Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Resumen de Apache Airflow Fundamentos
- Conceptos básicos: DAG, operadores y flujo de ejecución
- Arquitectura y componentes del flujo de aire
- Descripción de los casos de uso avanzados y los flujos de trabajo
Creación de operadores personalizados
- Comprender la anatomía de un operador de flujo de aire
- Desarrollo de operadores personalizados para tareas específicas
- Prueba y depuración de operadores personalizados
Ganchos y sensores personalizados
- Implementación de ganchos para la integración de sistemas externos
- Creación de sensores para la supervisión de activadores externos
- Mejora de la interactividad del flujo de trabajo con sensores personalizados
Desarrollo de plugins de flujo de aire
- Entendiendo la arquitectura del plugin
- Diseño de plugins para ampliar la funcionalidad de Airflow
- Prácticas recomendadas para administrar e implementar complementos
Integración del flujo de aire con sistemas externos
- Conexión de Airflow a bases de datos, API y servicios en la nube
- Uso de Airflow para flujos de trabajo ETL y procesamiento de datos en tiempo real
- Gestión de dependencias entre Airflow y sistemas externos
Depuración y supervisión avanzadas
- Uso de registros y métricas de Airflow para solucionar problemas
- Configuración de alertas y notificaciones para problemas de flujo de trabajo
- Aprovechar las herramientas de monitoreo externas con Airflow
Optimización del rendimiento y la Scalaabilidad
- Escalado del flujo de aire con apio y Kubernetes ejecutores
- Optimización de la utilización de recursos en flujos de trabajo complejos
- Estrategias para alta disponibilidad y tolerancia a errores
Estudios de casos y aplicaciones en el mundo real
- Exploración de casos de uso avanzados en ingeniería de datos y DevOps
- Estudio de caso: Implementación de operador personalizado para ETL a gran escala
- Prácticas recomendadas para administrar flujos de trabajo de nivel empresarial
Resumen y próximos pasos
Requerimientos
- Sólida comprensión de los conceptos básicos de Apache Airflow, incluidos los DAG, los operadores y la arquitectura de ejecución
- Competencia en Python programación
- Experiencia en la integración de sistemas de datos y orquestación de flujos de trabajo
Audiencia
- Ingenieros de datos
- DevOps ingenieros
- Arquitectos de software
21 Horas
Testimonios (1)
la facilidad de manejo de las maquinas virtuales .... muy bien