Spezialisierung für Cloud Computing

Die heutigen Cloud Computing-Systeme, ob Open-Source oder in Unternehmen eingesetzt, basieren auf einer Reihe von Kerntechniken, Algorithmen und Designphilosophien, die sich alle um verteilte Systeme drehen. Lernen Sie die grundlegenden Konzepte des verteilten Computings für Cloud Computing kennen: Clouds, MapReduce, Key-Value/NoSQL-Speicher, klassische verteilte Algorithmen, weit verbreitete verteilte Algorithmen, Skalierbarkeit, Trendthemen und vieles mehr!

Erfahren Sie, wie diese Systeme von innen heraus funktionieren. Machen Sie sich die Hände schmutzig, indem Sie diese Konzepte in den mitgelieferten Hausaufgaben ausprobieren. In den Programmieraufgaben implementieren Sie einige dieser Konzepte in Vorlagencode (Programme), der in der Programmiersprache C++ bereitgestellt wird. Vorkenntnisse in C++ sind erforderlich. Der Kurs enthält auch Interviews mit führenden Forschern und Managern aus der Industrie und der Wissenschaft. Dieser Kurs baut auf dem Material auf, das im Kurs Cloud Computing Concepts, Part 1 behandelt wurde.

Willkommen zum Kurs Cloud Computing Applications, dem ersten Teil einer zweigeteilten Kursreihe, die Ihnen einen umfassenden Einblick in die Welt des Cloud Computing und Big Data geben soll!

In diesem ersten Kurs behandeln wir eine Vielzahl von Technologien, die das moderne Konzept des Cloud Computing ausmachen. Cloud Computing ist eine Revolution in der Informationstechnologie, die gerade erst begonnen hat, sich auf viele Computersysteme in Unternehmen auszuwirken, und die das Gesicht des Computing in den kommenden Jahren verändern wird. Wir beginnen die erste Woche mit einer Einführung in einige wichtige Konzepte des Cloud Computing, die wirtschaftlichen Grundlagen und stellen das Konzept von Big Data vor. Wir befassen uns auch mit dem Konzept der softwaredefinierten Architekturen und damit, wie Virtualisierung zu einer Cloud-Infrastruktur führt und wie Cloud-Service-Anbieter ihre Angebote organisieren. In Woche zwei befassen wir uns mit Virtualisierung und Containern, einschließlich Vorträgen über Docker, JVM und Kubernates. Zum Abschluss von Woche zwei vergleichen wir die Infrastruktur-as-a-Service-Angebote der großen Drei: Amazon, Google und Microsoft. In der dritten Woche geht es um Cloud-Angebote auf höherer Ebene, darunter Platform as a Service, Mobile Backend as a Service und sogar serverlose Architekturen. Wir sprechen auch über einige der Cloud-Middleware-Technologien, die für Cloud-basierte Anwendungen von grundlegender Bedeutung sind, wie RPC und REST, JSON und Lastausgleich. Woche drei behandelt auch Metal as a Service (MaaS), bei dem physische Maschinen in einer Cloud-Umgebung bereitgestellt werden. In Woche vier werden Cloud-Dienste auf höherer Ebene vorgestellt, wobei ein besonderer Schwerpunkt auf Cloud-Speicherdiensten liegt. Wir stellen Hive, HDFS und Ceph als reine Big Data-Speicher- und Dateisysteme vor und gehen dann zu Cloud-Objektspeichersystemen, virtuellen Festplatten und virtuellen Archivierungsoptionen über. Die Diskussion über die Cloud-Lösung Dropbox bildet den Abschluss von Woche 4 und des Kurses.

