HBase for Developers - Plan Szkolenia

Odbiorcy:

Kurs przeznaczony jest dla specjalistów IT poszukujących rozwiązania do przechowywania i przetwarzania dużych zbiorów danych w środowisku systemów rozproszonych

Goal:

Głęboka wiedza na temat Hadoop administracji klastrami.

Big Data Hadoop to otwarta, rozproszona i skalowalna platforma, stworzona do przechowywania, przetwarzania i analizy dużych zbiorów danych. Hadoop umożliwia przechowywanie dużych ilości danych na klastrze komputerów, dzięki czemu można obsługiwać petabajty danych. Framework Hadoop zawiera system plików Hadoop Distributed File System (HDFS) oraz framework do przetwarzania rozproszonego MapReduce. Pozwala to na równoległe przetwarzanie danych na wielu maszynach w klastrze. Platforma Hadoop jest łatwa w skalowaniu. Można ją rozbudować poprzez dodanie nowych węzłów do klastra, co zwiększa przepustowość i przetwarzanie danych. Składa się z różnych modułów, takich jak HDFS, MapReduce, YARN (Yet Another Resource Negotiator) oraz dodatkowych narzędzi i bibliotek, które mogą być używane w zależności od potrzeb projektu. Hadoop umożliwia pracę z różnorodnymi typami danych, w tym strukturyzowanymi, półstrukturyzowanymi i nieustrukturyzowanymi. Jest używany do analizy dużych zbiorów danych, tworzenia raportów, analizy trendów, przewidywania oraz uczenia maszynowego. Hadoop posiada bogaty ekosystem narzędzi i frameworków, takich jak Apache Hive, Apache Pig, Apache Spark, Apache HBase, które wspierają różne aspekty przetwarzania i analizy danych. Zapewnia mechanizmy bezpieczeństwa, kontroli dostępu i zarządzania użytkownikami, aby chronić dane przechowywane i przetwarzane w klastrze Hadoop. Big Data Hadoop jest popularnym narzędziem do przetwarzania i analizy dużych zbiorów danych, stosowanym w różnych branżach, w tym w analizie rynkowej, medycynie, finansach, przemyśle i wielu innych, gdzie konieczne jest zarządzanie i analiza dużej ilości danych.

Analityka Big Data obejmuje proces badania dużych ilości różnorodnych zestawów danych w celu odkrycia korelacji, ukrytych wzorców i innych przydatnych informacji.

Branża medyczna dysponuje ogromnymi ilościami złożonych, heterogenicznych danych medycznych i klinicznych. Zastosowanie analizy dużych zbiorów danych na danych dotyczących zdrowia stanowi ogromny potencjał w uzyskiwaniu wglądu w celu poprawy świadczenia opieki zdrowotnej. Jednak ogrom tych zbiorów danych stanowi ogromne wyzwanie w analizach i praktycznych zastosowaniach w środowisku klinicznym.

W tym prowadzonym przez instruktora szkoleniu na żywo (zdalnie) uczestnicy dowiedzą się, jak przeprowadzić analizę dużych zbiorów danych w zakresie zdrowia, przechodząc przez serię praktycznych ćwiczeń laboratoryjnych na żywo.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Instalowanie i konfigurowanie narzędzi do analizy dużych zbiorów danych, takich jak Hadoop MapReduce i Spark.
• Zrozumienie charakterystyki danych medycznych
• Stosowanie technik big data do przetwarzania danych medycznych
• Badanie systemów i algorytmów big data w kontekście aplikacji zdrowotnych

Uczestnicy

• Programiści
• Naukowcy ds. danych

Format kursu

• Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna.

Uwaga

• Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.

Gdy tradycyjne technologie pamięci masowej nie radzą sobie z ilością danych, które trzeba przechowywać, istnieją setki alternatyw. Ten kurs stara się wskazać uczestnikom, jakie są alternatywy dla przechowywania i analizowania Big Data oraz jakie są ich zalety i wady.

Kurs ten koncentruje się głównie na dyskusji i prezentacji rozwiązań, choć na żądanie dostępne są ćwiczenia praktyczne.

