HBase für Entwickler Schulung

Zielgruppe:

Der Kurs richtet sich an IT-Spezialisten, die nach einer Lösung suchen, um große Datensätze in einer verteilten Systemumgebung zu speichern und zu verarbeiten.

GoVoraussetzungen:

Tiefes Wissen über die Verwaltung von Hadoop-Clustern.

Die Big Data-Analytics beinhaltet den Prozess, große Mengen an vielfältigen Datensätzen zu untersuchen, um Zusammenhänge, verborgene Muster und andere nützliche Erkenntnisse aufzudecken.

Der Gesundheitssektor verfügt über riesige Mengen komplexer, heterogener medizinischer und klinischer Daten. Die Anwendung von Big Data-Analytics auf gesundheitliche Daten bietet enormes Potenzial zur Ableitung von Erkenntnissen für die Verbesserung der Gesundheitsversorgung. Allerdings stellen die Größenordnungen dieser Datensätze große Herausforderungen bei der Analyse und den praktischen Anwendungen in einem klinischen Umfeld dar.

In diesem von einem Dozenten geleiteten, Live-Training (Remote) werden die Teilnehmer lernen, wie man Big Data-Analytics in der Gesundheitsversorgung durchführt, indem sie eine Reihe praktischer Übungen durchlaufen.

Bis zum Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Hadoop MapReduce und Spark zu installieren und zu konfigurieren
• Die Eigenschaften medizinischer Daten zu verstehen
• Große Datentechniken zur Bearbeitung von medizinischen Daten anzuwenden
• Große Datensysteme und Algorithmen im Kontext von Gesundheitsanwendungen zu studieren

Zielgruppe

• Entwickler
• Data Scientists

Kursformat

• Vorlesungsteil, Diskussionsteil, Übungen und praktische Anwendung.

Hinweis

• Um ein angepasstes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um eine Terminvereinbarung zu treffen.

Wenn herkömmliche Speichertechnologien die Menge an Daten, die Sie speichern müssen, nicht bewältigen können, gibt es Hunderte von Alternativen. Dieser Kurs versucht, den Teilnehmern zu vermitteln, welche Alternativen für das Speichern und Analysieren von Big Data existieren und welche Vor- und Nachteile diese haben.

Dieser Kurs konzentriert sich hauptsächlich auf Diskussionen und Präsentationen von Lösungen, obwohl bei Bedarf praktische Übungen angeboten werden.

Der Kurs ist Teil der Fähigkeiten von Data Scientist (Bereich: Daten und Technologie).

Dieses von einem Trainer geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Datenbankadministratoren oder Entwickler, die Microsoft Azure Cosmos DB nutzen möchten, um hochperformante Anwendungen mit geringer Latenz zu entwickeln und zu verwalten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die notwendigen Cosmos DB-Ressourcen bereitzustellen, um Datenbanken und Anwendungen aufzubauen.
• Die Leistung und den Speicherplatz von Anwendungen durch die Nutzung von APIs in Cosmos DB zu skalieren.
• Datenbankoperationen zu verwalten und Kosten zu reduzieren, indem sie Cosmos DB-Ressourcen optimieren.

Apache Hadoop ist das beliebteste Framework für die Verarbeitung von Big Data auf Serverclusters. In diesem drei- (optional vier-) Tageskurs lernen Teilnehmer über den Geschäftsvorteile und Einsatzmöglichkeiten von Hadoop und seinem Ökosystem, wie man einen Cluster bereitstellt und ausbaut, wie man Hadoop installiert, betreibt, überwacht, Fehler behebt und optimiert. Sie werden auch die Massendaten-Import in Clusters praktizieren, verschiedene Verteilungen von Hadoop kennen lernen und die Installation und Verwaltung von Tools des Hadoop-Ökosystems üben. Der Kurs endet mit einer Diskussion über das Schützen des Clusters mit Kerberos.

“…Die Materialien waren sehr gut vorbereitet und detailliert abgedeckt. Das Labor war sehr hilfreich und gut organisiert”— Andrew Nguyen, Principal Integration DW Engineer, Microsoft Online Advertising

Zielgruppe

Hadoop-Administratoren

Format

Vorlesungen und praktische Labore, ungefährer Teilungsgrad 60% Vorlesungen, 40% Labore.

Apache Hadoop ist der populärste Framework zur Verarbeitung von Big Data auf Clustern von Servern. Dieses Kurs wird einen Entwickler in verschiedene Komponenten des Hadoop-Ökosystems (HDFS, MapReduce, Pig, Hive und HBase) einführen.

