Shu-Jung Liu
Menjadi anggota sejak 2024
Gold League
3567 poin
Menjadi anggota sejak 2024
In this second installment of the Dataflow course series, we are going to be diving deeper on developing pipelines using the Beam SDK. We start with a review of Apache Beam concepts. Next, we discuss processing streaming data using windows, watermarks and triggers. We then cover options for sources and sinks in your pipelines, schemas to express your structured data, and how to do stateful transformations using State and Timer APIs. We move onto reviewing best practices that help maximize your pipeline performance. Towards the end of the course, we introduce SQL and Dataframes to represent your business logic in Beam and how to iteratively develop pipelines using Beam notebooks.
This course is part 1 of a 3-course series on Serverless Data Processing with Dataflow. In this first course, we start with a refresher of what Apache Beam is and its relationship with Dataflow. Next, we talk about the Apache Beam vision and the benefits of the Beam Portability framework. The Beam Portability framework achieves the vision that a developer can use their favorite programming language with their preferred execution backend. We then show you how Dataflow allows you to separate compute and storage while saving money, and how identity, access, and management tools interact with your Dataflow pipelines. Lastly, we look at how to implement the right security model for your use case on Dataflow.
Dapatkan badge keahlian dengan menyelesaikan kursus badge keahlian Berbagi Data Menggunakan Google Data Cloud, tempat Anda akan mendapatkan pengalaman praktis dengan Google Cloud Partner Berbagi Data, yang memiliki set data eksklusif yang dapat digunakan pelanggan untuk kasus penggunaan analisis mereka. Pelanggan berlangganan data ini, mengkuerinya dalam platform mereka sendiri, lalu menambahkannya dengan set data mereka sendiri dan menggunakan visualisasi untuk dasbor yang berinteraksi dengan pelanggan mereka.
Selesaikan badge keahlian pengantar Menyiapkan Data untuk ML API di Google Cloud untuk menunjukkan keterampilan Anda dalam hal berikut: menghapus data dengan Dataprep by Trifacta, menjalankan pipeline data di Dataflow, membuat cluster dan menjalankan tugas Apache Spark di Managed Service for Apache Spark, dan memanggil beberapa ML API, termasuk Cloud Natural Language API, Google Cloud Speech-to-Text API, dan Video Intelligence API.
Selesaikan badge keahlian Men-deploy Arsitektur Multi-Agen tingkat lanjut untuk menunjukkan keterampilan Anda dalam hal berikut: membangun sistem multi-agen dengan ADK, menghubungkan agen dengan protokol Agent-to-Agent (A2A), mengintegrasikan alat eksternal menggunakan Model Context Protocol (MCP), dan men-deploy solusi multi-agen lengkap ke Agent Engine.
Dapatkan badge keahlian dengan menyelesaikan kursus Men-streaming Analytics ke BigQuery, tempat Anda menggunakan Pub/Sub, Dataflow, dan BigQuery secara bersamaan untuk melakukan streaming data untuk analisis.
Selesaikan badge keahlian tingkat menengah Membangun Data Warehouse dengan BigQuery untuk menunjukkan keterampilan Anda dalam hal berikut: menggabungkan data untuk membuat tabel baru, memecahkan masalah penggabungan, menambahkan data dengan union, membuat tabel berpartisi tanggal, serta menggunakan JSON, array, dan struct di BigQuery.
Dapatkan Badge Keahlian dengan menyelesaikan kursus Men-deploy dan Mengelola Aplikasi di Google App Engine, yang membahas cara menggunakan App Engine dengan Python, Go, dan PHP.
Dapatkan badge keahlian dengan menyelesaikan quest Dasar-Dasar Google Cloud Compute, dan pelajari cara menggunakan virtual machine (VM), persistent disk, dan server web menggunakan Compute Engine.