Открытый митап «Модели и паттерны управления приложениями Apache Spark и Apache Flink на Kubernetes»

Школа Больших Данных проводит очередной бесплатный митап для архитекторов платформ данных, инженеров данных, разработчиков, DevOps-, DataOps-инженеров и просто интересующихся о моделях и ключевых паттернах управления распределенными приложениями Apache Spark и Apache Flink на Kubernetes.

Apache Spark и Flink —  это популярные Big Data фреймворки с открытым исходным кодом для распределённой пакетной и потоковой обработки неструктурированных и слабоструктурированных данных. Они похожи по набору внутренних компонентов и назначению, но построены на разных архитектурных решениях. На митапе разберем эти и другие особенности Spark и Flink для распределенной обработки больших данных, а также познакомимся с тем, как работать с ними в кластере Kubernetes.

Специальной подготовки не требуется, все будет происходить в интерактивной среде в Yandex Cloud. На митапе вы будете настраивать и запускать в кластере Managed Service for Kubernetes приложения Spark и Flink обработки данных в пакетном и в потоковом режимах.


Программа митапа

  1. Сравнительный анализ менеджеров ресурсов приложений распределенной обработки данных, какие преимущества дает Kubernetes: теория
  2. Введение в Kubernetes: теория и практическое задание
  3. Модели и паттерны управления приложениями потоковой и пакетной обработки в Kubernetes (на примере Apache Flink и Apache Spark). Преимущества использования фреймворка Kubernetes Operator: теория и практическое задание

Продолжительность митапа — 2 часа.

После митапа каждый участник получит раздаточные материалы и набор упражнений для закрепления полученных навыков. Также вы сможете задать вопросы преподавателю-эксперту и обсудить перспективы применения полученных знаний для решения ваших рабочих задач.

МЕРОПРИЯТИЕ БУДЕТ ПРОВОДИТЬСЯ НА ПЛАТФОРМЕ ZOOM. Ссылка придет на почту за час до начала мероприятия.

Контактная информация: info@bigdataschool.ru или +7 (495) 41-41-121, +7 (915) 307 0074, @Bigdataschool_mck

Поиск по сайту