Oreilly – Kafka Streams in Action, Second Edition, Video Edition 2024-5

در تاریخ: 1403/05/16 3:35:28

توضیحات

دوره Kafka Streams in Action Second Edition Video Edition. در این دوره آموزشی، گوینده کتاب را می‌خواند و در عین حال محتوا، تصاویر، لیست‌های کد، نمودارها و متن روی صفحه نمایش داده می‌شود. مانند یک کتاب صوتی که می‌توانید به صورت ویدیویی نیز تماشا کنید. اپلیکیشن‌های سازمانی نیاز دارند که هزاران و حتی میلیون‌ها رویداد داده را هر روز پردازش کنند. کتابخانه سبک Kafka Streams با داشتن یک API شهودی و قابلیت اطمینان بی‌عیب، جایگاهی در مرکز این سیستم‌ها پیدا کرده است. Kafka Streams دقیقاً قدرت و سادگی مورد نیاز شما برای مدیریت پردازش رویدادهای بلادرنگ یا پیام‌رسانی میکروسرویس‌ها را فراهم می‌کند. این دوره آموزشی همه چیزهایی را که برای پیاده‌سازی پردازش جریان داده روی Apache KafkaⓇ با استفاده از Kafka Streams و پایگاه داده جریان رویداد kqsIDB نیاز دارید، در اختیار شما قرار می‌دهد. کتاب Kafka Streams in Action، نسخه دوم، شما را در تنظیم و نگهداری پردازش جریان داده با Kafka راهنمایی می‌کند. در این دوره، پوشش کاملی از نه تنها Kafka Streams، بلکه تمام ابزارهایی که برای جریان‌سازی موثر نیاز دارید، از جمله اجزای اکوسیستم Kafka، کلاینت‌های تولیدکننده و مصرف‌کننده، Connect و Schema Registry را پیدا خواهید کرد.

Kafka Streams in Action، نسخه دوم، به شما آموزش می‌دهد که چگونه اپلیکیشن‌های جریان رویداد روی پلتفرم شگفت‌انگیز Apache Kafka ایجاد کنید. این نسخه کاملاً بازبینی شده و جدید اکنون طیف گسترده‌تری از معماری‌های جریان را پوشش می‌دهد و شامل ادغام داده با Kafka Connect می‌شود. در حین پیشرفت، شما مثال‌های دنیای واقعی را بررسی خواهید کرد که اجزا و بروکرها، مدیریت شمای داده و سایر موارد ضروری را معرفی می‌کنند. در طول مسیر، تکنیک‌های عملی برای ترکیب Kafka با Spring، کنترل سطح پایین پردازنده‌ها و فروشگاه‌های وضعیت، ذخیره داده‌های رویداد با ksqlDB و تست اپلیکیشن‌های جریان را یاد خواهید گرفت.

آنچه فرا خواهید گرفت

طراحی اپلیکیشن‌های جریان داده در Kafka Streams با KStream و API Processor
ادغام سیستم‌های خارجی با Kafka Connect
اعمال سازگاری داده با Schema Registry
ساخت اپلیکیشن‌هایی که بلافاصله به رویدادها در Kafka Streams یا ksqlDB پاسخ می‌دهند
ایجاد نماهای مادی روی جریان‌ها با ksqlDB

این دوره مناسب افرادیست که

برای توسعه‌دهندگان جاوا. هیچ دانش قبلی در مورد Kafka یا اپلیکیشن‌های جریان داده مورد نیاز نیست.

