Hadoop For Administrators Training Course

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) εισάγει το Hortonworks Data Platform (HDP) και καθοδηγεί τους συμμετέχοντες στην ανάπτυξη της λύσης Spark + Hadoop.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

Χρησιμοποιήστε το Hortonworks για αξιόπιστη εκτέλεση του Hadoop σε μεγάλη κλίμακα. Ενοποιήστε τις δυνατότητες ασφάλειας, διακυβέρνησης και λειτουργίας του Hadoop με τις ευέλικτες αναλυτικές ροές εργασίας του Spark. Χρησιμοποιήστε το Hortonworks για να διερευνήσετε, να επικυρώσετε, να πιστοποιήσετε και να υποστηρίξετε καθένα από τα στοιχεία ενός έργου Spark. Επεξεργαστείτε διαφορετικούς τύπους δεδομένων, συμπεριλαμβανομένων των δομημένων, μη δομημένων, εν κινήσει και ηρεμίας.

Apache Ambari είναι μια πλατφόρμα διαχείρισης ανοιχτού κώδικα για την παροχή, τη διαχείριση, την παρακολούθηση και τη διασφάλιση συμπλεγμάτων του Apache Hadoop .

Σε αυτή την εκπαιδευτική άσκηση, οι συμμετέχοντες θα μάθουν τα εργαλεία και τις πρακτικές διαχείρισης που παρέχει η Ambari για να διαχειριστούν με επιτυχία τα clusters του Hadoop .

Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

• Ρυθμίστε ένα ζωντανό σύμπλεγμα Big Data χρησιμοποιώντας το Ambari
• Εφαρμόστε τις προηγμένες δυνατότητες και λειτουργίες του Ambari σε διάφορες περιπτώσεις χρήσης
• Προσθέστε και αφαιρέστε τους κόμβους αν χρειάζεται
• Βελτιώστε την απόδοση του συμπλέγματος του Hadoop μέσω του συντονισμού και του μικροαλλαγές

Κοινό

• DevOps
• Διαχειριστές συστήματος
• DBAs
• Hadoop δοκιμές επαγγελματίες

Μορφή του μαθήματος

• Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση

Cloudera Impala is an open source massively parallel processing (MPP) SQL query engine for Apache Hadoop clusters.

Impala enables users to issue low-latency SQL queries to data stored in Hadoop Distributed File System and Apache Hbase without requiring data movement or transformation.

Audience

This course is aimed at analysts and data scientists performing analysis on data stored in Hadoop via Business Intelligence or SQL tools.

After this course delegates will be able to

• Extract meaningful information from Hadoop clusters with Impala.
• Write specific programs to facilitate Business Intelligence in Impala SQL Dialect.
• Troubleshoot Impala.

Αυτό το μάθημα καλύπτει τον τρόπο χρήσης της γλώσσας Hive SQL (AKA: Hive HQL, SQL σε Hive , Hive QL) για άτομα που εξάγουν δεδομένα από την Hive

Το μάθημα απευθύνεται σε ειδικούς πληροφορικής που αναζητούν λύση για την αποθήκευση και επεξεργασία μεγάλων συνόλων δεδομένων σε περιβάλλον κατανεμημένου συστήματος

Στόχος του μαθήματος:

Γνωριμία με τη διοίκηση του cluster Hadoop

Κοινό:

Το μάθημα απευθύνεται σε ειδικούς πληροφορικής που αναζητούν λύση για την αποθήκευση και επεξεργασία μεγάλων συνόλων δεδομένων σε περιβάλλον κατανεμημένου συστήματος

Go αλ:

Βαθιά γνώση σχετικά με τη διοίκηση συμπλέγματος Hadoop .

Κοινό:

Αυτό το μάθημα αποσκοπεί στην απομυθοποίηση της μεγάλης τεχνολογίας δεδομένων / hadoop και στην απόδειξη ότι δεν είναι δύσκολο να κατανοηθεί.

Το Apache Hadoop είναι το πιο δημοφιλές πλαίσιο για την επεξεργασία Big Data σε συμπλέγματα διακομιστών. Αυτό το μάθημα θα εισαγάγει έναν προγραμματιστή σε διάφορα συστατικά (HDFS, MapReduce, Pig, Hive και HBase) Hadoop οικοσύστημα.

Το Apache Hadoop είναι ένα από τα πιο δημοφιλή πλαίσια για την επεξεργασία Big Data σε ομάδες συμπλεγμάτων διακομιστών. Αυτό το μάθημα διερευνά τη διαχείριση δεδομένων σε HDFS, προχωρημένο χοίρο, Hive και HBase. Αυτές οι προηγμένες τεχνικές προγραμματισμού θα είναι επωφελείς για τους έμπειρους προγραμματιστές Hadoop .

Κοινό : προγραμματιστές

Διάρκεια: τρεις ημέρες

Μορφή: διαλέξεις (50%) και εργαστήρια (50%).

Αυτό το μάθημα εισάγει το HBase - ένα κατάστημα No SQL πάνω από τον Hadoop . Το μάθημα προορίζεται για προγραμματιστές που θα χρησιμοποιούν το HBase για την ανάπτυξη εφαρμογών και για διαχειριστές που θα διαχειρίζονται τα clusters του HBase.

Θα περπατήσουμε έναν προγραμματιστή μέσω της αρχιτεκτονικής HBase και της μοντελοποίησης δεδομένων και ανάπτυξης εφαρμογών στην HBase. Θα συζητήσει επίσης τη χρήση του MapReduce με το HBase και ορισμένα θέματα διαχείρισης που σχετίζονται με τη βελτιστοποίηση της απόδοσης. Το μάθημα είναι πολύ πρακτικό με πολλές εργαστηριακές ασκήσεις.

