A تا Z Hadoop Mapreduce - از ابتدا تا زمان واقعی پیاده سازی Mapreduce توسط کدنویسی دستی هر جزء
با ساخت بیش از 10 نمونه واقعی، با استفاده از Python، MRJob و سرویس MapReduce الاستیک آمازون، MapReduce را سریع بیاموزید.
مفاهیم و کاربردهای MapReduce در Big Data
مقدمه ای بر Amazon Elastic MapReduce (EMR) که ابزارهای موجود را می توان با Amazon EMR و روند ایجاد یک خوشه مورد استفاده قرار داد. نمایشی از نحوه ایجاد خوشه با Amazon EMR تحت پوشش قرار گرفته است.
"Hadoop یک چارچوب پردازش توزیع شده منبع باز است که پردازش و ذخیره سازی داده ها را برای برنامه های کاربردی کلان داده که در سیستم های خوشه ای اجرا می شوند، مدیریت می کند. این است ...."
در این دوره آموزشی، شما می خواهید یاد بگیرید که چگونه از محبوب ترین ابزارهای کلان داده امروزی و چارچوب های ML برای پردازش و تجزیه و تحلیل داده ها در خطوط لوله AWS استفاده کنید.
"جدید! برای Spark 3 به روز شد. 0! تجزیه و تحلیل "داده های بزرگ" یک مهارت داغ و بسیار ارزشمند است - و این دوره به شما داغ ترین فناوری در کلان داده را آموزش می دهد: Apache.
یک تمرین عملی در Hadoop، MapReduce و هنر تفکر "موازی"
پردازش میلیاردها رکورد به درک عمیقی از محاسبات توزیع شده نیاز دارد. در این دوره ، شما با Hadoop آشنا خواهید شد ، یک چارچوب محاسباتی توزیع شده منبع باز که می تواند به شما در انجام این کار کمک کند.
دانستن چگونگی برنامه نویسی MapReduce تنها نیمی از تلاش است. در این دوره ، شما می آموزید که چگونه MapReduce صحیح را براساس آنچه می خواهید به انجام برسانید ، تنظیم کنید.
مدل برنامه نویسی MapReduce استاندارد واقعی پردازش موازی داده های بزرگ است. این دوره MapReduce را معرفی می کند ، نحوه جریان داده ها از طریق برنامه MapReduce را توضیح می دهد و شما را از طریق نوشتن اولین برنامه MapReduce در جاوا راهنمایی می کند.