Kurs jest częścią zestawu umiejętności Data Scientist (Domena: Dane i technologia).

To prowadzone przez instruktora szkolenie na żywo w Polsce  (online lub na miejscu) jest przeznaczone dla administratorów baz danych lub programistów, którzy chcą używać Microsoft Azure Cosmos DB do tworzenia i zarządzania wysoce responsywnymi aplikacjami o niskim opóźnieniu.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Zapewnienie niezbędnych zasobów Cosmos DB, aby rozpocząć tworzenie baz danych i aplikacji.
• Skalowanie wydajności aplikacji i pamięci masowej poprzez wykorzystanie interfejsów API w Cosmos DB. 
• Zarządzanie operacjami baz danych i redukcja kosztów poprzez optymalizację zasobów Cosmos DB.

Szkolenie pozwoli w pełni zapoznać się i zrozumieć wszystkie niezbędne kroki do obsługi i utrzymywania klastra Hadoop. Dostarcza wiedzę począwszy od zagadnień związanych ze specyfikacją sprzętu, instalacją i konfiguracją systemu, aż do zagadnien związanych z równoważeniem obciążenia, strojeniem, diagnozowaniem i rozwiązywaniu problemów  przy wdrożeniu.Kurs dedykowany administratorom, którzy będą tworzyć lub/i utrzymywać klaster Hadoop.

Materiały szkoleniowe

• Materiały szkoleniowe Student Guide
• Materiały szkoleniowe Lab Guide

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) wprowadza Hortonworks Data Platform (HDP) i przeprowadza uczestników przez wdrożenie rozwiązania Spark + Hadoop.

Pod koniec tego szkolenia uczestnicy będą mogli:

• Używać Hortonworks do niezawodnego uruchamiania Hadoop na dużą skalę.
• Ujednolicić możliwości Hadoop w zakresie bezpieczeństwa, zarządzania i operacji ze zwinnymi analitycznymi przepływami pracy Spark.
• Wykorzystanie Hortonworks do badania, walidacji, certyfikacji i wsparcia każdego z komponentów projektu Spark.
• Przetwarzanie różnych typów danych, w tym ustrukturyzowanych, nieustrukturyzowanych, w ruchu i w spoczynku.

Ten kurs obejmuje sposób korzystania z języka Hive SQL (AKA: Hive HQL, SQL on Hive, HiveQL) dla osób, które wyodrębniają dane z Hive

Cloudera Impala to silnik zapytań typu open source do masowego przetwarzania równoległego (MPP) SQL dla klastrów Apache Hadoop.

Cloudera Impala umożliwia użytkownikom wysyłanie zapytań o niskim opóźnieniu SQL do danych przechowywanych w Hadoop Distributed File System i Apache Hbase bez konieczności przenoszenia lub przekształcania danych.

Odbiorcy

Ten kurs jest skierowany do analityków i badaczy danych przeprowadzających analizy danych przechowywanych w Hadoop za pośrednictwem narzędzi Business Intelligence lub SQL.

Po ukończeniu tego kursu uczestnicy będą w stanie

• Wyodrębniać znaczące informacje z klastrów Hadoop za pomocą Impala.
• Pisać specjalne programy ułatwiające Business Intelligence w Impala SQL dialekcie.
• Rozwiązywać problemy Impala.

Relacyjne bazy danych są preferowaną technologią przechowywania, wyszukiwania i przeszukiwania danych. Relacyjne bazy danych pozwalają użytkownikom organizować dane przy użyciu ustrukturyzowanego, dobrze zdefiniowanego zestawu wzorców (modelu). Chociaż podejście to sprawdza się dobrze w przypadku przechowywania danych, które są znormalizowane i dobrze zrozumiane z góry (pomyśl o aplikacji do odprawy w szpitalu, która przechowuje rekordy pacjentów z tym samym spójnym zestawem wstępnie zdefiniowanych pól... identyfikator pacjenta, imię, nazwisko, data ostatniej wizyty itp. W przypadku organizacji, których dane przychodzące nie są dobrze zdefiniowane (pomyśl o formularzu zapytania online dla startupu, który wciąż jest w trakcie eksperymentowania z różnymi polami do zbierania danych odwiedzających, usuwania i dodawania pól w miarę dostosowywania się do zmieniającego się charakteru działalności), wszelkie ustalone definicje dotyczące tego, jak dane powinny pasować do istniejącej bazy danych, musiałyby być regularnie redefiniowane. Wymagałoby to odtworzenia modelu danych (schematu), który dyktuje strukturę danych i dozwolone typy danych w celu obsługi różnych typów danych wejściowych itp. przed zapisaniem nowych danych w bazie danych.

