دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1 ed.] نویسندگان: Bas P. Harenslak, Julian Rutger de Ruiter سری: ISBN (شابک) : 1617296902, 9781617296901 ناشر: Manning Publications سال نشر: 2021 تعداد صفحات: 480 [482] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 21 Mb
در صورت تبدیل فایل کتاب Data Pipelines with Apache Airflow به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب خطوط لوله داده با جریان هوای آپاچی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
یک خط لوله موفق، داده ها را به طور کارآمد جابه جا می کند، مکث و انسداد بین وظایف را به حداقل می رساند، و هر فرآیند را در طول مسیر عملیاتی نگه می دارد. Apache Airflow یک محیط قابل سفارشی سازی واحد را برای ساخت و مدیریت خطوط لوله داده فراهم می کند و نیاز به مجموعه ای از ابزارها، کد دانه های برف و فرآیندهای خانگی را از بین می برد. با استفاده از سناریوها و مثالهای واقعی، خطوط لوله داده با جریان هوای آپاچی به شما میآموزد که چگونه خطوط لوله داده را ساده و خودکار کنید، هزینههای عملیاتی را کاهش دهید و همه فنآوریهای موجود در پشته خود را به آرامی ادغام کنید. درباره فناوری خطوط لوله داده جریان داده ها را از جمع آوری اولیه از طریق یکپارچه سازی، تمیز کردن، تجزیه و تحلیل، تجسم و موارد دیگر مدیریت می کنند. Apache Airflow یک پلت فرم واحد را ارائه می دهد که می توانید از آن برای طراحی، پیاده سازی، نظارت و نگهداری خطوط لوله خود استفاده کنید. رابط کاربری آسان، گزینههای plug-and-play، و برنامهنویسی انعطافپذیر Python، Airflow را برای هر کار مدیریت داده عالی میکند. درباره کتاب خطوط لوله داده با Apache Airflow به شما می آموزد که چگونه خطوط لوله داده موثر بسازید و نگهداری کنید. رایجترین الگوهای استفاده، از جمله جمعآوری منابع داده متعدد، اتصال به دریاچههای داده و از آن، و استقرار ابر را بررسی خواهید کرد. بخشی از مرجع و بخشی آموزشی، این راهنمای عملی هر جنبه ای از نمودارهای غیرچرخه جهت دار (DAG) را که جریان هوا را تامین می کنند و نحوه سفارشی سازی آنها برای نیازهای خط لوله خود را پوشش می دهد. داخلش چیه • خطوط لوله جریان هوا را به عنوان DAG بسازید، آزمایش کنید و مستقر کنید • انتقال و تبدیل داده ها را به صورت خودکار انجام دهید • تجزیه و تحلیل مجموعه داده های تاریخی با استفاده از backfilling • اجزای سفارشی را توسعه دهید • جریان هوا را در محیط های تولیدی تنظیم کنید درباره خواننده برای DevOps، مهندسان داده، مهندسان یادگیری ماشین، و سیستمعاملهای سیستمعامل با مهارتهای پایتون متوسط. درباره نویسندگان Bas Harenslak و Julian de Ruiter مهندسان داده با تجربه گسترده در استفاده از Airflow برای توسعه خطوط لوله برای شرکت های بزرگ هستند. Bas همچنین یک Airflow Committer است.
A successful pipeline moves data efficiently, minimizing pauses and blockages between tasks, keeping every process along the way operational. Apache Airflow provides a single customizable environment for building and managing data pipelines, eliminating the need for a hodgepodge collection of tools, snowflake code, and homegrown processes. Using real-world scenarios and examples, Data Pipelines with Apache Airflow teaches you how to simplify and automate data pipelines, reduce operational overhead, and smoothly integrate all the technologies in your stack. About the Technology Data pipelines manage the flow of data from initial collection through consolidation, cleaning, analysis, visualization, and more. Apache Airflow provides a single platform you can use to design, implement, monitor, and maintain your pipelines. Its easy-to-use UI, plug-and-play options, and flexible Python scripting make Airflow perfect for any data management task. About the book Data Pipelines with Apache Airflow teaches you how to build and maintain effective data pipelines. You’ll explore the most common usage patterns, including aggregating multiple data sources, connecting to and from data lakes, and cloud deployment. Part reference and part tutorial, this practical guide covers every aspect of the directed acyclic graphs (DAGs) that power Airflow, and how to customize them for your pipeline’s needs. What's inside • Build, test, and deploy Airflow pipelines as DAGs • Automate moving and transforming data • Analyze historical datasets using backfilling • Develop custom components • Set up Airflow in production environments About the reader For DevOps, data engineers, machine learning engineers, and sysadmins with intermediate Python skills. About the authors Bas Harenslak and Julian de Ruiter are data engineers with extensive experience using Airflow to develop pipelines for major companies. Bas is also an Airflow committer.