HBase for Developers Treningskurs

Publikum:

Kurset er beregnet på IT-spesialister på jakt etter en løsning for å lagre og behandle store datasett i et distribuert systemmiljø

Goal:

Dyp kunnskap om Hadoop klyngeadministrasjon.

Big data analytics innebærer prosessen med å undersøke store mengder varierte datasett for å avdekke korrelasjoner, skjulte mønstre og annen nyttig innsikt.

Helseindustrien har enorme mengder komplekse heterogene medisinske og kliniske data. Å bruke big data-analyse av helsedata gir et stort potensial i å oppnå innsikt for å forbedre leveransen av helsetjenester. Imidlertid gir enorme datasett store utfordringer i analyser og praktiske applikasjoner i et klinisk miljø.

I denne instruktørledede liveopplæringen (ekstern) vil deltakerne lære å utføre big data-analyse innen helse når de går gjennom en serie praktiske live-lab-øvelser.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer verktøy for analyse av big data som Hadoop MapReduce og Spark
• Forstå egenskapene til medisinsk data
• Bruk big data-teknikker for å håndtere medisinske data
• Studer store datasystemer og algoritmer i sammenheng med helseprogrammer

Publikum

• Utviklere
• Dataforskere

Kursets format

• Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse.

Merk

• For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.

Når tradisjonelle lagringsteknologier ikke håndterer datamengden du trenger å lagre, er det hundrevis av alternativer. Dette kurset prøver å veilede deltakerne hva som er alternativer for lagring og analyse av Big Data og hva er deres fordeler og ulemper.

Dette kurset fokuserer mest på diskusjon og presentasjon av løsninger, selv om praktiske øvelser er tilgjengelige på forespørsel.

Kurset er en del av Data Scientist ferdighetssettet (Domain: Data and Technology).

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot databaseadministratorer eller utviklere som ønsker å bruke Microsoft Azure Cosmos DB til å utvikle og administrere svært responsive applikasjoner med lav ventetid.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sørg for de nødvendige Cosmos DB-ressursene for å begynne å bygge databaser og applikasjoner.
• Skaler applikasjonsytelse og lagring ved å bruke APIer i Cosmos DB.
• Administrer databaseoperasjoner og reduser kostnadene ved å optimalisere Cosmos DB-ressurser.

Kurset er dedikert til IT-spesialister som leter etter en løsning for å lagre og behandle store datasett i distribuert systemmiljø

Kursmål:

Få kunnskap om Hadoop klyngeadministrasjon

Apache Hadoop er det mest populære rammeverket for behandling Big Data på klynger av servere. På dette tre (valgfritt, fire) dagers kurset vil deltakerne lære om forretningsfordelene og brukstilfellene for Hadoop og dets økosystem, hvordan man planlegger klyngedistribusjon og vekst, hvordan man installerer, vedlikeholder, overvåker, feilsøker og optimaliserer [2 ]. De vil også øve på bulkdatabelastning, bli kjent med forskjellige Hadoop distribusjoner og øve på å installere og administrere Hadoop økosystemverktøy. Kurset avsluttes med en diskusjon om å sikre klynge med Kerberos.

“...Materialene var veldig godt forberedt og dekket grundig. Laboratoriet var veldig hjelpsomt og godt organisert”
— Andrew Nguyen, hovedintegrasjon DW-ingeniør, Microsoft Online Advertising

Publikum

Hadoop administratorer

Format

Forelesninger og praktiske laboratorier, omtrentlig balanse 60% forelesninger, 40% laboratorier.

Apache Hadoop er det mest populære rammeverket for behandling av Big Data på klynger av servere. Dette kurset vil introdusere en utvikler til ulike komponenter (HDFS, MapReduce, Pig, Hive og HBase) Hadoop økosystem.

Apache Hadoop er et av de mest populære rammeverkene for behandling av Big Data på klynger av servere. Dette kurset går inn i datahåndtering i HDFS, avansert Pig, Hive og HBase. Disse avanserte programmeringsteknikkene vil være fordelaktige for erfarne Hadoop utviklere.

Målgruppe : utviklere

Varighet: tre dager

Format: forelesninger (50 %) og praktiske laboratorier (50 %).

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) introduserer Hortonworks Data Platform (HDP) og leder deltakerne gjennom utrullingen av Spark + Hadoop-løsningen.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Bruk Hortonworks til å kjøre Hadoop pålitelig i stor skala.
• Foren Hadoops sikkerhet, styring og drift med Sparks smidige analytiske arbeidsflyter.
• Bruk Hortonworks til å undersøke, validere, sertifisere og støtte hver av komponentene i et Spark-prosjekt.
• Behandle ulike typer data, inkludert strukturert, ustrukturert, i bevegelse og i hvile.

Dette kurset dekker hvordan du bruker Hive SQL språk (AKA: Hive HQL, SQL on Hive , Hive QL) for folk som henter ut data fra Hive

Cloudera Impala er en åpen kildekode massivt parallel processing (MPP) SQL søkemotor for Apache Hadoop klynger.

