آموزش شروع با پردازش جریان با پخش جرقه ای

Getting Started with Stream Processing with Spark Streaming

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: ماژول Spark Streaming به شما امکان می دهد با استفاده از انتزاعات پردازش دسته ای آشنا ، با داده های جریان در مقیاس بزرگ کار کنید. این دوره با نحوه انجام تحولات و عملکردهای استاندارد در جریان ها شروع می شود و به سمت موضوعات پیشرفته تر حرکت می کند. همه را بزرگ کنید بررسی اجمالی دوره 2m 0s شروع با جریانهای گسسته شده 42 متر 13 ثانیه تبدیل بلوک داده ها با DStreams 33m 39s استفاده از الگوریتم های ML در DStreams 41m 34s ساخت یک برنامه جرقه قوی 35 متر 54s علائم تجاری و نام تجاری اشخاص ثالث ذکر شده در این دوره متعلق به صاحبان مربوطه می باشند و Pluralsight وابسته یا تأیید شده توسط این احزاب نیست.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

شروع با جریانهای گسسته شده Getting Started with Discretized Streams

  • محدودیت های رایانش توزیع شده سنتی Limitations of Traditional Distributed Computing

  • جرقه ای برای پردازش در زمان واقعی Spark for Real-time Processing

  • مقدمه ای برای پخش جریانی Introduction to Streaming

  • انتزاع برنامه نویسی RDD The RDD Programming Abstraction

  • با استفاده از پوسته تعاملی Pyspark Using the Pyspark Interactive Shell

  • جریانهای بی اعتبار Discretized Streams

  • کار با Streaming Data در Spark با استفاده از Python Working with Streaming Data in Spark Using Python

  • اجرای اولین برنامه پخش جریانی خود در Spark Running Your First Streaming Application in Spark

تبدیل بلوک داده ها با DStreams Transforming Blocks of Data with DStreams

  • تحولات بدون دولت و دولت Stateless and Stateful Transformations

  • تابع () updateStateByKey The updateStateByKey() Function

  • پیاده سازی updateStateByKey () The updateStateByKey() Implementation

  • عملیات پنجره کشویی Sliding Window Operations

  • تغییر شکل countByWindow () The countByWindow() Transformation

  • توابع خلاصه و معکوس Summary and Inverse Functions

  • تحول () changeByWindow The reduceByWindow() Transformation

  • تغییر (کاهشByKeyAndWindow) The reduceByKeyAndWindow() Transformation

استفاده از الگوریتم های ML در DStreams Applying ML Algorithms on DStreams

  • خوشه بندی داده ها برای یافتن الگوها Clustering Data to Find Patterns

  • الگوریتم خوشه بندی K-means The K-means Clustering Algorithm

  • Streaming الگوریتم خوشه بندی به معنای K است The Streaming K-means Clustering Algorithm

  • فراموشی با استفاده از عامل پوسیدگی Forgetfulness Using the Decay Factor

  • فراموشی با استفاده از نیمه عمر Forgetfulness Using Half-life

  • پیاده سازی الگوریتم خوشه بندی Streaming K-means Implementing the Streaming K-means Clustering Algorithm

  • اجرای الگوریتم K-means در داده های موقعیت مکانی توییتر Running the K-means Algorithm on Twitter Location Data

  • الگوریتم K- به معنی ضریب پوسیدگی صفر The K-means Algorithm with a Decay Factor of Zero

ساخت یک برنامه جرقه قوی Building a Robust Spark Streaming Application

  • بازرسی از جریان برنامه های جرقه Checkpointing Streaming Spark Applications

  • اتصال به Twitter Streaming API Connecting to the Twitter Streaming API

  • جریان داده های توییتر در یک سوکت Streaming Twitter Data to a Socket

  • هشتگهای پرطرفدار با استفاده از جریان جرقه ای Trending Hashtags Using Spark Streaming

  • راننده ، مجری و گیرنده The Driver, Executor, and Receiver

  • تحمل خطای درایور با استفاده از Checkpointing Driver Fault Tolerance Using Checkpointing

  • تحمل خطا در مورد مجری و گیرنده Executor and Receiver Fault Tolerance

نمایش نظرات

نظری ارسال نشده است.

آموزش شروع با پردازش جریان با پخش جرقه ای
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
2h 35m
32
Pluralsight (پلورال سایت) pluralsight-small
08 بهمن 1395 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
79
4.8 از 5
دارد
دارد
دارد
Janani Ravi

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

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.

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.