Apache Hadoop ist eines der beliebtesten Frameworks zur Verarbeitung von Big Data auf Clustern von Servern. Dieses Kurs geht tief in die Datenverwaltung in HDFS, fortgeschrittene Pig, Hive und HBase ein. Diese fortgeschrittenen Programmiermethoden werden erfahrenen Hadoop-Entwicklern zugutekommen.

Zielgruppe: Entwickler

Dauer: drei Tage

Format: Vorlesungen (50%) und praktische Übungen (50%).

Zielgruppe:

Dieser Kurs soll Big Data/Hadoop-Technologie entmystifizieren und zeigen, dass sie nicht schwer zu verstehen ist.

Dieses von einem Dozenten geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Systemadministratoren, die lernen möchten, wie sie Hadoop-Cluster in ihrer Organisation einrichten, bereitstellen und verwalten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Apache Hadoop zu installieren und zu konfigurieren.
• Die vier Hauptkomponenten des Hadoop-Ökosystems zu verstehen: HDFS, MapReduce, YARN und Hadoop Common.
• Hadoop Distributed File System (HDFS) zum Skalieren eines Clusters auf Hunderte oder Tausende von Knoten zu verwenden.  
• HDFS als Speicher-Engine für lokale Spark-Bereitstellungen einzurichten.
• Spark zum Zugriff auf alternative Speicherlösungen wie Amazon S3 und NoSQL-Datenbanksysteme wie Redis, Elasticsearch, Couchbase, Aerospike etc. einzurichten.
• Administrative Aufgaben wie Bereitstellung, Verwaltung, Überwachung und Sicherung eines Apache Hadoop-Clusters durchzuführen.

Apache NiFi ist eine Open-Source-Plattform für flussbasierte Datenintegration und Ereignisverarbeitung. Sie ermöglicht die automatisierte, in Echtzeit stattfindende Datenrouting-, Transformations- und Systemvermittlungsfunktionen zwischen unterschiedlichen Systemen mit einer webbasierten Benutzeroberfläche und feingranularen Kontrollmöglichkeiten.

Dieses vom Trainer geleitete, live Training (vor Ort oder remote) richtet sich an fortgeschrittene Administratoren und Ingenieure, die NiFi-Datenflüsse in Produktionsumgebungen bereitstellen, verwalten, schützen und optimieren möchten.

Zum Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Apache NiFi-Clusters zu installieren, zu konfigurieren und zuwartenden.
• Datenflüsse von verschiedenen Quellen und Senken zu planen und zu verwalten.
• Flussautomatisierung, Routing und Transformationslogik umzusetzen.
• Die Leistung zu optimieren, Operationen zu überwachen und Probleme zu beheben.

Kursformat

• Interaktive Vorlesung mit Diskussion realer Architekturen.
• Praktische Übungen: Erstellen, Bereitstellen und Verwalten von Flüssen.
• Szenario-basierte Aufgaben in einer Live-Lab-Umgebung.

Kursanpassungsoptionen

• Für eine angepasste Schulung für diesen Kurs kontaktieren Sie uns, um einen Termin zu vereinbaren.

In dieser Live-Schulung unter Anleitung in Deutschland lernen die Teilnehmer die Grundlagen der ablaufbasierten Programmierung, während sie eine Reihe von Demo-Erweiterungen, Komponenten und Prozessoren mit Apache NiFi entwickeln.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• Die Architektur von NiFi und Datenflusskonzepte zu verstehen.
• Erweiterungen mit NiFi und APIs von Drittanbietern zu entwickeln.
• Ihren eigenen Apache-NiFi-Prozessor zu entwickeln.
• Echtzeitdaten aus unterschiedlichen und ungewöhnlichen Dateiformaten und Datenquellen einlesen und verarbeiten.

Relationale Datenbanken waren und sind die Technologie der Wahl für das Speichern, Abrufen und Abfragen von Daten. Relationale Datenbanken ermöglichen es Benutzern, ihre Daten mithilfe einer strukturierten und gut definierten Satz von Mustern (Modell) zu organisieren. Während dieser Ansatz gut funktioniert, um standardisierte und im Voraus gut verstandene Daten zu speichern (denken Sie an eine Anmeldeanwendung in einem Krankenhaus, die Patientendaten mit der gleichen konsistenten Menge von vordefinierten Feldern wie z.B. Patienten-ID, Vorname, Nachname, Datum des letzten Besuchs usw. enthält), gibt es bei diesem Modell auch Grenzen. Für Organisationen, deren eingehende Daten nicht gut definiert sind (denken Sie an ein Online-Bewerbungsformular für einen Start-up-Unternehmen, das noch im Prozess der Experimentierung mit verschiedenen Feldern zur Datensammlung von Besuchern ist und diese hinzufügt oder entfernt, um sich den verändernden Anforderungen des Unternehmens anzupassen), müssten alle bereits festgelegten Definitionen dafür, wie die Daten in eine bestehende Datenbank passen sollen, regelmäßig neu definiert werden. Dazu wäre es erforderlich, das Datenmodell (Schema) zu rekonstruieren, das die Struktur der Daten und ihre zulässigen Datentypen diktiert, um verschiedene Arten von Dateneingaben zu unterstützen, bevor neue Daten in die Datenbank gespeichert werden können.

