Advanced Streaming Big Data with Spark - eLearning

450,00 EUR

  • 25 hours
eLearning

Plongez dans le traitement de données en temps réel avec la formation « Streaming Big Data avec Spark », conçue pour vous aider à créer des pipelines de données hautes performances et évolutifs qui traitent l’information au moment où elle est produite. Ce cours vous présente les capacités de streaming d’Apache Spark, vous permettant de travailler avec des flux de données continus pour des systèmes modernes d’analytique et de prise de décision.

Caractéristiques principales

Langue

Cours et supports en anglais

Niveau

Niveau intermédiaire à avancé

Accès

Accès d’un an à la plateforme d’apprentissage

9 heures de vidéos à la demande

avec plus de 25 heures de temps d’étude recommandé

38 exercices pratiques guidés

13 évaluations notées automatiquement

33 quiz de révision

3 projets concrets

Certificat

Attestation de fin de programme incluse

Hero

Résultats d’apprentissage

À la fin de ce cours, vous serez capable de comprendre :

Exécution

Acquérir une compréhension complète de l’architecture d’exécution de Spark

DataFrame

Effectuer les opérations et fonctions essentielles sur les DataFrames dans Spark

Flux

Apprenez les bases du traitement de flux avec Spark

Kafka

Explorer l’intégration directe de Spark Streaming avec Apache Kafka

Amazon

Utiliser Spark Streaming avec Amazon Kinesis

Postuler

Comprendre et appliquer les opérations de fenêtre glissante dans le traitement de flux

Hero

Chronologie du cours

  1. Le runtime Spark

    Leçon 01

    • Comprendre les RDD Spark
    • Comprendre le DataFrame Spark
    • Vue d’ensemble de l’architecture d’exécution de Spark
  2. ETL avec Spark

    Leçon 02

    • Transformations de carte
    • Les Transformations
    • Actions de base
    • Transformations de paires clé-valeur
    • Opérations de jointure
    • Opérations numériques sur les RDD et fonctions d’échantillonnage
    • Partitionnement dans Spark
    • Contrôle des partitions dans Spark
    • Utilisation de programmes externes avec Spark
  3. SparkSQL et DataFrames 

    Leçon 03

    • Architecture de Spark SQL
    • Aperçu de l’API DataFrame
    • Création de DataFrames
    • Modèle de données DataFrame et schémas
    • Opérations de base sur les DataFrames
    • Fonctions DataFrame
    • Opérations ensemblistes et agrégations dans les DataFrames
    • Stockage et sortie de DataFrame
    • DÉMO Spark SQL et DataFrames
  4. Introduction au traitement de flux avec Spark

    Leçon 04

    • Introduction à Spark Streaming
    • Introduction aux DStreams
    • Les opérations DStream
  5. Traitement avec état avec Spark Streaming

    Leçon 05

    • Les opérations de l’État
    • Introduction à l’Event Sourcing
    • Démonstration du streaming avec état avec Spark
  6. Opérations de fenêtre glissante avec Spark Streaming

    Leçon 06

    • Opérations de fenêtrage
    • Fonctions de fenêtrage
    • DÉMO des opérations de fenêtre glissante avec Spark Streaming
  7. Introduction au streaming structuré   

    Leçon 07

    • Vue d’ensemble de la diffusion structurée
    • Modes de sortie et déclenchement avec Structured Streaming
    • DÉMO Introduction au streaming structuré
  8. Introduction à Apache Kafka

    Leçon 08

    • Vue d’ensemble et architecture d’Apache Kafka
    • Messagerie avec Kafka
    • Démo : Installation locale d’Apache Kafka
  9. Intégration de Kafka avec Spark Streaming    

    Leçon 09

    Utilisation de Spark Streaming avec Apache Kafka

  10. Utiliser l’approche par récepteur

    Leçon 10

    • Démo : installation locale d’Apache Kafka
    • Utiliser l’approche directe
    • DÉMO Spark Streaming avec Apache Kafka en utilisant l’approche directe
  11. Intégration de Kafka avec Structured Streaming

    Leçon 11

    • Streaming structuré et Kafka
    • Lecture et écriture de données dans Kafka avec Structured Streaming
    • DÉMO Kafka et Structured Streaming
  12. Utilisation de Spark Streaming avec Kinesis

    Leçon 12

    • Utilisation des bibliothèques Producteur et Client Amazon Kinesis
    • DÉMO Introduction à Amazon Kinesis
  13. Utilisation de Spark Streaming avec Kinesis

    Leçon 13

    • Utilisation de Spark Streaming avec Amazon Kinesis
    • DÉMO Utilisation de Spark Streaming avec Amazon Kinesis
    • Utilisation de Structured Streaming avec Amazon Kinesis
    • DÉMO Utilisation de Structured Streaming avec Amazon Kinesis
  14. Intégrations supplémentaires de Spark Streaming

    Leçon 14

    • Spark Streaming avec MQTT
    • Spark Streaming et Apache Flume
    • Spark Streaming et Twitter
    • Spark Streaming et Snowflake
    • DÉMO Structured Streaming avec Snowflake
Traitement avancé de flux Big Data avec Spark

À qui s’adresse ce programme ?

Ingénieurs data travaillant avec des systèmes de données en temps réel

Professionnels du big data et développeurs Spark

Ingénieurs logiciels en transition vers des postes d’ingénieur data

Data scientists intéressés par l’analytique en streaming

Développeurs backend créant des applications fortement axées sur les données

Professionnels de l’informatique travaillant avec des systèmes distribués à grande échelle

Commencer le cours maintenant

Prérequis

  • Connaissances de base en programmation (Java, Scala ou Python de préférence)
  • Maîtrise des concepts de big data et des systèmes distribués
  • Connaissances de base des processus de traitement des données ou des flux de travail analytiques
  • Compréhension des bases de données et du SQL (utile mais pas obligatoire)
  • Aucune expérience préalable avec Spark Streaming n’est requise.

Déclarations

Licences et accréditations

Ce cours est proposé conformément à l’Accord du programme partenaire et respecte les exigences de l’Accord de licence.

Politique d’équité

Nous encourageons les candidats à contacter l’AVC pour obtenir des conseils et un accompagnement tout au long du processus d’aménagement.


Foire aux questions

Contact background

Avez-vous besoin de solutions d’entreprise ou d’une intégration LMS?

Vous n'avez pas trouvé le cours ou le programme adapté à votre entreprise ? Besoin d'une intégration LMS ? Écrivez-nous ! Nous réglerons tout !