Bulutta dağıtılmış programlama

Başlangıç
Orta
Geliştirici
Öğrenci
Azure

Dağıtılmış programlama kullanarak karmaşık bilgisayar programları mimarisinin buluta uygun şekilde nasıl tasarlanması gerektiği hakkında bilgi edinin.

Bu modülde şunları yapacaksınız:

  • Programları sıralı, eşzamanlı, paralel ve dağıtılmış olarak sınıflandırma
  • Programcıların sıralı programları genelde paralel hale getirme nedenini belirtme
  • Dağıtılmış programlama modellerini tanımlama
  • Bulut programları oluştururken karşılaşılan ölçeklenebilirlik, iletişim, heterojenlik, eşitleme, hataya dayanıklılık ve zamanlama sorunlarını tartışma
  • Heterojen ve homojen bulutlar tanımlama, bulutta heterojenliğin arkasındaki başlıca nedenlerin belirleme
  • Dağıtılmış programlarda heterojenliğin oluşturduğu başlıca sorunları listeleme ve bu sorunları ele almaya yönelik bazı stratejileri özetleme
  • Eşitlemenin bulutta ne zaman ve neden gerekli olduğunu açıklama
  • Bulutlarda hataları tolere etmek için kullanılabilecek başlıca teknikleri tanımlama
  • Görev zamanlama ve iş zamanlama arasındaki farkı özetleme
  • Heterojenliğin ve yerleşimin görev zamanlamalarını nasıl etkileyebileceğini açıklama

Dr. Majd Sakr ve Carnegie Mellon Üniversitesi işbirliği ile sunulmuştur.

Önkoşullar

  • Bulut hizmeti modelleri ve yaygın bulut sağlayıcıları da dahil olmak üzere bulut bilişimin ne olduğunu anlama
  • Bulut bilişim sağlayan teknolojileri öğrenme
  • Bulut hizmeti sağlayıcılarının bulut için nasıl ödeme ve faturalama yaptığını anlama
  • Veri merkezlerinin ne olduğunu ve neden mevcut olduğunu öğrenme
  • Veri merkezlerinin nasıl ayarlandığını, desteklendiğini ve sağlandığını öğrenme
  • Bulut kaynaklarının nasıl sağlandığını ve ölçüldüğünü anlama
  • Sanallaştırma kavramını öğrenme
  • Farklı sanallaştırma türlerini öğrenme
  • CPU sanallaştırmasını anlama
  • Bellek sanallaştırmasını anlama
  • G/Ç sanallaştırmasını anlama
  • Farklı veri türlerini ve bunların nasıl depolandığını öğrenme
  • Dağıtılmış dosya sistemlerini ve nasıl çalıştıklarını öğrenme
  • NoSQL veritabanları ve nesne depolamayı, ayrıca bunların nasıl çalıştıklarını öğrenme

Bu öğrenme yolundaki modüller

Dağıtılmış programlama hakkında bilgi edinin ve programlama modelleri, paralellik türleri ve simetrik ve asimetrik mimari de dahil olmak üzere bunun bulut için neden faydalı olduğunu öğrenin.

MapReduce, standart hale gelen ve önemli ölçüde iyileştirilen büyük veri işlemede çığır açmıştır. MapReduce’un nasıl çalıştığını öğrenin.

GraphLab, veri araştırmalarında kullanılmak üzere Carnegie Mellon Üniversitesi tarafından geliştirilen bir büyük veri aracıdır. GraphLab’in nasıl çalıştığını ve neden faydalı olduğunu öğrenin.

Spark, MapReduce'tan farklı avantajlara sahip olan bir açık kaynak küme bilgi işlem çerçevesidir. Spark'ın nasıl çalıştığı hakkında bilgi edinin.

Kullanılabilir verilerdeki artış, işlenecek gerçek zamanlı verilerin sürekli akışlarında artışa neden oldu. Gerçek zamanlı veri akışlarını kullanmaya ve işlemeye yönelik farklı sistemler ve teknikler hakkında bilgi edinin.

Bu öğrenme yolu ve modüller Creative Commons Atıf-GayriTicari-AynıLisanslaPaylaş Uluslararası Lisansı kapsamında lisanslıdır.