Impala gjør det mulig for brukere å sende spørsmål med lav latens SQL til data lagret i Hadoop Distribuert filsystem og Apache Hbase uten å kreve dataflytting eller transformasjon.

Publikum

Dette kurset er rettet mot analytikere og dataforskere som utfører analyser på data lagret i Hadoop via Business Intelligence eller SQL verktøy.

Etter dette kurset vil delegatene kunne

• Trekk ut meningsfull informasjon fra Hadoop klynger med Impala.
• Skriv spesifikke programmer for å lette Business Intelligens i Impala SQL Dialekt.
• Feilsøking Impala.

Relasjonsdatabaser har vært den foretrukne teknologien for lagring, henting og spørring av data. Relasjonsdatabaser lar brukere organisere dataene sine ved hjelp av et strukturert, veldefinert sett med mønstre (modell). Selv om denne tilnærmingen fungerer godt for lagring av data som er standardisert og godt forstått på forhånd (tenk på et sykehusinnsjekkingsprogram som inneholder pasientjournaler med det samme konsistente settet med forhåndsdefinerte felter... pasient-ID, fornavn, etternavn navn, dato for siste besøk osv.), er det begrensninger for denne modellen. For organisasjoner hvis innkommende data ikke er veldefinert (tenk på et nettbasert forespørselsskjema for en oppstart som fortsatt er i ferd med å eksperimentere med forskjellige felt for å samle inn besøksdata, fjerne og legge til felt etter hvert for å imøtekomme den skiftende naturen til business), vil eventuelle etablerte definisjoner for hvordan dataene skal passe inn i en eksisterende database måtte redefineres regelmessig. Dette vil kreve å gjenskape datamodellen (skjemaet) som dikterer strukturen til dataene og dens tillatte datatyper for å støtte ulike typer datainndata, etc., før nye data kan lagres i databasen.

Skriv inn NoSQL (ikke bare SQL) databaser. IngenSQL databaser frigjør brukere fra å måtte forhåndsdefinere strukturen til de innkommende dataene, slik at de kan sette inn og oppdatere nye data på farten. NoSQL databaser er ofte raskere enn relasjonsdatabaser og kan håndtere svært store datamengder med letthet. NoSQL databaser skalerer også bedre enn relasjonsdatabaser, på grunn av deres evne til å effektivt partisjonere data på tvers av mange servere (cluster) og lastbalansere tilgangen til disse dataene. IngenSQL databaser integreres spesielt godt med applikasjoner som støtter sanntidsanalyse, nettstedtilpasning, IoT og mobilapper

I denne instruktørledede, live-opplæringen vil deltakerne forstå arkitekturen, designprinsippene og funksjonaliteten til de mest populære NoSQL-databasene når de setter opp, driver og vurderer en rekke NoSQL-databaser i et live lab-miljø. Målet med denne opplæringen er å gjøre deltakerne i stand til intelligent å evaluere, foreslå og implementere en passende NoSQL databaseløsning i deres organisasjon.

Ved slutten av denne opplæringen vil deltakerne kunne:

Installer og konfigurer forskjellige typer NoSQL-databaser, inkludert MongoDB, Cassandra, Redis og Neo4j. Forstå fordelene og ulempene med NoSQL-databaser kontra relasjonsdatabaser Forstå de underliggende dataformatene som brukes av NoSQL-databaser og hvordan disse formatene kan med fordel brukes ved utvikling av moderne applikasjoner (desktop, mobil, sky, IoT) Utfør opprette, sette inn, oppdatere, slette operasjoner i en NoSQL database Sett opp et blandet miljø med både en relasjonsdatabase og NoSQL working i tandem Konfigurer en klynge av NoSQL database for å distribuere behandlingen av svært store datasett Forstå sikkerhetsimplikasjonene ved å bruke en NoSQL database Distribuer og skaler en NoSQL database i et produksjonsmiljø

Publikum

Database fagfolk Dataarkitekter Datastrateger Prosjektledere Applikasjonsutviklere som ønsker å integrere en fleksibel databaseløsning i sin applikasjon

Kursets format

Del forelesning, del diskusjon, øvelser og tung praktisk praksis

Merk

For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.

redis

nosql

Scylla er et distribuert åpen kildekode nr.SQL datalager. Den er kompatibel med Apache Cassandra, men fungerer med betydelig høyere gjennomstrømninger og lavere latenser.

På dette kurset vil deltakerne lære om Scyllas funksjoner og arkitektur samtidig som de får praktisk erfaring med å sette opp, administrere, overvåke og feilsøke Scylla.

Publikum

Database administratorer Utviklere Systemingeniører

Format på kurset

Kurset er interaktivt og inkluderer diskusjoner om prinsippene og tilnærmingene for distribusjon og administrasjon av Scylla-distribuerte databaser og klynger. Kurset inkluderer en tung komponent av praktiske øvelser og praksis.