Распределенное программирование в облаке
Узнайте, как создавать архитектуры сложных компьютерных программ для облака с помощью распределенного программирования.
Содержание этой схемы обучения:
- Классификация программ как последовательных, параллельных и распределенных
- Указание того, почему программисты обычно выполняют параллелизацию последовательных программ
- Определение моделей распределенного программирования
- Обсуждение проблем с масштабируемостью, взаимодействием, разнородностью, синхронизацией, отказоустойчивостью и планированием, которые возникают при создании облачных программ
- Определение разнородных и однородных облаков и определение основных причин разнородности в облаке
- Перечисление основных трудностей, связанных с разнородностью распределенных программ, а также описание некоторых стратегий решения таких проблем
- Пояснения к необходимости синхронизации в облаке
- Определение основного метода, который можно использовать для допуска ошибок в облаках
- Описание разницы между планированием задач и планированием заданий
- Пояснения относительно того, как разнородность и размещение могут повлиять на планировщики задач
В партнерстве с доктором Маджд Сакр и Университетом Карнеги Меллон.
Предварительные требования
- Понимание темы облачных вычислений, в том числе знакомство с моделями и некоторыми поставщиками облачных служб.
- Знание технологий, лежащих в основе облачных вычислений.
- Представление о том, как поставщики облачных служб управляют оплатой и выставлением счетов за использование облака.
- Знание понятия центров обработки данных и их назначения.
- Знания в области настройки, поддержки и подготовки центров обработки данных.
- Представление о том, как подготавливаются и измеряются облачные ресурсы.
- Знакомство с понятием виртуализации.
- Знание различных типов виртуализации.
- Представление о виртуализации ЦП.
- Представление о виртуализации памяти.
- Представление о виртуализации ввода-вывода.
- Знания различных типов данных и об их хранении
- Знакомство с распределенными файловыми системами и принципами их работы.
- Знакомство с базами данных NoSQL и хранилищем объектов, а также с принципами их работы
Код достижения
Вы хотите запросить код достижения?
Модули, включенные в эту схему обучения
Узнайте о распределенном программировании и его преимуществах для облачной разработки, включая модели программирования, типы параллелизма и возможности симметричной и асимметричной архитектуры.
MapReduce стал прорывом в обработке больших данных, набрал большую популярность и был значительно улучшен. Узнайте, как работает MapReduce.
GraphLab — это инструмент обработки больших данных, разработанный в Университете Карнеги — Меллона для интеллектуального анализа данных. Узнайте, как работает GraphLab, и в чем заключаются преимущества этого инструмента.
Spark — это платформа кластерных вычислений с открытым исходным кодом и преимуществами MapReduce. Узнайте, как работает Spark.
С увеличением объема доступных данных выросло и количество непрерывных потоков данных в режиме реального времени, которые требуют обработки. Узнайте о различных системах и методах применения и обработки потоков данных в режиме реального времени.