Distributed Data Processing and Storage with Hazelcast

• Zrozumienie systemów rozproszonych
• Doświadczenie z technologiami baz danych w pamięci
• Doświadczenie w programowaniu Java

Publiczność

• Programiści
• Administratorzy systemów

Hazelcast to platforma typu open source in-memory data grid do obliczeń rozproszonych i przechowywania danych. Zapewnia skalowalny klaster do wydajnej obsługi obciążeń i integracji ze źródłami danych i technologiami chmurowymi.

Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla programistów i administratorów systemów, którzy chcą używać Hazelcast do przetwarzania rozproszonych struktur danych i optymalizacji wydajności aplikacji.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zainstalować i skonfigurować Hazelcast, aby rozpocząć tworzenie i zarządzanie klastrem.
• Utworzyć klaster w celu zainicjowania automatycznego wykrywania wielu procesów.
• Skonfigurować Management Center dla połączeń i monitorowania klastra.
• Rozwijać aplikacje i wdrażać je za pośrednictwem klastra Hazelcast.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

• Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.

Wprowadzenie

• Hazelcast vs Redis
• Przegląd funkcji i architektury Hazelcast
• Zrozumienie rozproszonych struktur danych

Pierwsze kroki

• Instalacja i konfiguracja Hazelcast
• Tworzenie i uruchamianie klastra

Eksplorowanie narzędzi Hazelcast

• Buforowanie danych
• Implementowanie pozyskiwania danych
• Uruchamianie zapytań rozproszonych

Praca ze strumieniami danych

• Tworzenie potoków danych
• Przekształcanie strumieni danych
• Agregowanie danych stanowych

Testowanie klastrów Hazelcast

• Uruchamianie testów integracyjnych
• Losowanie nazw klastrów
• Czyszczenie i testowanie źródeł

Zarządzanie klastrami

• Zabezpieczanie klastra
• Monitorowanie i utrzymywanie klastra
• Optymalizacja wydajności klastra
• Wdrażanie aplikacji w środowiskach lokalnych i chmurowych

Rozwiązywanie problemów

Podsumowanie i kolejne kroki