Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Grundlagen des Platform Engineering für datenintensive Anwendungen
- Einführung in datenintensive Anwendungen
- Herausforderungen im Platform Engineering für Big Data
- Überblick über Datenverarbeitungsarchitekturen
Datenmodellierung und -verwaltung
- Prinzipien der Datenmodellierung für Skalierbarkeit
- Datenspeicheroptionen und Optimierung
- Verwaltung des Datenlebenszyklus in einer verteilten Umgebung
Big-Data-Verarbeitungs-Frameworks
- Überblick über Big-Data-Verarbeitungstools (Hadoop, Spark, Flink)
- Batch- vs. Stream-Processing
- Einrichten einer Big-Data-Verarbeitungs-Pipeline
Echtzeit-Analytics-Plattformen
- Architektur für Echtzeit-Analytics
- Stream-Processing-Engines (Kafka Streams, Apache Storm)
- Erstellung von Echtzeit-Dashboards und Visualisierungen
Orchestrierung von Daten-Pipelines
- Workflow-Management mit Apache Airflow und anderen Tools
- Automatisierung von Daten-Pipelines für Effizienz
- Überwachung und Alarmierung für Daten-Pipelines
Sicherheit und Compliance der Plattform
- Best Practices für die Sicherheit von Datenplattformen
- Sicherstellung des Datenschutzes und der regulatorischen Compliance
- Umsetzung sicherer Datenzugriffskontrollen
Performance-Tuning und Optimierung
- Techniken zur Optimierung von Datendurchsatz und Latenz
- Skalierungsstrategien für datenintensive Plattformen
- Leistungsbewertung und Überwachung
Fallstudien und Best Practices
- Analyse erfolgreicher Implementierungen von Datenplattformen
- Lektionen aus der Praxis von Branchenführern
- Auftauchende Trends im Platform Engineering für datenintensive Anwendungen
Captain-Projekt
- Entwurf einer Plattformlösung für eine datenintensive Anwendung
- Implementierung eines Prototyps der Datenverarbeitungs-Pipeline
- Bewertung der Leistung und Skalierbarkeit der Plattform
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis von Datenstrukturen und Algorithmen
- Erfahrung mit Java-, Scala- oder Python-Programmierung
- Vertrautheit mit grundlegenden Konzepten von Datenbanken und SQL
Zielgruppe
- Softwareentwickler
- Data Engineers
- Technische Leiter
21 Stunden
Erfahrungsberichte (1)
About the microservices and how to maintenance kubernetes