MongoDB ve Big Data Entegrasyonu Eğitimi

Eğitim Hakkında

MongoDB'yi büyük veri platformlarına bağlayan akış, ETL ve analitik entegrasyon eğitimi

MongoDB ve Big Data Entegrasyonu Eğitimi, MongoDB'yi büyük veri ekosistemine veri kaynağı ve hedefi olarak entegre etmeye odaklanır. Katılımcılar MongoDB'nin veri gölü mimarisindeki rolünü ve sharding ile ölçeklenmeyi öğrenir. MongoDB Kafka Connector ile gerçek zamanlı akış, change streams tabanlı CDC, Hadoop entegrasyonu ve ETL akışları ele alınır. Aggregation ile analitik ve Atlas Data Federation gerçek veri hatlarıyla uygulamalı işlenir.

Süre ve Format

3 Gün. İlk gün büyük veri mimarisi ve MongoDB'nin rolü, ikinci gün Kafka ve Hadoop entegrasyonu, üçüncü gün analitik ve Data Federation uygulamalı işlenir.

Seviye

Orta Seviye — MongoDB'nin büyük veri ekosistemiyle entegrasyonu, Kafka, Hadoop ve veri gölü akışları işlenir

Öğrenme Metodu

Her konu gerçek veri hatları kurularak, Kafka ve Hadoop bağlayıcıları yapılandırılarak ve aggregation ile analiz üretilerek işlenir.

Neden Bu Eğitim?

🌊Gerçek zamanlı akış

MongoDB Kafka Connector ve change streams ile verileri gerçek zamanlı olarak akıtır ve büyük veri hatlarına beslersiniz.

🔗Ekosistem entegrasyonu

MongoDB'yi Hadoop, Kafka ve veri gölü bileşenlerine bağlar, kaynak ve hedef olarak kesintisiz çalıştırırsınız.

📊Ölçekli analitik

Aggregation pipeline ve Data Federation ile büyük veri setlerinde analiz üretir, raporlama hatlarını kurarsınız.

Anahtar Konular

mongodb big data eğitimimongodb kafka connectorbüyük veri entegrasyonu eğitimimongodb hadoopchange streams cdcveri gölü eğitimimongodb analitikdata federation

“Büyük veride değer; verinin doğru akıtılması, ölçeklenebilir saklanması ve zamanında analiz edilmesiyle ortaya çıkar.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak temel bilgi ve ortam gereksinimleri

1

MongoDB temelleri

Belge modeli, CRUD ve aggregation konularına temel aşinalık entegrasyon konularını kolaylaştırır.

2

Büyük veri kavramları

Veri gölü, akış ve batch işleme gibi temel büyük veri kavramlarını bilmek faydalıdır.

3

Komut satırı

Linux komut satırı ve servis yönetimi deneyimi bağlayıcı yapılandırmalarını kolaylaştırır.

4

Dağıtık sistem fikri

Kümeleme ve dağıtık işleme kavramlarına aşinalık mimari konularının kavranmasına yardımcı olur.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiBu gün sonunda büyük veri mimarisini ve MongoDB'nin kaynak, hedef ve operasyonel veri katmanı olarak rolünü kavrar, sharding ile ölçeklenmeyi uygularsınız.

Modül 1

Büyük Veri Ekosistemi

Batch ve stream işleme yaklaşımlarının karşılaştırılması
Veri gölü, veri ambarı ve lakehouse kavramlarının ayrımı
MongoDB'nin operasyonel veri katmanı olarak konumu
Lambda ve Kappa mimarilerinde belge veritabanının rolü
Yapılandırılmış ve yarı yapılandırılmış verinin ele alınması
Entegrasyon senaryolarının ve veri akış yönlerinin planlanması

Modül 2

MongoDB Veri Yapısı

BSON belge modelinin büyük veri için esneklik avantajları
İç içe belge ve dizilerle karmaşık verinin modellenmesi
Şemasız yapının veri çeşitliliğiyle başa çıkma yeteneği
Belge boyutu ve koleksiyon tasarımının analitiğe etkisi
Zaman serisi koleksiyonlarının büyük veride kullanımı
Veri tiplerinin bağlayıcılar üzerinden eşlenmesi

