آموزش پردازش جریانی از داده ها ( Stream ) به صورت بلادرنگ با Apache Kafka

در این دوره آموزشی یاد می گیرید که چطور از Apache Kafka برای پردازش Real-Time داده های Stream استفاده کنید. 

عنوان اصلی : Apache Kafka - Real-time Stream Processing (Master Class)

سرفصل ها :

قبل از اینکه تو شروع کنی :
معرفی
درباره دوره
برای این دوره به چه چیزی نیاز دارید؟
مشکلات اشکال زدایی
مقدمه ای بر جریان های بلادرنگ:
ظهور Bigdata - یک جمع بندی سریع
مفهوم جریان رویداد
پخش هم‌زمان - موارد استفاده
چالش های جریانی در زمان واقعی
در نظر گرفتن طراحی جریان در زمان واقعی
خلاصه بخش
وارد دنیای آپاچی کافکا شوید:
آپاچی کافکا چیست؟
معماری ذخیره سازی کافکا
معماری خوشه کافکا
معماری توزیع کار کافکا - قسمت 1
معماری توزیع کار کافکا - قسمت 2
خلاصه بخش
ایجاد جریان های بلادرنگ:
جریان به کافکا
تولیدکنندگان کافکا - شروع سریع
بخش داخلی تهیه کننده کافکا
Scaling Kafka Producer
تولیدکنندگان پیشرفته کافکا (دقیقا یک بار)
تهیه کننده پیشرفته کافکا (اجرای تراکنش)
تهیه کننده کافکا - پروژه میکرو
تهیه کننده کافکا - یادداشت پایانی و مراجع
وارد پردازش جریان شوید:
پردازش جریان در آپاچی کافکا
مصرف کننده کافکا - مقدمه عملی
مصرف کننده کافکا - مقیاس پذیری، تحمل خطا و ویژگی های از دست رفته
Kafka Streams API - شروع سریع
ایجاد توپولوژی جریان
پیاده سازی توپولوژی جریان
معماری کافکا استریمز
خلاصه بخش و مراجع
بنیاد پیاده سازی در زندگی واقعی:
مقدمه ای بر انواع و سریال سازی در کافکا
طرحواره JSON به POJO برای JSON Serdes
ایجاد و استفاده از JSON Serdes
طرحواره AVRO به POJO برای AVRO Serdes
ایجاد و استفاده از طرحواره AVRO در Producers
ایجاد و استفاده از طرحواره AVRO در Kafka Streams
خلاصه بخش و مراجع
ایالات و فروشگاه ها:
درک ایالات و فروشگاه های دولتی
ایجاد اولین فروشگاه دولتی شما
احتیاط با ایالات
تحمل خطای فروشگاه ایالتی
خلاصه بخش و مراجع
KTable - یک جریان به روز رسانی:
معرفی KTable
ایجاد اولین جریان به روز رسانی شما - Ktable
ذخیره سازی جدول و نرخ انتشار
معرفی GlobalKTable
انباشته های بلادرنگ:
محاسبه اولین مجموع شما - تعداد کلمات جاری در زمان واقعی
جریان مصالح - مفهوم اصلی
KStream Aggregation با استفاده از Reduce()
KStream Aggregation با استفاده از Aggregate()
اشتباهات رایج در تجمیع
روی KTable حساب کنید
KTable Aggregation با استفاده از Aggregate()
مهر زمانی و ویندوز:
مُهر زمان و استخراج کننده مهر زمانی
ایجاد ویندوز غلتکی
زمان پخش و دوره مهلت
سرکوب نتایج متوسط
ایجاد Hopping Windows
ایجاد Session Windows
پیوستن به جریان ها و جداول:
پیوستن به جریان
پیوستن KStrem به KStream دیگر
پیوستن KTable به KTable دیگر
پیوستن KStream به KTable و GlobalKTable
اختلاط اتصالات با مصالح - Computing Top 3
اختلاط اتصالات با مصالح - CTR آگهی
برنامه تست جریان:
چگونه یک برنامه پردازش جریانی را آزمایش کنیم
واحد تست توپولوژی شما
پرس و جو تعاملی و پاسخ های میکرو سرویس:
معرفی خدمات میکرو مورد نیاز
آشنایی با فروشگاه محلی در مقابل Remote State
اجرای میکرو سرویس پرس و جو تعاملی
ضمیمه :
راه اندازی محیط توسعه آپاچی کافکا