مشخصات دوره Kafka Streams in Action Second Edition Video Edition

ناشر: Oreilly
مدرس: Bill Bejeck
سطح آموزش: مبتدی تا پیشرفته
مدت زمان آموزش: 14 ساعت و 11 دقیقه

سرفصل های دوره

Part 1.
Chapter 1. Welcome to the Kafka event streaming platform
Chapter 1. What is an event?
Chapter 1. An event stream example
Chapter 1. Introducing the Apache Kafka event streaming platform
Chapter 1. A concrete example of applying the Kafka event streaming platform
Chapter 1. Summary
Chapter 2. Kafka brokers
Chapter 2. Produce requests
Chapter 2. Fetch requests
Chapter 2. Topics and partitions
Chapter 2. Sending your first messages
Chapter 2. Segments
Chapter 2. Tiered storage
Chapter 2. Cluster metadata
Chapter 2. Leaders and followers
Chapter 2. Checking for a healthy broker
Chapter 2. Summary
Part 2.
Chapter 3. Schema Registry
Chapter 3. What is a schema, and why do you need one?
Chapter 3. Subject name strategies
Chapter 3. Schema compatibility
Chapter 3. Schema references
Chapter 3. Schema references and multiple events per topic
Chapter 3. Schema Registry (de)serializers
Chapter 3. Serialization without Schema Registry
Chapter 3. Summary
Chapter 4. Kafka clients
Chapter 4. Producing records with the KafkaProducer
Chapter 4. Consuming records with the KafkaConsumer
Chapter 4. Exactly-once delivery in Kafka
Chapter 4. Using the Admin API for programmatic topic management
Chapter 4. Handling multiple event types in a single topic
Chapter 4. Summary
Chapter 5. Kafka Connect
Chapter 5. Integrating external applications into Kafka
Chapter 5. Getting started with Kafka Connect
Chapter 5. Applying Single Message Transforms
Chapter 5. Adding a sink connector
Chapter 5. Building and deploying your own connector
Chapter 5. Summary
Part 3.
Chapter 6. Developing Kafka Streams
Chapter 6. Kafka Streams DSL
Chapter 6. Hello World for Kafka Streams
Chapter 6. Masking credit card numbers and tracking purchase rewards in a retail sales setting
Chapter 6. Interactive development
Chapter 6. Choosing which events to process
Chapter 6. Summary
Chapter 7. Streams and state
Chapter 7. Adding stateful operations to Kafka Streams
Chapter 7. Stream-stream joins
Chapter 7. State stores in Kafka Streams
Chapter 7. Summary
Chapter 8. The KTable API
Chapter 8. KTables are stateful
Chapter 8. The KTable API
Chapter 8. KTable aggregations
Chapter 8. GlobalKTable
Chapter 8. Table joins
Chapter 8. Summary
Chapter 9. Windowing and timestamps
Chapter 9. Handling out order data with grace—literally
Chapter 9. Final windowed results
Chapter 9. Timestamps in Kafka Streams
Chapter 9. The TimestampExtractor
Chapter 9. Stream time
Chapter 9. Summary
Chapter 10. The Processor API
Chapter 10. Digging deeper into the Processor API with a stock analysis processor
Chapter 10. Data-driven aggregation
Chapter 10. Integrating the Processor API and the Kafka Streams API
Chapter 10. Summary
Chapter 11. ksqlDB
Chapter 11. More about streaming queries
Chapter 11. Persistent vs. push vs. pull queries
Chapter 11. Creating Streams and Tables
Chapter 11. Schema Registry integration
Chapter 11. ksqlDB advanced features
Chapter 11. Summary
Chapter 12. Spring Kafka
Chapter 12. Using Spring to build Kafka-enabled applications
Chapter 12. Spring Kafka Streams
Chapter 12. Summary
Chapter 13. Kafka Streams Interactive Queries
Chapter 13. Learning about Interactive Queries
Chapter 13. Summary
Chapter 14. Testing
Chapter 14. Summary
appendix A. Schema compatibility workshop
appendix A. Forward compatibility
appendix A. Full compatibility
appendix B. Confluent resources
appendix B. Confluent command-line interface
appendix B. Confluent local
appendix C. Working with Avro, Protobuf, and JSON Schema
appendix C. Protocol Buffers
appendix C. JSON Schema
appendix D. Understanding Kafka Streams architecture
appendix D. Consumer and producer clients in Kafka Streams
appendix D. Assigning, distributing, and processing events
appendix D. Threads in Kafka Streams: StreamThread
appendix D. Processing records