Wprowadź bazy danych NoSQL (Not Only SQL). Bazy danych NoSQL uwalniają użytkowników od konieczności wstępnego definiowania struktury przychodzących danych, umożliwiając im wstawianie i aktualizowanie nowych danych w locie. Bazy danych NoSQL są często szybsze niż relacyjne bazy danych i mogą z łatwością obsługiwać bardzo duże ilości danych. Bazy danych NoSQL skalują się również lepiej niż relacyjne bazy danych, ze względu na ich zdolność do efektywnego partycjonowania danych na wielu serwerach (klastrach) i równoważenia obciążenia dostępu do tych danych. Bazy danych NoSQL szczególnie dobrze integrują się z aplikacjami obsługującymi analitykę w czasie rzeczywistym, personalizację witryn, IoT i aplikacje mobilne

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy zrozumieją architekturę, zasady projektowania i funkcjonalność najpopularniejszych baz danych NoSQL podczas konfigurowania, obsługi i oceny wielu baz danych NoSQL w środowisku laboratoryjnym na żywo. Celem tego szkolenia jest umożliwienie uczestnikom inteligentnej oceny, zaproponowania i wdrożenia odpowiedniego rozwiązania bazodanowego NoSQL w ich organizacji.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Instalowanie i konfigurowanie różnych typów baz danych NoSQL, w tym MongoDB, Cassandra, Redis i Neo4j.
• Poznanie zalet i wad baz danych NoSQL w porównaniu z relacyjnymi bazami danych.
• Zrozumienie podstawowych formatów danych wykorzystywanych przez bazy danych NoSQL i sposobu, w jaki formaty te mogą być wykorzystywane do tworzenia nowoczesnych aplikacji (stacjonarnych, mobilnych, w chmurze, IoT).
• Wykonywanie operacji tworzenia, wstawiania, aktualizowania i usuwania w bazie danych NoSQL
• Konfiguracja mieszanego środowiska z relacyjną bazą danych i bazą danych NoSQL pracującą w tandemie
• Konfiguracja klastra baz danych NoSQL w celu dystrybucji przetwarzania bardzo dużych zbiorów danych
• Zrozumienie implikacji bezpieczeństwa korzystania z bazy danych NoSQL
• Wdrażanie i skalowanie bazy danych NoSQL w środowisku produkcyjnym

Uczestnicy

• Profesjonaliści Database
• Architekci danych
• Strategowie danych
• Kierownicy projektów
• Programiści aplikacji pragnący zintegrować elastyczne rozwiązanie bazodanowe w swojej aplikacji

Format kursu

• Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna

Uwaga

• Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.

redis

nosql

Scylla to rozproszony magazyn danych typu open source NoSQL. Jest on kompatybilny z Apache Cassandra, ale zapewnia znacznie wyższą przepustowość i niższe opóźnienia.

W tym kursie uczestnicy zapoznają się z funkcjami i architekturą Scylli, zdobywając jednocześnie praktyczne doświadczenie w konfigurowaniu, administrowaniu, monitorowaniu i rozwiązywaniu problemów z Scyllą;

Uczestnicy

• Administratorzy Database
• programiści
• Inżynierowie systemowi

Format kursu

• Kurs jest interaktywny i obejmuje dyskusje na temat zasad i podejść do wdrażania i zarządzania rozproszonymi bazami danych i klastrami Scylla.
• Kurs zawiera dużą ilość praktycznych ćwiczeń i praktyki.