Modül 3

Sharding ile Ölçekleme

Yatay ölçekleme ile büyük veri hacminin dağıtılması
Shard key seçiminin analitik yük dağılımına etkisi
Hashed sharding ile dengeli veri dağılımının sağlanması
Config server ve mongos yönlendiricinin akıştaki rolü
Büyük veri yüklemelerinde balancer davranışının yönetimi
Ölçeklenen kümede okuma yükünün dağıtılması

Modül 4

Veri Alma ve Yükleme

mongoimport ile toplu veri yükleme senaryoları
Büyük veri kümelerinin verimli biçimde içe aktarılması
Toplu yazma işlemleriyle yükleme performansının artırılması
Veri dönüşümünün yükleme öncesinde planlanması
Hatalı ve eksik kayıtların yükleme sırasında yönetimi
Yükleme süreçlerinin izlenmesi ve doğrulanması

Günün hedefiBu gün sonunda MongoDB Kafka Connector ile gerçek zamanlı akış kurar, change streams tabanlı CDC uygular ve Hadoop ekosistemiyle ETL hatları oluşturursunuz.

Modül 1

MongoDB Kafka Connector

Source connector ile MongoDB değişikliklerinin Kafka'ya akıtılması
Sink connector ile Kafka verilerinin MongoDB'ye yazılması
Connector yapılandırması ve topic eşleştirmesi
Mesaj dönüşümü ve serileştirme formatlarının seçimi
Akış gecikmesi ve throughput ayarlarının yönetimi
Hata yönetimi ve dead letter queue yapılandırması

Modül 2

Change Streams ve CDC

Change streams ile veri değişikliklerinin yakalanması
insert, update ve delete olaylarının akışa dönüştürülmesi
Resume token ile kesintisiz değişiklik takibi
CDC deseniyle kaynak ve hedef sistemlerin senkronizasyonu
Olay tabanlı mimarilerde değişiklik akışının kullanımı
Filtreleme ve dönüştürme ile akış içeriğinin daraltılması

Modül 3

Hadoop Entegrasyonu

MongoDB ve Hadoop arasında veri aktarım yaklaşımları
HDFS ile MongoDB verisinin batch işlenmesi
MapReduce senaryolarında MongoDB verisinin kullanımı
Hive üzerinden MongoDB verisinin sorgulanması
Büyük ölçekli dönüşüm işlerinin planlanması
Batch ve stream yaklaşımlarının birlikte kullanımı

Modül 4

ETL ve Veri Hatları

Kaynak sistemlerden MongoDB'ye veri çekme desenleri
Veri temizleme ve dönüştürme adımlarının tasarlanması
Artımlı yükleme ile yalnızca değişen verinin aktarılması
Veri kalitesi ve şema uyumunun hat içinde doğrulanması
Orkestrasyon araçlarıyla hat adımlarının zamanlanması
Hat izleme, hata ayıklama ve yeniden çalıştırma senaryoları

Günün hedefiBu gün sonunda aggregation pipeline ile büyük veri üzerinde analiz üretir, Atlas Data Federation ile farklı kaynakları sorgular ve raporlama hatları kurarsınız.

Modül 1

Ölçekli Aggregation Analitiği

Büyük koleksiyonlarda çok aşamalı pipeline tasarımı
group ve bucket ile toplama ve segmentasyon analizi
lookup ile koleksiyonlar arası birleştirme analizi
Pipeline performansı için indeks ve aşama sırası optimizasyonu
allowDiskUse ile bellek sınırlarının aşılması
merge ile analiz sonuçlarının materyalize edilmesi

Modül 2

Atlas Data Federation

Farklı kaynakların tek sorgu arayüzünde birleştirilmesi
MongoDB ve nesne depolama verisinin birlikte sorgulanması
Federated veritabanı tanımları ve kaynak eşlemesi
Soğuk verinin nesne depolamaya arşivlenmesi
Online Archive ile veri yaşam döngüsü yönetimi
Federasyon sorgularının maliyet ve performans dengesi

