مقدمهای بر Apache Airflow در Python
✅ سرفصل و جزئیات آموزش
اکنون بروزرسانیشده برای Apache Airflow 2.7 تحویل داده بر اساس زمانبندی میتواند فرایندی کاملاً دستی باشد. مدرس اسکریپت مینویسد، تسک های پیچیده cron اضافه میکند و روشهای مختلفی را برای پاسخگویی به مجموعهای دائماً در حال تغییر از نیازمندیها امتحان میکند و هنگام کار تیمی، مدیریت همه این موارد حتی دشوارتر میشود. Apache Airflow این پیچیدگی را با افزودن قابلیت زمانبندی، مدیریت خطا و گزارشدهی به گردشکارها برطرف میکند.
در این دوره، شما به مبانی Apache Airflow مسلط میشوید و میآموزید چگونه Pipelineهای پیچیده مهندسی داده را در محیط Production پیادهسازی کنید. همچنین چگونگی استفاده از Directed Acyclic Graphs (DAGs)، خودکارسازی گردشکارهای مهندسی داده و اجرای تسک های مهندسی داده بهصورت ساده و تکرارپذیر را یاد میگیرید بهگونهای که مدیریت کارها بسیار قابلکنترلتر شود.
مقدمهای بر Apache Airflow در Python
-
مقدمهای بر Apache Airflow None
-
DAGها در Airflow None
-
رابط وب Airflow None
-
Operatorها در Airflow None
-
Taskها در Airflow None
-
Operatorهای تکمیلی None
-
زمانبندی در Airflow None
-
Sensorها در Airflow None
-
Executorها در Airflow None
-
اشکالزدایی و عیبیابی در Airflow None
-
SLAها و گزارشدهی در Airflow None
-
کار با Templateها None
-
Templateهای بیشتر None
-
برنچینگ None
-
ایجاد یک Pipeline پروداکشنی None
-
تبریک! None
مشخصات آموزش
مقدمهای بر Apache Airflow در Python
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:پیشرفته
- تعداد درس:16
- مدت زمان :4:00:00
- حجم :263.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy