Zero Block
Click "Block Editor" to enter the edit mode. Use layers, shapes and customize adaptability. Everything is in your hands.
Tilda Publishing
create your own block from scratch
Основы разработки высокопроизводительных приложений на Java
2. Системы версионирования кода
1. Основы языка Java и подготовка среды разработки
4. Изучения работы фреймворка Spring
3. Системы сборки и версионирования программных пакетов
5. Работа с presistance слоем
6. Разработка HTTP API сервиса
1. Основы языка Java и подготовка среды разработки
Понятия JDK, javac, Maven, Gradle, IDE, Spring. Настройка окружения для разработки, установка среды разработки, подготовка репозитория git и форк репозитория с базовым шаблоном сервиса для дальнейших блоков
2. Системы версионирования кода
Способы обеспечения одновременной разработки проекта несколькими людьми. Системы контроля версий. Git, SVN. Отличия. Типовые операции.
3. Системы сборки и версионирования программных пакетов
Проблема управления версиями программных модулей и публикации артефактов. Системы сборки Maven и Gradle. Репозиторий артефактов программного кода.
4. Изучения работы фреймворка Spring
Какой жизненный цикл у бина и у приложения, какие есть встроенные механизмы у Spring для работы с часто встречающимися задачами.
5. Работа с presistance слоем
Сохранение данных в БД PostgreSql, проверка данных, работа с ORM Hibernate, транзакции и часть модуля Spring-Data. Тестирование репозиториев.
6. Разработка HTTP API сервиса
Работа с http запросами, обсуждение многослойной архитектуры с разделением по слоям ответственности, обработка ошибок, тестирование контроллеров
Классические BigData-системы на основе технологий Hadoop и Spark
2. Классификация характера задач для выбора подходящей реализации
1. Общие вопросы организации BigData-систем. Проблемы организации BigData-систем
3. Основные метриками для оценки производительности BigData-систем
4. Знакомство с Hadoop-стеком
5.Парадигма MapReduce
6.Разработка MapReduce программ на Java
7. Интерфейсы программного каркаса Hadoop для различных языков программирования
8. Программный каркас Apache Spark
9. Технология построения аналитических платформ на Apache Spark SQL
1. Общие вопросы организации BigData-систем. Проблемы организации BigData-систем
Определение понятия Большие Данные. Специфика проектирования и создания систем работы с большими данными.
2. Классификация характера задач для выбора подходящей реализации. Методы декомпозиции BigData-задач
Виды задач, решаемых BigData-системами. Зависимость способа решения задачи от ее разновидности. Составные части BigData-систем.
3. Основные метриками для оценки производительности BigData-систем
Виды задач, решаемых BigData-системами. Зависимость способа решения задачи от ее разновидности. Составные части BigData-систем.
4. Знакомство с Hadoop-стеком
Появление и развитие технологии Hadoop. Спектр решаемых задач. Примеры использования в крупных копаниях. Составные части Hadoop-кластера. Экосистема Hadoop-проектов.
5.Парадигма MapReduce
Распределенное выполнение программ. Операции отображения и свертки. Примеры. Возможность переопределять части MapReduce программы в каркасе Hadoop.
6.Разработка MapReduce программ на Java
Особенности реализации функций отображения и свертки в Java. Работа с консолью Hadoop-кластера. Спецификация параметров запуска MapReduce Java-приложения.
7. Интерфейсы программного каркаса Hadoop для различных языков программирования
Возможности Hadoop Streaming API. Примеры реализации MapReduce-программ на языке python и запуска из консоли bash. Текущий контроль.