لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ساختن سیستمهای تحلیل جریان انعطافپذیر در Google Cloud
Building Resilient Streaming Analytics Systems on Google Cloud
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
پردازش دادههای جریانی به طور فزایندهای محبوب میشود زیرا پخش جریانی به کسبوکارها امکان میدهد معیارهای زمان واقعی را در عملیات تجاری دریافت کنند. پردازش دادههای جریانی به طور فزایندهای محبوب میشود زیرا پخش جریانی به کسبوکارها امکان میدهد معیارهای زمان واقعی را در عملیات تجاری دریافت کنند. این دوره آموزشی نحوه ایجاد خطوط لوله داده جریانی در Google Cloud را پوشش می دهد. Pub/Sub برای مدیریت داده های جریان ورودی توصیف شده است. این دوره همچنین نحوه اعمال تجمیع و تبدیل به جریان داده ها با استفاده از Dataflow و نحوه ذخیره رکوردهای پردازش شده در BigQuery یا Cloud Bigtable را برای تجزیه و تحلیل پوشش می دهد. یادگیرندگان با استفاده از QwikLabs در ساخت اجزای خط لوله داده جریانی در Google Cloud تجربه عملی خواهند داشت.
سرفصل ها و درس ها
مقدمه
Introduction
معرفی دوره
Course Introduction
مقدمه ای بر پردازش داده های جریانی
Introduction to Processing Streaming Data
پردازش داده های جریانی
Processing streaming data
پیام رسانی بدون سرور با Pub/Sub
Serverless Messaging with Pub/Sub
معرفی ماژول
Module introduction
مقدمه ای بر Pub/Sub
Introduction to Pub/Sub
Pub/Sub Push در مقابل Pull
Pub/Sub Push versus Pull
انتشار با کد Pub/Sub
Publishing with Pub/Sub code
خلاصه
Summary
معرفی آزمایشگاه: داده های جریانی را در Pub/Sub منتشر کنید
Lab Intro: Publish Streaming Data into Pub/Sub
شروع کار با GCP و Qwiklabs
Getting Started with GCP and Qwiklabs
آزمایشگاه: پردازش دادههای جریانی: دادههای جریانی را در PubSub منتشر کنید
Lab: Streaming Data Processing: Publish Streaming Data into PubSub
ویژگی های جریان داده ها
Dataflow Streaming Features
معرفی ماژول
Module introduction
چالش های جریان داده
Streaming data challenges
پنجره سازی جریان داده
Dataflow windowing
معرفی آزمایشگاه: خطوط لوله داده جریانی
Lab Intro: Streaming Data Pipelines
آزمایشگاه: پردازش داده های جریانی: خطوط لوله داده های جریانی
Lab: Streaming Data Processing: Streaming Data Pipelines
ویژگی های BigQuery و Bigtable Streaming با توان عملیاتی بالا
High-Throughput BigQuery and Bigtable Streaming Features
معرفی ماژول
Module introduction
جریان به BigQuery و تجسم نتایج
Streaming into BigQuery and visualizing results
مقدمه آزمایشگاه: پردازش داده های جریانی: تحلیل جریانی و داشبوردها
Lab intro: Streaming Data Processing: Streaming Analytics and Dashboards
آزمایشگاه: پردازش داده های جریانی: تحلیل جریانی و داشبورد
Lab: Streaming Data Processing: Streaming Analytics and Dashboards
پخش جریانی با توان بالا با Cloud Bigtable
High-throughput streaming with Cloud Bigtable
بهینه سازی عملکرد Cloud Bigtable
Optimizing Cloud Bigtable performance
مقدمه آزمایشگاه: پردازش داده های جریانی: انتقال خطوط لوله داده ها به Bigtable
Lab intro: Streaming Data Processing: Streaming Data Pipelines into Bigtable
آزمایشگاه: پردازش دادههای جریانی: انتقال خطوط لوله داده به Bigtable
Lab: Streaming Data Processing: Streaming Data Pipelines into Bigtable
عملکرد و عملکرد BigQuery پیشرفته
Advanced BigQuery Functionality and Performance
معرفی ماژول
Module introduction
توابع پنجره تحلیلی
Analytic window functions
توابع GIS
GIS functions
نسخه ی نمایشی: توابع GIS و نقشه برداری با BigQuery
Demo: GIS Functions and Mapping with BigQuery
ملاحظات عملکرد
Performance considerations
معرفی آزمایشگاه: بهینه سازی پرس و جوهای BigQuery برای عملکرد
Lab Intro: Optimizing your BigQuery Queries for Performance
آزمایشگاه: بهینه سازی پرس و جوهای BigQuery برای عملکرد 2.5
Lab: Optimizing your BigQuery Queries for Performance 2.5
ملاحظات هزینه
Cost considerations
معرفی آزمایشگاه: ایجاد جداول با تاریخ تقسیم بندی شده در BigQuery
Lab Intro: Creating Date-Partitioned Tables in BigQuery
آزمایشگاه: جداول پارتیشن بندی شده در Google BigQuery
Lab: Partitioned Tables in Google BigQuery
خلاصه دوره
Course Summary
خلاصه دوره
Course summary
منابع دوره
Course Resources
ساختن سیستمهای تحلیل جریان انعطافپذیر در Google Cloud
Building Resilient Streaming Analytics Systems on Google Cloud
Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.
Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر میسازد تا مهارتهای ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاههای عملی این شرکت اعتبارنامههای موقتی را به منابع واقعی ابر ارائه میدهند، بنابراین افراد میتوانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.
نمایش نظرات