Plan du cours
Introduction à Apache Kylin
- Aperçu de l'OLAP et son importance dans l'analyse des grands volumes de données
- Évolution de Apache Kylin et sa structure architecturale
- Fonctionnalités clés et capacités de Kylin 50
Configuration de Apache Kylin
- Prérequis d'installation et configuration de l'environnement
- Configuration de Kylin avec Hadoop, Spark et Kafka
- Comprendre l'interface web de Kylin et les outils en ligne de commande
Mise en modèle des données dans Kylin
- Conception de schémas étoile et flocon pour les cubes OLAP
- Définition des dimensions et mesures
- Création et gestion des modèles de données via l'interface web de Kylin
Construction et Gestion des Cubes
- Processus de construction des cubes et gestion des tâches
- Constructions incrémentales et stratégies d'auto-fusion
- Surveillance de la santé et des performances des cubes
Analyse en Temps Réel avec Kylin
- Intégration de Kafka comme source de données en flux continu
- Configuration de cubes en temps réel et modèles de fusion
- Achats d'analytiques à faible latence avec des données en flux continu
Interrogation et Analyse
- Exécution de requêtes SQL via l'interface d'interrogation de Kylin
- Connexion des outils BI (par ex., Tableau, Power BI) à Kylin
- Réalisation d'analyses multidimensionnelles et drill-downs
Optimisation des Performances
- Bonnes pratiques pour la conception de cubes et l'agrégation
- Gestion et ajustement des ressources pour une meilleure échelle
- Dépannage des problèmes de performance courants
Sujets Avancés
- Sécurité et contrôle d'accès dans Kylin
- Extension de Kylin avec des plugins personnalisés et intégrations
- Exploration des API REST de Kylin pour l'automatisation
Récapitulation et Étapes Suivantes
Pré requis
- Une compréhension des Hadoop et des écosystèmes de big data
- Familiarité avec les concepts de SQL et des entrepôts de données
- Connaissances de base sur les plateformes de données en flux comme Kafka
Public cible
- Ingénieurs big data cherchant à mettre en œuvre des solutions d'analyse en temps réel
- Analystes de données visant à exploiter les capacités OLAP sur des jeux de données volumineux
- Architectes d'entrepôts de données intéressés par la modernisation de leur infrastructure
Nos clients témoignent (5)
Les exemples pratiques nous ont permis de ressentir réellement comment le programme fonctionne. Des explications détaillées et une intégration des concepts théoriques et leur relation avec les applications pratiques.
Ian - Archeoworks Inc.
Formation - ArcGIS Fundamentals
Traduction automatique
Tous les sujets qu'il a abordés, y compris des exemples. Et également expliqué comment ils sont utiles dans notre travail quotidien.
madduri madduri - Boskalis Singapore Pte Ltd
Formation - QGIS for Geographic Information System
Traduction automatique
J'ai aimé le style de Pablo, le fait qu'il couvre beaucoup de sujets, de la conception de rapports, la personnalisation avec html à l'implémentation d'algortithmes ML simples. [L'équilibre entre les informations théoriques et les exercices. Pablo a vraiment couvert tous les sujets qui m'intéressaient et a donné des réponses complètes à mes questions.
Cristian Tudose - SC Automobile Dacia SA
Formation - Advanced Data Analysis with TIBCO Spotfire
Traduction automatique
comment le formateur démontre ses connaissances dans le sujet qu'il enseigne
john ernesto ii fernandez - Philippine AXA Life Insurance Corporation
Formation - Data Vault: Building a Scalable Data Warehouse
Traduction automatique
Application pratique de Spotfire et toutes les fonctions de base.
Michael Capili - STMicroelectronics, Inc.
Formation - Introduction to Spotfire
Traduction automatique