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 ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: پردازش داده های جریانی به طور فزاینده ای محبوب می شود زیرا پخش جریانی به کسب و کارها امکان می دهد معیارهای زمان واقعی را در عملیات تجاری دریافت کنند. این دوره آموزشی نحوه ساخت خطوط لوله داده های جریانی در Google Cloud را پوشش می دهد. Pub/Sub برای مدیریت توصیف شده است... پردازش داده های جریانی به طور فزاینده ای محبوب می شود زیرا پخش جریانی به کسب و کارها امکان می دهد معیارهای زمان واقعی را در عملیات تجاری دریافت کنند. این دوره آموزشی نحوه ساخت خطوط لوله داده های 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 با استفاده از Dataflow و نحوه ذخیره رکوردهای پردازش شده در BigQuery یا Cloud Bigtable برای تجزیه و تحلیل را پوشش می دهد. یادگیرندگان با استفاده از QwikLabs در ساخت اجزای خط لوله داده جریانی در Google Cloud تجربه عملی خواهند داشت. این چهارمین دوره از مجموعه مهندسی داده در Google Cloud است.

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 جریان 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 میخانه/کد فرعی 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 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 ها: تجزیه و تحلیل جریان و داشبورد 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 داده های جریان: خط لوله های داده را به BigTable پخش کنید 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

نمایش نظرات

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.

آموزش ساختن سیستم‌های تحلیل جریان انعطاف‌پذیر در Google Cloud
جزییات دوره
1h 56m
35
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Google Cloud
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Google Cloud Google Cloud

ایجاد تحول دیجیتال با آموزش درخواستی

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.

در وب‌سایت رسمی Google Cloud بیشتر بیاموزید.