Les formations Graph Database

Blazegraph est une base de données de graphes RDF Java open source permettant de stocker et de représenter des données avec des relations complexes. Il supporte les plans et RDF / SPARQL 1.1.

Au cours de cette formation en direct animée par un instructeur, les participants apprendront à utiliser Blazegraph pour capturer des données complexes au format graphique afin de les récupérer à partir d'un certain nombre d'applications. Tous les exercices seront effectués dans un environnement de laboratoire réel.

À la fin de cette formation, les participants seront en mesure de:

- Installer et configurer Blazegraph en mode autonome, en mode cluster (facultatif) ou incorporé (en option)
- Créer, tester et déployer un exemple d'application pour interroger des données complexes dans un magasin de données Blazegraph
- Comprendre comment exploiter le GPU (unité de traitement graphique) pour accélérer les calculs

Public

- Développeurs

Format du cours

- Partie de conférence, partie de discussion, exercices et exercices intensifs

Remarque

- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.

FlockDB est une base de données de graphe distribuée, ouverte et déficiente, pour la gestion de graphes de réseau larges mais peu profonds Il a été initialement utilisé par Twitter pour stocker les relations entre les utilisateurs Dans cette formation en ligne, les participants apprendront comment configurer et utiliser une base de données FlockDB pour répondre aux questions des médias sociaux, par exemple qui suit qui, qui bloque qui, etc À la fin de cette formation, les participants seront en mesure de: Installez et configurez FlockDB Comprendre les caractéristiques uniques de FlockDB, par rapport à d'autres bases de données graphiques telles que Neo4j Utilisez FlockDB pour gérer un jeu de données de graphique volumineux Utilisez FlockDB avec MySQL pour fournir des capacités de stockage distribué Interrogez, créez et mettez à jour les bords de graphes extrêmement rapides Scale FlockDB horizontalement pour une utilisation dans les environnements Web en ligne, à faible débit et à haut débit Public Développeurs Les ingénieurs de bases Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .

De nombreux problèmes du monde réel peuvent être décrits en termes de graphiques. Par exemple, le graphique Web, le graphique de réseau social, le graphique de réseau de train et le graphique de langue. Ces graphiques ont tendance à être extrêmement volumineux. leur traitement nécessite un ensemble spécialisé d'outils et de processus - ces outils et processus peuvent être appelés Graph Computing (également appelé Graph Analytics).

Dans cette formation en direct animée par un instructeur, les participants découvriront les offres technologiques et les approches de mise en œuvre pour le traitement des données graphiques. Le but est d'identifier les objets du monde réel, leurs caractéristiques et leurs relations, puis de modéliser ces relations et de les traiter sous forme de données à l'aide d'une approche Graph Computing (également appelée Graph Analytics). Nous commençons par un aperçu général et nous concentrons sur des outils spécifiques lorsque nous abordons une série d’études de cas, d’exercices pratiques et de déploiements en direct.

À la fin de cette formation, les participants seront en mesure de:

- Comprendre comment les données de graphique sont persistées et parcourues.
- Sélectionnez le meilleur framework pour une tâche donnée (des bases de données graphiques aux frameworks de traitement par lots).
- Implémentez Hadoop , Spark, GraphX et Pregel pour effectuer des calculs graphiques sur plusieurs machines en parallèle.
- Affichez les problèmes de données volumineuses dans le monde réel en termes de graphiques, de processus et de parcours.

Format du cours

- Partie de conférence, partie de discussion, exercices et exercices intensifs

This instructor-led, live training in France (online or onsite) is aimed at engineers who wish to use JanusGraph to process very large graphs that require abnormal storage and computational capacity.

By the end of this training, participants will be able to:

- Install and configure JanusGraph.
- Integrate JanusGraph with multiple backend storage systems (Cassandra, HBase, etc.) and multiple indexing software (Elasticsearch, Solr, etc.).
- Configure multiples machines into a cluster for use by JanusGraph.
- Query the database using the Gremlin query language.
- Process graph data at scale, beyond what a single machine can provide.
- Support thousands of concurrent users traversing graph data in real time.
- Query graph data for analysis.

les bases de données

relationnelles, basées sur des tables telles qu’Oracle et MySQL, ont longtemps été la norme pour l’organisation et le stockage. Cependant, la taille croissante et la fluidité des données ont rendu difficile pour ces systèmes traditionnels d’exécuter efficacement des requêtes très complexes sur les données. Imaginez le remplacement de stockage de données basé sur des lignes et des colonnes avec un stockage de données basé sur des objets, par lequel les entités (par exemple, une personne) pourraient être stockées en tant que nœuds de données, puis facilement interrogées sur la base de leur vaste relation multi-linéaire avec d’autres nœuds. Et imaginez interroger ces connexions et leurs objets et propriétés associés à l’aide d’une syntaxe compacte, jusqu’à 20 fois plus léger que SQL. C’est ce que les bases de données de graphe, telles que neo4j offrent.

dans cette formation en direct, dirigée par un instructeur, nous mettrons en place un projet en direct et mettrons en pratique les compétences pour modéliser, gérer et accéder à vos données en utilisant neo4j. Nous contrastent et comparons les bases de données de graphes avec les bases de données SQL, ainsi que d’autres bases de données NoSQL et clarifions quand et où il est judicieux de les implémenter dans votre infrastructure.

format du cours

- accent mis sur la pratique concrète. La plupart des concepts sont tirés par des échantillons, des exercices et le développement pratique.