Hier kommt NoSQL (Not Only SQL) ins Spiel. NoSQL-Datenbanken befreien Benutzer davon, die Struktur der eingehenden Daten im Voraus definieren zu müssen, was es ihnen ermöglicht, neue Daten spontan einzufügen und zu aktualisieren. NoSQL-Datenbanken sind oft schneller als relationale Datenbanken und können sehr große Mengen an Daten ohne Probleme verarbeiten. NoSQL-Datenbanken skalieren auch besser als relationale Datenbanken aufgrund ihrer Fähigkeit, Daten effizient über viele Server (Cluster) zu partitionieren und den Zugriff darauf auszulasten. NoSQL-Datenbanken integrieren sich insbesondere gut mit Anwendungen, die Echtzeit-Analysen, Site-Personalisierung, IoT und mobile Apps unterstützen.

In diesem von einem Dozenten geführten Live-Training werden die Teilnehmer das Architekturkonzept, die Gestaltungsprinzipien und die Funktionalität der beliebtesten NoSQL-Datenbanken verstehen, während sie eine Vielzahl von NoSQL-Datenbanken in einer lebendigen Laborumgebung einrichten, betreiben und bewerten. Das Ziel dieses Trainings ist es, den Teilnehmern zu ermöglichen, intelligent zu evaluieren, vorzuschlagen und eine geeignete NoSQL-Datenbanklösung innerhalb ihrer Organisation umzusetzen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Verschiedene Arten von NoSQL-Datenbanken wie MongoDB, Cassandra, Redis und Neo4j zu installieren und zu konfigurieren
• Die Vorteile und Nachteile von NoSQL-Datenbanken im Vergleich zu relationalen Datenbanken zu verstehen
• Die zugrunde liegenden Datenformate zu verstehen, die von NoSQL-Datenbanken verwendet werden, und wie diese Formate bei der Entwicklung moderner Anwendungen (Desktop, mobile, Cloud, IoT) genutzt werden können
• Eine NoSQL-Datenbank mit Create, Insert, Update und Delete-Vorgängen zu verwalten
• Eine gemischte Umgebung mit einer relationalen Datenbank und einer NoSQL-Datenbank in Teamarbeit einzurichten
• Einen Cluster von NoSQL-Datenbanken zu konfigurieren, um die Verarbeitung sehr großer Datensätze zu verteilen
• Die Sicherheitsimplikationen der Nutzung einer NoSQL-Datenbank zu verstehen
• Eine NoSQL-Datenbank in einem Produktivumfeld bereitzustellen und zu skalieren

Zielgruppe

• Datenbankfachleute
• Datenarchitekten
• Datenstrategen
• Projektmanager
• Anwendungsentwickler, die eine flexible Datenbanklösung in ihre Anwendungen integrieren möchten

Kursformat

• Teil Vortrag, teil Diskussion, Übungen und viel praktische Übung

Hinweis

• Für eine angepasste Schulung zu diesem Kurs kontaktieren Sie uns bitte zur Anpassung.

redis

nosql

Scylla ist eine Open-Source verteilte NoSQL-Datenspeicherlösung. Sie ist kompatibel mit Apache Cassandra, erzielt aber deutlich höhere Durchsatzleistungen und geringere Latenzen.

In diesem Kurs lernen die Teilnehmer die Funktionen und Architektur von Scylla kennen und erhalten praktische Erfahrungen im Einrichten, Verwalten, Überwachen und Troubleshooting von Scylla.

Zielgruppe

• Datenbankadministratoren
• Entwickler
• Systemingenieure

Kursformat

• Der Kurs ist interaktiv und umfasst Diskussionen zu den Prinzipien und Ansätzen für die Bereitstellung und Verwaltung verteilter Scylla-Datenbanken und -Cluster.
• Der Kurs enthält eine große Komponente an praktischen Übungen und Übungsstunden.