس فوری در صورت بروز خرابی ها بازگرداند و برنامه Flink خود را برای پشتیبانی از استراتژی های مختلف راه اندازی مجدد پیکربندی کنید.
هنگامی که با این دوره به پایان رسیدید ، مهارت و دانش لازم برای طراحی خطوط لوله فلینک را انجام می دهید که تحولات بدون تابعیت و حالت را انجام می دهند ، و قادر خواهید بود با استفاده از پاسگاه ها و SavePoints برنامه های تحمل گسل را ایجاد کنید.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
شروع کار با Apache Flink
Getting Started with Apache Flink
بررسی نسخه
Version Check
پیش نیازها و طرح کلی دوره
Prerequisites and Course Outline
پیش نیازها و رئوس مطالب دوره
Prerequisites and Course Outline
پردازش دسته ای و پردازش جریان
Batch Processing and Stream Processing
پردازش دسته ای و پردازش جریان
Batch Processing and Stream Processing
پردازش دسته ای در مقابل پردازش جریان
Batch Processing vs. Stream Processing
جریان اول معماری
Stream-first Architecture
پردازش دسته ای در مقابل پردازش جریان
Batch Processing vs. Stream Processing
معماری اول جریان
Stream-first Architecture
پردازش جریان در Flink
Stream Processing in Flink
پردازش جریان در فلینک
Stream Processing in Flink
کارهای فرعی و پارتیشن های جریان اپراتور
Operator Subtasks and Stream Partitions
زیرگروه های اپراتور و پارتیشن های جریان
Operator Subtasks and Stream Partitions
نسخه ی نمایشی: Flink را بارگیری و نصب کنید
Demo: Download and Install Flink
تحولات بدون دولت و دولت
Stateless and Stateful Transformations
نسخه ی نمایشی: بارگیری و نصب فلینک
Demo: Download and Install Flink
تحولات بی تاب و دولتی
Stateless and Stateful Transformations
Flink Architecture: مدیر شغلی و مدیران وظایف
Flink Architecture: Job Manager and Task Managers
چرخه عملیاتی و وظیفه
Operator and Task Lifecycle
معماری فلینک: مدیر کار و مدیران وظیفه
Flink Architecture: Job Manager and Task Managers
عملگر و چرخه عمر کار
Operator and Task Lifecycle
اجرا و مانیتور کردن س Quالات پخش جریانی
Executing and Monitoring Streaming Queries
نسخه ی نمایشی: شروع یک خوشه فلین و ارسال برنامه های جریان
Demo: Starting a Flink Cluster and Submitting Streaming Applications
نسخه ی نمایشی: خطای اشکال زدایی با استفاده از داشبورد فلینک
Demo: Debugging Errors Using the Flink Dashboard
نسخه ی نمایشی: کاوش در تنظیمات پیش فرض پیکربندی
Demo: Exploring Default Configuration Settings
نسخه ی نمایشی: تنظیمات پیکربندی خاص خوشه ای و کار
Demo: Cluster and Job Specific Configuration Settings
نسخه ی نمایشی: تنظیم یک پروژه Maven Flink
Demo: Setting up a Maven Flink Project
نسخه ی نمایشی: اجرای اولین برنامه جریان خود
Demo: Implementing Your First Streaming Application
نسخه ی نمایشی: پیکربندی خصوصیات خاص کار
Demo: Configuring Job Specific Properties
Janani Ravi یک معمار و مهندس داده خبره Google cloud است.
جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.
نمایش نظرات