Modül 3

Veri Gölü ve Arşivleme

Sık erişilen ve arşiv verisinin katmanlara ayrılması
Parquet ve nesne depolama formatlarıyla veri gölü entegrasyonu
Veri saklama politikalarının tasarlanması
Geçmiş verinin analitik için erişilebilir tutulması
Depolama maliyetiyle erişim performansının dengelenmesi
Veri gölünden MongoDB'ye geri yükleme senaryoları

Modül 4

Raporlama ve Görselleştirme

Aggregation sonuçlarının raporlama katmanına beslenmesi
BI araçlarının MongoDB'ye bağlanması
Atlas Charts ile pano ve görsel analiz üretimi
Özet koleksiyonlarla rapor performansının artırılması
Zamanlanmış analitik işlerle rapor hatlarının otomasyonu
Gerçek zamanlı ve batch raporlamanın birlikte kullanımı

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Mimari kavrayışı

MongoDB'nin veri gölü, akış ve operasyonel katman içindeki rolünü kavrar, entegrasyon senaryolarını tasarlayabilirsiniz.

✅

Ölçekli veri yönetimi

Sharding ile büyük veri hacmini dağıtır ve toplu yükleme desenleriyle verimli veri alımı yapabilirsiniz.

✅

Kafka ile akış

MongoDB Kafka Connector ile source ve sink akışları kurarak gerçek zamanlı veri hatları oluşturabilirsiniz.

✅

CDC uygulaması

Change streams ile değişiklik yakalar, kaynak ve hedef sistemleri CDC deseniyle senkronize edebilirsiniz.

✅

Hadoop entegrasyonu

MongoDB verisini Hadoop ekosistemiyle batch işler ve büyük ölçekli dönüşüm hatları kurabilirsiniz.

✅

ETL hatları

Kaynaklardan MongoDB'ye temizleme ve dönüştürmeyle artımlı yükleme yapan ETL hatları tasarlayabilirsiniz.

✅

Data Federation

Atlas Data Federation ile farklı kaynakları tek arayüzden sorgular ve arşiv verisini yönetebilirsiniz.

✅

Ölçekli analitik

Aggregation pipeline ile büyük veri üzerinde analiz üretir ve raporlama hatlarını kurabilirsiniz.

Kimler İçin Uygundur?

Büyük veri hatları kuran veri mühendisleri
akış tabanlı mimariler tasarlayan mimarlar
MongoDB'yi analitik platformlara bağlayan geliştiriciler
veri gölü projelerinde çalışan BT ekipleri için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Büyük veri hatları kuran veri mühendisleri, akış tabanlı mimariler tasarlayan mimarlar ve MongoDB'yi analitik platformlara bağlayan geliştiriciler için uygundur. Veri gölü projelerinde çalışan BT ekiplerine yöneliktir.

Eğitim kaç gün sürüyor ve nasıl işleniyor?

Eğitim 3 gün sürer. İlk gün büyük veri mimarisi ve MongoDB'nin rolü, ikinci gün Kafka ve Hadoop entegrasyonu, üçüncü gün analitik ve Data Federation işlenir. Konular gerçek veri hatları kurularak uygulamalı çalışılır.

Developers ve Spark eğitimlerinden farkı nedir?

Developers eğitimi uygulama geliştirmeye, Spark eğitimi ise Spark Connector ile dağıtık işlemeye odaklanır. Bu eğitim MongoDB'yi Kafka, Hadoop ve veri gölü bileşenlerine bağlayan akış, CDC ve ETL entegrasyonlarını geniş bir ekosistem perspektifinden ele alır.

Ön koşul olarak ne bilmek gerekir?

MongoDB belge modeli ve aggregation temelleri, veri gölü ile akış gibi büyük veri kavramları ve temel Linux komut satırı kullanımı faydalıdır. Dağıtık sistem kavramlarına aşinalık mimari konularının kavranmasını kolaylaştırır.

Katılımcılar sertifika alıyor mu?

Programı tamamlayan katılımcılar Digital Vizyon Akademi Katılım ve Başarı Sertifikası alır. Eğitim, kurumsal büyük veri projelerinde MongoDB entegrasyonu için uygulamalı yetkinlik kazandırmayı hedefler.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika