ElasticSearch培訓(xùn)

1
1. 有了RabbitMQ、ActiveMQ等消息中間件，為什么還需要Kafka

2. Kafka核心組成：Topic、Partition、Broker、Data Replication

3. Kafka的一些重要特征，如：串序保持、Offset偏移量及探針 等

1：
1. 在大數(shù)據(jù)架構(gòu)體系中，Kafka的佳適用場景有哪些

2. 基于Hadoop技術(shù)生態(tài)，Kafka一些運(yùn)維層面的佳實(shí)踐，如：數(shù)據(jù)積壓等問題

3. 基于湖倉一體化架構(gòu)，Kafka都扮演了哪些關(guān)鍵角色

4. 在大數(shù)據(jù)架構(gòu)體系中，如何通過Kafka做到架構(gòu)解耦

2：
1. 基于大數(shù)據(jù)運(yùn)維，Kafka實(shí)戰(zhàn)問題集錦與分析

2. 在直播領(lǐng)域中，如何通過Kafka做到流數(shù)據(jù)不間斷、不亂序、不積壓

3. 在IOT物聯(lián)網(wǎng)領(lǐng)域中，如何通過Kafka做到流數(shù)據(jù)不延遲、不亂序

2：
1. 如何通過Kafka，結(jié)合Flink + Hive實(shí)現(xiàn)大型分布式實(shí)時(shí)數(shù)據(jù)倉庫

2. 在車聯(lián)網(wǎng)領(lǐng)域，Kafka結(jié)合Flink、Spark Streaming如何避免在弱網(wǎng)環(huán)境下，實(shí)現(xiàn)防數(shù)據(jù)丟失、數(shù)據(jù)補(bǔ)采與補(bǔ)傳

3. 如何通過Kafka，實(shí)現(xiàn)湖倉一體化大數(shù)據(jù)架構(gòu)

4. 基于微服務(wù)架構(gòu)，Kafka的佳適用場景有哪些