Big Data LDN 2019 | نسل بعدی معماری داده برای بینش با سرعت فکر و نحوه دستیابی به آن در یک قطعه | پرادیپ بانوت
Big Data LDN 2019 | ساخت یک معماری مدرن داده برای شرکت داده محور | مایک فرگوسن
Big Data LDN 2019 | استفاده از مجازی سازی داده ها برای به حداکثر رساندن تجزیه و تحلیل پیشرفته و پتانسیل یادگیری ماشین در معماری داده ها | وینسنت فاگس
این دوره الگوهای تجزیه و تحلیل DDD را که در کشف معماری سطح بالا در یک حوزه تجاری مفید است ، پوشش می دهد. معماران و توسعه دهندگان جزئیات الگوهای پیاده سازی مانند Domain Model ، CQRS و Event Sourcing را پیدا خواهند کرد.
این دوره بر روی طراحی پایان به پایان یک معماری ابر ، به طور خاص از منظر بهینه سازی این معماری برای پردازش داده های بزرگ ، تجزیه و تحلیل زمان واقعی و پیش بینی زمان واقعی با استفاده از ML و AI متمرکز است.
این دوره در مورد Datastore ، یک سرویس NoSQL بدون سرور و بدون سرور است که جای خاصی را در GCP پر می کند. Datastore جستجوی سریع را تقریباً مستقل از اندازه مجموعه داده ارائه می دهد و برای س forالات سلسله مراتبی داده های سند بهینه شده است.
Dataflow رویکردی اساساً متفاوت برای پردازش Big Data نسبت به موتورهای محاسباتی مانند Spark دارد. جریان داده بدون سرور و کاملاً مدیریت شده است، به این معنی که تأمین منابع و مقیاسبندی میتواند برای معمار داده شفاف باشد.
در مورد موارد استفاده و بهترین روش ها برای معماری برنامه های زمان واقعی با استفاده از فناوری های داده بزرگ ، مانند Hazelcast و Apache Spark اطلاعات کسب کنید.
در مورد موارد استفاده و بهترین روش ها برای معماری برنامه های حالت دسته ای با استفاده از فناوری های داده بزرگ مانند Hive و Apache Spark اطلاعات کسب کنید.
طراحی معماری پایگاه داده فصل 1 - چارچوب های معماری این دوره برای کمک به تحلیلگران پایگاه داده، معماران پایگاه داده و توسعه فناوری اطلاعات طراحی شده است. ..