Διάρκεια : 3 ημέρες

Κοινό : προγραμματιστές και διαχειριστές

Hadoop is the most popular Big Data processing framework.

Σε αυτήν την εκπαίδευση που καθοδηγείται από εκπαιδευτές στο Ελλάδα, οι συμμετέχοντες θα μάθουν τα βασικά στοιχεία του οικοσυστήματος Hadoop και πώς αυτές οι τεχνολογίες μπορούν να χρησιμοποιηθούν για την επίλυση προβλημάτων μεγάλης κλίμακας. Μαθαίνοντας αυτά τα θεμέλια, οι συμμετέχοντες θα βελτιώσουν την ικανότητά τους να επικοινωνούν με τους προγραμματιστές και τους υλοποιητές αυτών των συστημάτων καθώς και με τους επιστήμονες δεδομένων και τους αναλυτές που εμπλέκονται σε πολλά έργα πληροφορικής.

Ακροατήριο

• Project Managers που επιθυμούν να εφαρμόσουν το Hadoop στην υπάρχουσα υποδομή ανάπτυξης ή πληροφορικής τους
• Project Managers που χρειάζεται να επικοινωνήσουν με πολυλειτουργικές ομάδες που περιλαμβάνουν μηχανικούς μεγάλων δεδομένων, επιστήμονες δεδομένων και επιχειρηματικούς αναλυτές

Το Apache Samza είναι ένα ασύγχρονο υπολογιστικό πλαίσιο σχεδόν ανοικτού κώδικα για την επεξεργασία ροής. Χρησιμοποιεί το Apache Kafka για ανταλλαγή μηνυμάτων και το Apache Hadoop YARN για ανοχή σφάλματος, απομόνωση επεξεργαστή, ασφάλεια και διαχείριση πόρων.

Αυτή η καθοδηγούμενη από εκπαιδευτές, ζωντανή εκπαίδευση εισάγει τις αρχές πίσω από τα συστήματα ανταλλαγής μηνυμάτων και την επεξεργασία κατανεμημένων ροών, ενώ περπατούν οι συμμετέχοντες μέσω της δημιουργίας ενός δείγματος βασισμένου σε Samza έργου και εκτέλεσης εργασιών.

Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

• Χρησιμοποιήστε τη Samza για να απλοποιήσετε τον κώδικα που απαιτείται για την παραγωγή και κατανάλωση μηνυμάτων.
• Αποσυνδέστε το χειρισμό μηνυμάτων από μια εφαρμογή.
• Χρησιμοποιήστε τη Samza για την υλοποίηση ασύγχρονων υπολογισμών σχεδόν σε πραγματικό χρόνο.
• Χρησιμοποιήστε επεξεργασία ροής για να παρέχετε υψηλότερο επίπεδο αφαίρεσης από τα συστήματα μηνυμάτων.

Κοινό

• Προγραμματιστές

Μορφή του μαθήματος

• Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση

Το Datameer είναι μια πλατφόρμα επιχειρηματικής ευφυΐας και ανάλυσης που βασίζεται στο Hadoop. Επιτρέπει στους τελικούς χρήστες να έχουν πρόσβαση, να εξερευνούν και να συσχετίζουν μεγάλης κλίμακας, δομημένα, ημιδομημένα και μη δομημένα δεδομένα με εύχρηστο τρόπο.

Σε αυτή τη ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών, οι συμμετέχοντες θα μάθουν πώς να χρησιμοποιούν το Datameer για να ξεπεράσουν την απότομη καμπύλη μάθησης του Hadoop καθώς προχωρούν στη ρύθμιση και την ανάλυση μιας σειράς πηγών μεγάλων δεδομένων.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

Δημιουργία, επιμέλεια και διαδραστική εξερεύνηση μιας λίμνης δεδομένων επιχείρησης Access αποθήκες δεδομένων επιχειρηματικής ευφυΐας, βάσεις δεδομένων συναλλαγών και άλλα αναλυτικά καταστήματα Χρησιμοποιήστε μια διεπαφή χρήστη υπολογιστικού φύλλου για να σχεδιάσετε αγωγούς επεξεργασίας δεδομένων από άκρο σε άκρο Access προκατασκευασμένες λειτουργίες για εξερεύνηση σύνθετες σχέσεις δεδομένων Χρησιμοποιήστε οδηγούς μεταφοράς και απόθεσης για οπτικοποίηση δεδομένων και δημιουργία πινάκων εργαλείων Χρησιμοποιήστε πίνακες, γραφήματα, γραφήματα και χάρτες για την ανάλυση των αποτελεσμάτων ερωτημάτων

Ακροατήριο

Αναλυτές δεδομένων

Μορφή του μαθήματος

Μέρος διάλεξη, μέρος συζήτηση, ασκήσεις και βαριά πρακτική εξάσκηση

Σε αυτή τη ζωντανή εκπαίδευση που καθοδηγείται από εκπαιδευτές στο Ελλάδα (επιτόπου ή απομακρυσμένα), οι συμμετέχοντες θα μάθουν πώς να αναπτύσσουν και να διαχειρίζονται το Apache NiFi σε ένα ζωντανό εργαστηριακό περιβάλλον.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Εγκαταστήστε και διαμορφώστε το Apachi NiFi.
• Προέλευση, μετατροπή και διαχείριση δεδομένων από διαφορετικές, κατανεμημένες πηγές δεδομένων, συμπεριλαμβανομένων βάσεων δεδομένων και λιμνών μεγάλων δεδομένων.
• Αυτοματοποιήστε τις ροές δεδομένων.
• Ενεργοποίηση αναλύσεων ροής.
• Εφαρμόστε διάφορες προσεγγίσεις για την απορρόφηση δεδομένων.
• Μετατρέψτε το Big Data και σε επιχειρηματικές γνώσεις.