Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Podstawy inżynierii platform dla aplikacji intensywnie wykorzystujących dane
- Wprowadzenie do aplikacji intensywnie wykorzystujących dane
- Wyzwania w inżynierii platform dla dużych zbiorów danych
- Przegląd architektur przetwarzania danych
Modelowanie i zarządzanie danymi
- Zasady modelowania danych pod kątem skalowalności
- Opcje przechowywania danych i optymalizacja
- Zarządzanie cyklem życia danych w środowisku rozproszonym
Frameworki do przetwarzania dużych zbiorów danych
- Przegląd narzędzi do przetwarzania dużych zbiorów danych (Hadoop, Spark, Flink)
- Przetwarzanie wsadowe vs. strumieniowe
- Konfiguracja potoku przetwarzania dużych zbiorów danych
Platformy do analizy w czasie rzeczywistym
- Architektura dla analizy w czasie rzeczywistym
- Silniki przetwarzania strumieniowego (Kafka Streams, Apache Storm)
- Tworzenie paneli i wizualizacji w czasie rzeczywistym
Koordynacja potoków danych
- Zarządzanie przepływami pracy za pomocą Apache Airflow i innych narzędzi
- Automatyzacja potoków danych w celu zwiększenia efektywności
- Monitorowanie i alerty dla potoków danych
Bezpieczeństwo i zgodność platform
- Najlepsze praktyki w zakresie bezpieczeństwa platform danych
- Zapewnianie prywatności danych i zgodności z przepisami
- Implementacja bezpiecznych kontroli dostępu do danych
Dostrajanie i optymalizacja wydajności
- Techniki optymalizacji przepustowości i opóźnień danych
- Strategie skalowania dla platform intensywnie wykorzystujących dane
- Testowanie wydajności i monitorowanie
Studia przypadków i najlepsze praktyki
- Analiza udanych wdrożeń platform danych
- Lekcje od liderów branżowych
- Nowe trendy w inżynierii platform intensywnie wykorzystujących dane
Projekt końcowy
- Projektowanie rozwiązania platformowego dla aplikacji intensywnie wykorzystującej dane
- Implementacja prototypu potoku przetwarzania danych
- Ocena wydajności i skalowalności platformy
Podsumowanie i kolejne kroki
Wymagania
- Zrozumienie podstawowych struktur danych i algorytmów
- Doświadczenie w programowaniu w Java, Scala lub Python
- Znajomość podstawowych pojęć związanych z bazami danych i SQL
Grupa docelowa
- Programiści
- Inżynierowie danych
- Kierownicy techniczni
21 godzin
Opinie uczestników (1)
O mikroserwisach i sposobie ich utrzymania w Kubernetes
Yufri Isnaini Rochmat Maulana - Bank Indonesia
Szkolenie - Advanced Platform Engineering: Scaling with Microservices and Kubernetes
Przetłumaczone przez sztuczną inteligencję