Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-4 of 4 items.

linkedin آپاچی فلینک: مهندسی داده در زمان واقعی (Mitalearn-169487)

  • 1 hours 11 minutes
  • پیشرفته
  • Release date: 22 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

از دیدگاه مهندسی، مقیاس پذیری یکی از مهم ترین چالش ها در علم داده است. Apache Flink، پلتفرم قدرتمند و محبوب پردازش جریان، ویژگی ها و عملکردهایی را ارائه می دهد که می تواند به توسعه دهندگان کمک کند تا با این چالش مقابله کنند. در این دوره آموزشی، یاد بگیرید که چگونه یک خط لوله پردازش جریان در زمان واقعی با Apache Flink بسازید. مربی Kumaran Ponnambalam با مرور مفاهیم کلیدی جریان و ویژگی های Apache Flink شروع می کند. سپس نگاهی عمیق‌تر به DataStream API می‌اندازد و قابلیت‌های مختلف موجود برای پردازش جریانی بلادرنگ، از جمله پنجره‌سازی و پیوستن را بررسی می‌کند. پس از بررسی ویژگی‌های پردازش زمان رویداد و مدیریت حالت پلتفرم، او یک پروژه مورد استفاده ارائه می‌دهد که به شما امکان می‌دهد مهارت‌های جدید خود را آزمایش کنید.

linkedin الگوهای پردازش جریانی در Apache Flink (Mitalearn-226250)

  • 1 hours 6 minutes
  • مناسب همه
  • Release date: 22 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

چارچوب‌هایی مانند Apache Flink می‌توانند به شما کمک کنند تا برنامه‌های پردازش جریانی سریع و مقیاس‌پذیر بسازید، اما مهندسان داده‌های بزرگ هنوز برای دستیابی به حداکثر کارایی باید موارد استفاده هوشمند را طراحی کنند. در این دوره، مربی Kumaran Ponnambalam نحوه استفاده از Apache Flink و فن‌آوری‌های مرتبط را برای ساخت موارد استفاده پردازش جریان با استفاده از الگوهای رایج نشان می‌دهد. کوماران با برجسته کردن فرصت‌ها و چالش‌هایی که پردازش جریانی برای کلان داده‌ها به ارمغان می‌آورد، شروع می‌کند. او سپس به چهار الگوی محبوب برای پردازش جریان می‌پردازد: تجزیه و تحلیل جریان، هشدارها و آستانه‌ها، تابلوهای امتیازات، و پیش‌بینی‌های زمان واقعی. در طول مسیر، او موارد استفاده از نمونه را بررسی می‌کند و نحوه استفاده از Flink و همچنین فناوری‌های کلیدی مانند MariaDB و Redis را برای پیاده‌سازی نمونه‌های کلیدی توضیح می‌دهد.

linkedin الگوهای طراحی پردازش جریان با Spark (Mitalearn-197401)

  • 1 hours 9 minutes
  • پیشرفته
  • Release date: 28 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

با تولید داده های بیشتر و بیشتر توسط وب سایت ها، دستگاه ها و ارتباطات، پردازش جریان محبوب تر می شود. آپاچی اسپارک یک پلتفرم پیشرو است که پردازش جریانی مقیاس‌پذیر و سریع را ارائه می‌دهد، اما همچنان برای دستیابی به حداکثر کارایی به طراحی هوشمندانه نیاز دارد. این دوره به توسعه دهندگان کمک می کند تا از بهترین شیوه ها و الگوهای طراحی معتبر برای پیاده سازی پردازش جریان در Apache Spark استفاده کنند. مربی Kumaran Ponnambalam نحوه تنظیم محیط خود را نشان می دهد و سپس در چهار الگوی طراحی و موارد استفاده در دنیای واقعی قدم می گذارد: تجزیه و تحلیل جریان، هشدارها و آستانه ها، تابلوهای امتیازات، و پیش بینی های زمان واقعی. در فصل ششم، او پروژه‌ای از شروع تا پایان را معرفی می‌کند که نشان می‌دهد چگونه با استفاده از Spark، Apache Kafka، MariaDB و Redis از طراحی به کار اجرا شده برویم. در پایان دوره، تمام قابلیت های این پلتفرم قدرتمند را درک خواهید کرد و می توانید آن را در راه حل های مهندسی داده خود بگنجانید.

linkedin الگوهای طراحی پردازش جریان با کافکا استریم (Mitalearn-197384)

  • 1 hours 7 minutes
  • پیشرفته
  • Release date: 21 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

محبوبیت پردازش جریان به سرعت در حال افزایش است، زیرا هر روز داده های بیشتری توسط وب سایت ها، دستگاه ها و ارتباطات تولید می شود. پلتفرم‌هایی مانند Apache Kafka Streams می‌توانند به شما در ساخت برنامه‌های پردازش جریان سریع و مقیاس‌پذیر کمک کنند، اما مهندسان داده‌های بزرگ هنوز برای دستیابی به حداکثر کارایی نیاز به طراحی موارد استفاده هوشمند دارند. در این دوره آموزشی، در مورد نحوه حل مشکلات پردازش جریان با Kafka Streams در جاوا، به عنوان نحوه ساخت موارد استفاده با الگوهای طراحی محبوب آشنا شوید. برخی از ویژگی‌های مهم Kafka Streams را مرور کنید و چهار الگوی محبوب برای پردازش جریان را کشف کنید: تجزیه و تحلیل جریان، هشدارها و آستانه‌ها، تابلوهای امتیازات، و پیش‌بینی‌های زمان واقعی. در طول مسیر، موارد استفاده از نمونه‌ها را مرور کنید و نحوه استفاده از Kafka Streams و همچنین فناوری‌های کلیدی مانند MariaDB و Redis را برای پیاده‌سازی نمونه‌های کلیدی کشف کنید.

Suggestions