Willkommen zum Kurs Cloud Computing Applications, dem zweiten Teil einer zweigeteilten Kursreihe, die Ihnen einen umfassenden Einblick in die Welt des Cloud Computing und Big Data geben soll! In diesem zweiten Kurs setzen wir Cloud Computing Applications fort, indem wir untersuchen, wie die Cloud die Datenanalyse riesiger Datenmengen ermöglicht, die statisch sind oder mit hoher Geschwindigkeit gestreamt werden und eine enorme Vielfalt an Informationen darstellen. Cloud-Anwendungen und Datenanalysen stellen einen grundlegenden Wandel in der Art und Weise dar, wie die Gesellschaft mit Informationen umgeht und diese nutzt. Zu Beginn der ersten Woche stellen wir einige wichtige Systeme für die Datenanalyse vor, darunter Spark und die wichtigsten Frameworks und Distributionen von Analyseanwendungen wie Hortonworks, Cloudera und MapR. In der Mitte der ersten Woche stellen wir das verteilte und robuste Dateisystem HDFS vor, das in vielen Anwendungen wie Hadoop zum Einsatz kommt. Zum Abschluss der ersten Woche erkunden wir das leistungsstarke MapReduce-Programmiermodell und wie verteilte Betriebssysteme wie YARN und Mesos eine flexible und skalierbare Umgebung für Big Data-Analysen unterstützen. In Woche zwei führt unser Kurs in die Datenspeicherung in großem Maßstab ein und erläutert die Schwierigkeiten und Probleme der Konsistenz in riesigen Speichern, die Unmengen von Prozessoren, Speichern und Festplatten verwenden. Wir besprechen eventuelle Konsistenz, ACID und BASE sowie die in Rechenzentren verwendeten Konsensalgorithmen wie Paxos und Zookeeper. Unser Kurs stellt verteilte Key-Value Stores und In-Memory-Datenbanken wie Redis vor, die in Rechenzentren zur Leistungssteigerung eingesetzt werden. Als nächstes stellen wir NOSQL-Datenbanken vor. Wir besuchen HBase, die skalierbare Datenbank mit geringer Latenz, die Datenbankoperationen in Anwendungen unterstützt, die Hadoop verwenden. Dann zeigen wir erneut, wie Spark SQL SQL-Abfragen auf großen Datenmengen programmieren kann. Wir beenden Woche zwei mit einer Präsentation über verteilte Publish/Subscribe-Systeme unter Verwendung von Kafka, einem verteilten Log-Messaging-System, das bei der Verbindung von Big Data- und Streaming-Anwendungen zu komplexen Systemen breite Anwendung findet. In Woche drei widmen wir uns dem Streaming schneller Daten in Echtzeit und stellen die Storm-Technologie vor, die in Branchen wie Yahoo weit verbreitet ist. Weiter geht es mit Spark Streaming, Lambda- und Kappa-Architekturen und einer Präsentation des Streaming Ecosystems. Woche vier konzentriert sich auf Graph Processing, Machine Learning und Deep Learning. Wir stellen die Ideen der Graphenverarbeitung vor und präsentieren Pregel, Giraph und Spark GraphX. Dann kommen wir zum maschinellen Lernen mit Beispielen aus Mahout und Spark. Kmeans, Naive Bayes und fpm werden als Beispiele vorgestellt. Spark ML und Mllib setzen das Thema der Programmierbarkeit und Anwendungskonstruktion fort. Das letzte Thema, das wir in Woche vier behandeln, stellt Deep Learning-Technologien wie Theano, Tensor Flow, CNTK, MXnet und Caffe auf Spark vor.

Im Kurs Cloud Networking werden wir sehen, was das Netzwerk tun muss, um Cloud Computing zu ermöglichen. In Gesprächen mit führenden Branchenexperten werden wir die aktuelle Praxis erkunden und uns mit interessanten neuen Forschungsergebnissen auseinandersetzen, die die Zukunft des Cloud-Netzwerks prägen könnten. In diesem Kurs werden wir uns eingehend mit den Herausforderungen für Cloud-Netzwerke befassen - wie bauen wir eine Netzwerkinfrastruktur auf, die die Flexibilität bietet, virtuelle Netzwerke auf einer gemeinsam genutzten Infrastruktur einzusetzen, die sowohl eine effiziente Übertragung großer Datenmengen als auch eine Kommunikation mit geringer Latenz ermöglicht und die es erlaubt, Anwendungen über Länder und Kontinente hinweg zu bündeln? Die Untersuchung, wie diese Ziele erreicht werden, wird die Grundlage für den Rest des Kurses bilden. Dieser Kurs legt den Schwerpunkt sowohl auf den Betrieb als auch auf die Rationalität des Designs, d.h. darauf, wie die Dinge funktionieren und warum sie so konzipiert wurden. Wir freuen uns darauf, den Kurs mit Ihnen zu beginnen und einen Blick in das zu werfen, was heute für viele Anwendungen zur entscheidenden Kommunikationsinfrastruktur geworden ist.

Hinweis: Sie sollten alle anderen Kurse dieser Specialization abschließen, bevor Sie diesen Kurs beginnen. In diesem sechswöchigen Projektkurs der Cloud Computing Specialization können Sie die erlernten Theorien und Techniken für Cloud Computing aus den vorangegangenen Kursen der Specialization anwenden, darunter Cloud Computing Concepts, Part 1, Cloud Computing Concepts, Part 2, Cloud Computing Applications, Part 1, Cloud Computing Concepts, Part 2 und Cloud Networking.