Интеграция Hadoop и NoSQL: Курсы

	Организатор	Регион	Стоимость


Коммерсант (0.03)		Москва	90 000 руб. руб. 90,000.00 за 40 ак. часов 5 дней

Даты проведения

24.08.2020 - 28.08.2020
26.10.2020 - 30.10.2020
Уточните расписание у организатора.
Возможно он не успел обновить расписание.

Форма обучения: Очная/дневная

Вид мероприятия: Курсы

Тип мероприятия: Открытые

Целевая аудитория

Для инженеров данных, архитекторов Data Lake и Data Warehouse, а также разработчиков Big Data решений.

Преподаватель

Николай Комиссаренко

Анонс программы

Авторские курсы по интеграции NoSQL и Hadoop помогут получить следующие знания и навыки: понять, как организовать комплексную Big Data инфраструктуру на базе озера данных Apache Hadoop, интегрированного с корпоративными хранилищами данных (КХД), OLAP и OLTP системами; разобраться с архитектурой КХД и Data Lake, принципами их наполнения, средствами организации ELT/ETL-процессов; освоить инструменты создания конвейеров данных (data pipelines), включая потоковый (streaming) и пакетный (batch) режимы с применением Apache Sqoop и Spark; научиться формировать запросы к большим данным с помощью средств SQL-on-Hadoop (Apache Hive, Cloudera Impala, Apache Phoenix); приобрести опыт работы с MPP-СУБД Greenplum и ArenadataDB для эффективного охранения и быстрой аналитики больших данных, а также с OLAP-системами Yandex ClickHouse и Arenadata Quick Marts; узнать лучшие практики использования всех этих инструментов для решения прикладных бизнес-задач.

Описание программы

Введение в NoSQL

Базовые принципы и компоненты Hadoop
Основные концепции и виды NoSQL решений
Архитектура Data Lake
Принципы формирование pipelines и Data Lake

Организация импорта данных

Apache Sqoop – основные принципы:
- простой импорт и экспорт данных из реляционных источников
- сценарии применения
Apache Spark – обзор возможностей:
- импорт и экспорт данных из реляционных источников и файлов
- нагруженный импорт данных с преобразованием для вложенных, JSON, XML форматов
Особенности использования форматов хранения файлов AVRO, ORC, Parquet.

Организация Hadoop SQL интерфейса доступа к данным на файловой системе HDFS

Apache Hive – интерфейс доступа для batch-процессинга данных на HDFS
- Основные ...

Подробнее о программе

Введение в NoSQL

Базовые принципы и компоненты Hadoop
Основные концепции и виды NoSQL решений
Архитектура Data Lake
Принципы формирование pipelines и Data Lake

Организация импорта данных

Apache Sqoop – основные принципы:
- простой импорт и экспорт данных из реляционных источников
- сценарии применения
Apache Spark – обзор возможностей:
- импорт и экспорт данных из реляционных источников и файлов
- нагруженный импорт данных с преобразованием для вложенных, JSON, XML форматов
Особенности использования форматов хранения файлов AVRO, ORC, Parquet.

Организация Hadoop SQL интерфейса доступа к данным на файловой системе HDFS

Apache Hive – интерфейс доступа для batch-процессинга данных на HDFS
- Основные компоненты системы
- Batch процессинг с использованием движков MapReduce/Tez, LLAP, Spark — особенности
- Тюнинг JOIN операций
- Сценарии использования
Cloudera Impala – OLAP аналитика данных в MPP Hadoop
- Особенности решения
- Интеграция с Hive и HBase
- Форматы файлов для Cloudera Impala (Parquet, ORC)
- Особенности JOIN-операций
- Сценарии использования
Spark SQL
- Возможности фреймворка и предоставляемые API
- Сложные преобразования и агрегация с использованием Spark SQL
- Интеграция с Hive
- Сценарии использования

NoSQL в Hadoop

Спектр возможностей NoSQL в экосистеме Hadoop
Apache HBase – для real-time доступа на чтение и запись
- Архитектура решения, концепция CRUD,
- Проектирование базы данных, выбор column family
- Сценарии использования HBase
- Использование Apache Phoenix для HBase

Организация хранилища MPP NoSQL на примере Greenplum/ArenadataDB

Концепция MPP и её реализация в Greenplum/ArenadataDB.
- Загрузка и распределение данных. Сегментирование таблиц. Индексация
- Внешние таблицы, реплицированные таблицы, consistent hashing
- Оптимизация запросов, JOIN
- Best practices
- Сценарии использования

OLAP на колоночных базах данных на примере Yandex ClickHouse и Arenadata Quick Marts

Особенности реализации
Шардирование, партиционирование, индексация
Сценарии использования

Скрыть подробности

Контактная информация

Коммерсант
Ксения Лебедева
info@bigdataschool.ru
Илимская ул., БЦ "Бизнес-Депо", 5 корпус 2, офис 320
+7 (9 показать номер

	Сохранить в избранном

	Заказать звонок

	Отправить вопрос или заявку


Подать заявку от 90000 руб


	Телефон организатора Нажмите на ссылку, чтобы увидеть телефон Показать телефон

	Пожалуйста, скажите организатору, что нашли мероприятие на EduMarket.ru