| Pentaho Kurs-ID: | DI2000 |
| Dauer: | 2 Tage |
Kursbeschreibung
Dieser Kurs stellt Ihnen verschiedene Big-Data-Konzepte mit dem Hadoop-Framework und Pentaho-Produkten vor. In Pentaho Data Integration Fundamentals erfahren Sie, wie Pentaho mit den folgenden Hadoop Framework-Technologien arbeitet:
- HDFS
- Sqoop
- Pig
- Oozie
- MapReduce
- YARN
- Hive
- Impala
- HBase
- Flume
- Spark
Dieser Kurs konzentriert sich stark auf eine praktische Anwendung der in jedem Abschnitt behandelten Themen.
Lernziele
Nach Abschluss dieses Kurses sind Sie in der Lage:
Hadoop-Technologien aus der nativen Befehlszeile und mit Pentaho Data Integration zu verwenden.
Sie möchten an dieser Inhouse-Schulung teilnehmen?
Zielgruppe
Dieser Kurs richtet sich an erfahrene Benutzer von Pentaho Data Integration, die lernen möchten, wie PDI mit einer Vielzahl von Hadoop Framework-Technologien arbeitet. Der Inhalt dieses Kurses ist fortgeschritten und sehr technisch.
Voraussetzungen
- Windows Desktop-Betriebssystem
- RAM: mindestens 4 GB
- Festplattenspeicher: mindestens 2 GB freier Festplattenspeicher (für Software und natürlich Dateien)
- Prozessor: Dual-Core-AMD64 oder Intel EM64T
- DVD-Laufwerk
Kursablauf
| Tag 1 |
|---|
| Modul 1 Kursagenda und -struktur |
| Modul 2 Einführung in Pentaho und Big Data |
| Übung Verwenden der virtuellen Übungsumgebung |
| Modul 3 Big Data Lösungsarchitekturen |
| Lektion Batch Processing Architektur |
| Lektion Echtzeit- und Stream-Processing-Architektur |
| Lektion Gemischte Batch- und Echtzeit-Architektur |
| Modul 4 Hadoop und HDFS |
| Lektion Grundlagen von HDFS |
| Lektion Arbeiten mit HDFS in PDI |
| Übung Lesen und Schreiben von Daten mit PDI und HDFS |
| Lektion Best Practices für HDFS und PDI |
| Modul 5 Hadoop Data Ingestion Tools |
| Lektion Apache Flume |
| Lektion Apache Sqoop |
| Lektion Best Practices für die Ingestion |
| Modul 6 Datenverarbeitung in Hadoop mit Map Reduce |
| Lektion Verstehen von Hadoop MapReduce |
| Lektion MapReduce mit Pentaho-Datenintegration |
| Übung Verwenden von Pentaho MapReduce |
| Lektion Best Practices mit MapReduce |
| Modul 7 Datenverarbeitung in Hadoop mit Carte/YARN |
| Lektion YARN Architektur |
| Lektion MapReduce2 auf YARN |
| Lektion PDI/Carte auf YARN |
| Tag 2 |
|---|
| Modul 8 Datenverarbeitung mit Pig |
| Lektion Grundlagen von Pig |
| Lektion Pig bei der Datenintegration einsetzen |
| Modul 9 Job-Orchestrierung mit PDI und Oozie |
| Lektion Oozie Basics |
| Lektion Oozie mit PDI |
| Modul 10 Überblick über SQL auf Hadoop - Best Practices |
| Lektion Hive Grundlagen |
| Lektion Impala Grundlagen |
| Lektion Verwendung von Hive / Impala mit PDI |
| Übung Arbeiten mit Hive und Impala |
| Lektion Best Practices mit Hive |
| Modul 11 Übersicht über HBase |
| Lektion HBase Grundlagen |
| Lektion HBase mit PDI |
| Lektion Verwenden von HBase mit PDI MapReduce |
| Übung Arbeiten mit HBase |
| Lektion Best Practices mit HBase und PDI |
| Modul 12 Übersicht Spark |
| Lektion Spark Grundlagen |
| Lektion Spark SQL |
| Lektion Spark Streams |
| Lektion Spark MLlib und SparkR |
| Lektion Spark GraphX |
| Lektion Spark mit PDI |
| Modul 13 Big Data Reporting |
| Lektion Pentaho Report Designer mit Hadoop |
| Lektion Analyzer mit Hadoop |
| Modul 14 (Optional) PDI mit Amazon Hadoop |
Sie möchten an dieser Inhouse-Schulung teilnehmen?