In dieser 3-tägigen Schulung "Big Data - Hands On für RealTime Analytics" lernen Sie, wie Sie praxisorientierte Lösungen entwickeln und umsetzen. Der Workshop konzentriert sich auf die Lösungsfindung und ermöglicht den Teilnehmern, anhand praktischer Aufgabenstellungen verschiedene Bearbeitungsmöglichkeiten zu diskutieren und wertvolle Erfahrungen in der Umsetzung zu sammeln. Die erzielten Ergebnisse und gewonnenen Erfahrungen werden dabei verallgemeinert, um ein umfassendes Verständnis von RealTime Analytics im Kontext von Big Data zu erlangen.
„Echtzeit“ ist nicht gleich „Echtzeit“. In diesem Abschnitt lernen die Anwender die Rahmen-bedingungen für sowie die Anforderungen an Echtzeit-Analysen kennen. Es werden verschiedene grundsätzliche Lösungsansätze vorgestellt.
In dem ersten Modul wird die Hadoop-Sandbox vorgestellt und gemeinsam evaluiert.
Das Kernstück von Hadoop ist ein leistungsstarkes, robustes und extrem skalierbares Dateisystem. In diesem Abschnitt werden die wichtigsten Elemente für den Datenaustausch mit HDFS evaluiert.
Die Java-basierte Klassenbibliothek für MapReduce ist der Maschinenraum von Hadoop. In diesem Abschnitt erhalten die Teilnehmer einen Überblick über das von Google eingeführte Programmier-modell für nebenläufige Berechnungen.
In diesem Abschnitt evaluieren die Teilnehmer die Anwendung von MapReduce, um verschiedene Ausgangsdaten aufzubereiten.
In diesem Abschnitt erhalten die Teilnehmer einen Überblick zu Apache Kafka und Apache Storm. Damit können in einem Hadoop-Cluster Ereignis-Daten persistiert und verarbeitet werden.
In diesem Abschnitt wenden die Teilnehmer Apache Kafka und Apache Storm an, um Ereignisdaten zeitnah zu verarbeiten.
Mit Mahout steht in Hadoop ein Werkzeug für Data Mining Fragestellungen zur Verfügung. In diesem Abschnitt erhalten die Teilnehmer einen Überblick zu Mahout.
In diesem Abschnitt wenden die Teilnehmer das Data Mining Werkzeug Mahout an, um Analysen auf den in Echtzeit generierten Daten durchzuführen.
Die Teilnehmer erhalten einen Überblick zu Funktionsweise und Integration von Komponenten für das Complex Event Processing (CEP).
In diesem Abschnitt evaluieren die Teilnehmer eine CEP-Komponente und integrieren diese in eine gemischte Hadoop- /DWH-Umgebung.
Falls eine Integration in eine gemischte Hadoop-/DWH-Umgebung Umgebung erfolgt, ist es erforderlich, Ergebnisse zeitnah zu persistieren und für weitergehende Auswertungen verfügbar zu machen. In diesem Abschnitt lernen die Teilnehmer verschiedene Konzepte für die Persistierung von Daten im Speicher kennen.
Die Teilnehmer evaluieren die Integration von InMemory-Konzepten in einer gemischten Hadoop- /DWH-Umgebung.
Zum Abschluss werden die Ergebnisse zusammengefasst und die durchgeführten Übungen auf ihre Praxistauglichkeit untersucht sowie ein Vorgehensmodell für die RealTime-Analyse mit Hadoop abgeleitet.
Durch die erfolgreiche Teilnahme an einem Kurs bei IT-Schulungen.com erlangen Sie nicht nur Fachkenntnisse und Fähigkeiten, sondern bekommen zusätzlich zu Ihrem Teilnahmezertifikat ein Open Badge als digitalen Nachweis Ihrer Kompetenz.
Sie können diesen in Ihrem persönlichen und kostenfreien Mein IT-Schulungen.com Konto abrufen. Ihre verdienten Badges lassen sich problemlos in sozialen Netzwerken integrieren und weitergeben.
Anmeldungen vorhanden |