Graph Database Schulungen

Blazegraph ist eine Open-Source- RDF Blazegraph Java Blazegraph zum Speichern und Darstellen von Daten mit komplexen Beziehungen. Es unterstützt Blueprints und RDF / SPARQL 1.1.

In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie sie mit Blazegraph komplexe Daten im Diagrammformat erfassen und aus einer Reihe von Beispielanwendungen Blazegraph können. Alle Übungen werden in einer Live-Laborumgebung durchgeführt.

Am Ende dieser Schulung können die Teilnehmer:

- Installieren und konfigurieren Sie Blazegraph im Standalone-Modus, Clustered-Modus (optional) oder Embedded-Modus (optional).
- Erstellen, testen und implementieren Sie eine Beispielanwendung, um komplexe Daten in einem Blazegraph Datenspeicher Blazegraph
- Erfahren Sie, wie Sie die GPU (Graphics Processing Unit) zur Beschleunigung der Berechnungen einsetzen können

Publikum

- Entwickler

Format des Kurses

- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben

Hinweis

- Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.

FlockDB ist eine Open-Source-verteilte, fehlertolerante Graphdatenbank zur Verwaltung breiter aber flacher Netzwerkgraphen Es wurde ursprünglich von Twitter verwendet, um Beziehungen zwischen Benutzern zu speichern In diesem instruierten Live-Training lernen die Teilnehmer, wie eine FlockDB-Datenbank eingerichtet und verwendet wird, um Antworten auf Fragen zu sozialen Medien zu erhalten, z B wer wem folgt, wer wen blockiert usw Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Installieren und konfigurieren Sie FlockDB Verstehen Sie die einzigartigen Funktionen von FlockDB im Vergleich zu anderen Grafikdatenbanken wie Neo4j Verwenden Sie FlockDB, um ein großes Diagramm-Dataset zu verwalten Verwenden Sie FlockDB zusammen mit MySQL, um verteilte Speicherfunktionen bereitzustellen Abfragen, erstellen und aktualisieren Sie extrem schnelle Graphenkanten Skalieren Sie FlockDB horizontal für den Einsatz in Online-Webumgebungen mit niedriger Latenz und hohem Durchsatz Publikum Entwickler Datenbankingenieure Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Viele Probleme der realen Welt können in Form von Diagrammen beschrieben werden. Zum Beispiel das Webdiagramm, das soziale Netzwerkdiagramm, das Zugnetzwerkdiagramm und das Sprachdiagramm. Diese Diagramme sind in der Regel sehr groß. Ihre Verarbeitung erfordert eine spezielle Reihe von Tools und Prozessen. Diese Tools und Prozesse können als Graph Computing (auch als Graph Analytics bezeichnet) bezeichnet werden.

In diesem von Lehrern geführten Live-Training lernen die Teilnehmer die Technologieangebote und Implementierungsansätze für die Verarbeitung von Graphendaten kennen. Ziel ist es, reale Objekte, ihre Merkmale und Beziehungen zu identifizieren, diese Beziehungen dann zu modellieren und sie unter Verwendung eines Graph Computing Ansatzes (auch als Graph Analytics bezeichnet) als Daten zu verarbeiten. Wir beginnen mit einem umfassenden Überblick und beschränken uns auf bestimmte Tools, während wir eine Reihe von Fallstudien, praktischen Übungen und Live-Bereitstellungen durchgehen.

Am Ende dieser Schulung können die Teilnehmer:

- Verstehen Sie, wie Diagrammdaten beibehalten und durchlaufen werden.
- Wählen Sie das beste Framework für eine bestimmte Aufgabe aus (von Diagrammdatenbanken bis zu Stapelverarbeitungs-Frameworks).
- Implementieren Sie Hadoop , Spark, GraphX und Pregel, um das Graph-Computing auf vielen Maschinen parallel auszuführen.
- Zeigen Sie reale Big-Data-Probleme in Form von Diagrammen, Prozessen und Durchläufen an.

Format des Kurses

- Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben

This instructor-led, live training in Schweiz (online or onsite) is aimed at engineers who wish to use JanusGraph to process very large graphs that require abnormal storage and computational capacity.

By the end of this training, participants will be able to:

- Install and configure JanusGraph.
- Integrate JanusGraph with multiple backend storage systems (Cassandra, HBase, etc.) and multiple indexing software (Elasticsearch, Solr, etc.).
- Configure multiples machines into a cluster for use by JanusGraph.
- Query the database using the Gremlin query language.
- Process graph data at scale, beyond what a single machine can provide.
- Support thousands of concurrent users traversing graph data in real time.
- Query graph data for analysis.

Relational, table-basierte Datenbanken wie Oracle und MySQL sind seit langem der Standard für die Organisation und Speicherung von Daten. Die wachsende Größe und die Flüssigkeit der Daten haben es diesen traditionellen Systemen jedoch erschwert, hochkomplexe Abfragen auf den Daten effizient auszuführen. Stellen Sie sich vor, Sie ersetzen die Datenspeicherung auf row-and-Kolumns-basierter Daten durch objektbasierte Datenspeicherung, bei der Entitäten (z.B. eine Person) als Datenknoten gespeichert werden könnten, die dann aufgrund ihrer enormen, multilinearen Beziehung zu anderen Knoten leicht abgefragt werden können. Und stellen Sie sich vor, diese Verbindungen und ihre zugehörigen Objekte und Eigenschaften mit einer kompakten Syntax zu hinterfragen, die bis zu 20-mal leichter ist als SQL. Das ist es, was Graphen-Datenbanken, wie neo4j anbieten.

In diesem von Ausbildern geleiteten, von Live-Hands-on-Training geleiteten Live-Hands-on-Training werden wir ein Live-Projekt ins Leben rufen und die Fähigkeiten zur Modellierung, Verwaltung und Zugänglichkeit Ihrer Daten mit neo4j in die Praxis umsetzen. Wir kontrastieren und vergleichen Graphen-Datenbanken mit SQL-basierten Datenbanken sowie anderen NoSQL-Datenbanken und klären, wann und wo es sinnvoll ist, jede in Ihrer Infrastruktur zu implementieren.

Format der

- Schwerer Schwerpunkt auf Hands-on-Praxis Die meisten Konzepte werden durch Proben, Übungen und praktische Entwicklung erlernt.