Projektowanie systemów Big Data dla architektów

LICZBA DNI: 1 (8h)

KOD KURSU: BIGDATA/ARCH

Powiadom
o kolejnych terminach

# hdfs

# map-reduce

# yarn

# spark

# sql

# hive

# pig

# kafka

# nosql

# habase

# oozie

# ambari

O szkoleniu

DLA KOGO?

Szkolenie dla architektów korporacyjnych projektujących zarówno oprogramowanie jak i systemy, w których przetwarzane są duże ilości danych

Szkolenie jest również przydatne dla analityków biznesowych definiujących założenia projektowe

WYMAGANIA

Szkolenie nie ma twardych wymagań technicznych od uczestników

Mile widziane: umiejętność projektowania oprogramowania i/lub systemów IT, znajomość problemów analizy danych, analityka biznesowa, podstawy zarządzania projektem

ZALETY

Szkolenie jest prowadzone przez osoby na co dzień pracujące z problemami Big Data i mającymi praktyczne doświadczenie w tej dziedzinie

Program jest ciągle uaktualniany ze względu na szybki rozwój rozwiązań, których dotyczy szkolenie

Po szkoleniu uczestnik będzie miał szerokie spojrzenie na ekosystem rozwiązań z dziedziny Big Data i NoSQL i będzie potrafił wskazać technologie odpowiednie do rozwiązania postawionego problemu

Cele szkolenia

Analiza bardzo dużych zbiorów danych (Big Data) z różnych źródeł

Problemy Big Data i podejście w sposób ogólny i wysoko poziomowy

Przedstawienie szeregu konkretnych technologii z rodziny Big Data, zarówno klastrowych jak i chmurowych, odpowiednich do różnego rodzaju problemów

Integracja systemów Big Data z istniejącymi systemami i oprogramowaniem

Program

  • Definicja
  • Czym jest Big Data?
  • Geneza i historia Big Data
  • Klasyfikacja problemów Big Data
  • Strony w projekcie Big Data
  • Czy mamy problem Big Data?
  • Wymagania w projekcie Big Data
  • Wsadowe:
    • rodzina Hadoop
    • Spark
  • Strumieniowe:
    • Spark Streaming + Apache Kafka jako źródło strumienia danych
  • Pliki
    • HDFS
    • S3 (AWS)
    • Google Cloud Storage (GCP)
  • Bazy danych
    • Hbase
    • Apache Druid
    • Google Big Query
  • Definicja
  • Zalety i wady stosowania
  • Przykładowe dystrybucje
    • Cloudera
  • Chmura i Big Data
  • IaaS vs PaaS
  • Zalety i wady
  • Przykłady rozwiązań
    • Amazon Web Services
    • Google Cloud Platform
  • Mamy system Big Data: co dalej?
  • Dostęp do danych: pliki i bazy
  • Biblioteki klienckie
  • Interfejsy bazodanowe
  • Wdrożenia hurtowni OLAP dla BigData (Apache Druid)
  • Serwisy
  • Kolejki

POLITYKA COOKIES:

Korzystamy z plików cookies, by móc jak najlepiej dostosować stronę do Twoich potrzeb oraz wyświetlać Ci przydatne i adekwatnych dla Ciebie reklamy w serwisie i poza nim. Możesz kontrolować ustawienia ciasteczek w swoich ustawieniach swojej przeglądarki. Odwiedzając tę stronę, wyrażasz zgodę na wykorzystywanie przez nas plików cookies.