พื้นฐานของ Big Data และ Hadoop

ในยุคที่ข้อมูลดิจิทัลเพิ่มขึ้นอย่างทวีคูณ ระบบฐานข้อมูลแบบดั้งเดิมมักประสบปัญหาในการประมวลผลชุดข้อมูลขนาดใหญ่ การทำความเข้าใจว่าระบบกระจาย (distributed systems) จัดเก็บและวิเคราะห์ข้อมูลขนาดใหญ่ได้อย่างไรนั้นเป็นทักษะพื้นฐานสำหรับผู้เชี่ยวชาญด้านข้อมูลที่ต้องการประสบความสำเร็จ หลักสูตรที่เป็นลายลักษณ์อักษรนี้จะนำคุณไปสู่แนวคิดหลักของ Big Data, สถาปัตยกรรมของระบบนิเวศ Hadoop และวิธีการทำงานของการจัดเก็บและการประมวลผลแบบกระจายในทางปฏิบัติ คุณจะเปลี่ยนจากการทำความเข้าใจข้อจำกัดของฐานข้อมูลพื้นฐาน ไปสู่การเข้าใจว่าคลัสเตอร์ขนาดใหญ่ประสานงานกันอย่างไรเพื่อประมวลผลข้อมูลระดับเทราไบต์ได้อย่างมีประสิทธิภาพ ขณะเดียวกันก็สำรวจว่ารูปแบบคลาสสิกเหล่านี้เชื่อมโยงกับ cloud-native data lakes สมัยใหม่ได้อย่างไร สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจลักษณะหลักของ Big Data และข้อจำกัดของการจัดเก็บแบบรวมศูนย์แบบดั้งเดิม - สำรวจสถาปัตยกรรมของ Hadoop Distributed File System (HDFS) และวิธีที่มันรับประกันความทนทานต่อข้อผิดพลาด (fault tolerance) - เรียนรู้กลไกของ MapReduce สำหรับการประมวลผลชุดข้อมูลขนาดใหญ่แบบขนานข้ามโหนดกระจาย - กำหนดค่าส่วนประกอบพื้นฐานของ Hadoop และอ่านรูปแบบการกำหนดค่ามาตรฐาน - วิเคราะห์ว่า Hadoop ผสานรวมกับ cloud-native object storage และสถาปัตยกรรมข้อมูลแบบไฮบริดสมัยใหม่ได้อย่างไร หลักสูตรนี้เริ่มต้นด้วยคำศัพท์ที่จำเป็นและรากฐานแนวคิดของการประมวลผลแบบกระจาย (distributed computing) ก่อนที่จะเข้าสู่การดำเนินการของ HDFS, เวิร์กโฟลว์ของ MapReduce และรูปแบบ data lake สมัยใหม่ ผ่านคำอธิบายที่เป็นลายลักษณ์อักษรที่ชัดเจนและตัวอย่างการกำหนดค่าที่ใช้งานได้จริง คุณจะสร้างรากฐานทางทฤษฎีและปฏิบัติที่แข็งแกร่ง หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นอย่างแท้จริง, วิศวกรข้อมูลที่ต้องการประสบความสำเร็จ, และนักพัฒนาที่ไม่มีประสบการณ์ในระบบกระจาย (distributed systems) มาก่อน เริ่มอ่านวันนี้เพื่อสร้างความรู้พื้นฐานเกี่ยวกับระบบข้อมูลปริมาณสูงของคุณ