Sobre o Treinamento

O Apache Atlas é uma solução Open Source de governança de dados projetada para ambientes de Big Data, permitindo a catalogação, classificação e rastreamento de metadados de forma centralizada. Amplamente utilizado em ecossistemas baseados em Apache adoop e integrado a diversas plataformas de dados, incluindo distribuições corporativas como o Cloudera CDP. O Apache Atlas desempenha um papel fundamental na implementação de estratégias modernas de governança de dados.

Este treinamento prepara profissionais para explorar e utilizar eficientemente os recursos do Apache Atlas, com foco em modelagem de metadados, linhagem de dados (data lineage), classificação e organização de informações. Ao longo do curso, os participantes irão adquirir as habilidades necessárias para implementar uma governança de dados robusta, escalável e aderente às demandas de ambientes corporativos.

Calendário de turmas.

Somente no modelo corporativo no momento.

Dificuldade: Alta.

Aplicabilidade.

Este treinamento foi desenvolvido usando o Apache Atlas 2.5.0. e foi modificado pela última vez em 15 de Junho de 2026.

Conteúdo Programático.

Conceitual Apache Atlas.

• Introdução à Governança de Dados.
• O que é o Apache Atlas?
• Apache Atlas no Ecossistema de Big Data.
• Integração com Apache Hadoop, Apache Hive, Apache Spark, Apache Kafka
• Casos de Uso: Linhagem de Dados, Catálogo de Metadados, Controle de Acesso
• Comparativo: Apache Atlas X Collibra X Amundsen X OpenMetadata.

Instalação do Apache Atlas.

• Requisitos de Sistema.
• Instalando o Apache Atlas standalone.
• Configuração inicial.
• Iniciando o servidor Atlas.
• Verificando logs e diagnósticos.
• Carregando dados de exemplo.
• Apache Atlas em Docker.

Fundamentos do Apache Atlas.

• Arquitetura do Apache Atlas.
• Componentes principais: Metadata Server, Apache Kafka, JanusGraph.
• Tipos de Metadados: Técnico, Empresarial, Operacional.
• Introdução ao Modelo de Entidade (Entity, Type, Classification)
• UI do Apache Atlas: Navegação e Recursos.

Modelagem de Metadados.

• Introdução à Modelagem de Metadados.
• Definição de Tipos e Entidades.
• Entity.
• Relationship.
• Classification.
• Classification Propagation.
• Attributes.
• Data Lineage.
• Criando e editando tipos personalizados.
• Relacionamentos e Heranças.
• Trabalhando com Linhagem de Dados.
• Importação de Modelos de Metadados.

Indexação e Pesquisa.

• Introdução à Pesquisa no Apache Atlas.
• Uso da linguagem DSL (Domain-Specific Language).
• Pesquisa por entidades, classificações e relacionamentos.
• Filtros avançados: wildcards, intervalos, operadores.
• Busca em grandes catálogos de dados.
• Integração com Apache Solr/Elasticsearch.

Configurações do Apache Atlas

• Configurações Básicas: atlas-application.properties.
• Configuração de Banco de Dados: JanusGraph e HBase.
• Integração com Apache Kafka: Atualizações de Metadados em tempo real.
• Configuração de Segurança: Autenticação e Autorização.
• Auditoria: Habilitando e gerenciando logs de auditoria

Integração com Big Data

• Apache Atlas + Apache Hive: Linhagem de tabelas e colunas.
• Apache Atlas + Apache Spark: Monitoramento de pipelines.
• Apache Atlas + Apache Kafka: Rastreabilidade de eventos.
• Apache Atlas + Hadoop HDFS: Metadados de arquivos distribuídos.
• Webhooks: Recebendo eventos personalizados.

APIs do Apache Atlas.

• Introdução às APIs REST do Apache Atlas.
• Autenticação e Tokens.
• Criando, atualizando e deletando entidades via API
• Consultas via API: busca de metadados.
• Exemplo prático: Criando um catálogo de dados automatizado.

Apache Atlas e Java

• Visão Geral da Integração com Java.
• Configuração do ambiente (Maven, Gradle).
• Uso do Atlas Client API.
• Criando e atualizando entidades via código.
• Exemplos práticos: automação de processos.

Integração com Apache Ranger (Visão Conceitual)

• O que é o Apache Ranger.
• Como o Apache Ranger envia classificações (tags).
• Integração entre Classificações e Políticas de Acesso.

Monitoramento

• Monitoramento do Apache Atlas: Métricas e Logs.
• Troubleshooting: Diagnóstico de erros comuns.
• Backup e Restore de Metadados.
• Estratégias de otimização para catálogos grandes.
• Melhores práticas de governança de dados.

Carga Horária:

• 24 Horas de duração.

Pré-Requisitos:

• Conhecimento de comandos e servidores Linux.
• Conhecimento básico no ecossistema de Big Data.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para Online ter uma boa conectividade com a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 12 alunos para um melhor desempenho.

Requisitos mínimos de hardware

• Memória RAM : 8GB
• Espaço em Disco: 50GB
• Processador: Dual-core AMD 64, EM64T
• Sistemas Operacionais: GNU/Linux, Windows.
• VirtualBox.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Apache Atlas e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.

Metodologia

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos Apache Atlas e cursos Apache Atlas. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

Instrutor

Sobre o Treinamento

O HUE (Hadoop User Experience) tem o foco em capacitar profissionais de dados, principalmente em Big Data, para explorar, consultar e visualizar dados em ambientes Hadoop e Data Lake utilizando o Apache Hue, uma interface web leve, amigável e integrada com ferramentas como Apache Hive, Impala, Trino e Spark SQL. O foco está no uso prático da ferramenta para análise, prototipagem de dashboards e execução de queries SQL de forma visual e colaborativa.

Calendário de turmas.

Somente no modelo corporativo no momento.

Dificuldade: Fácil.

Aplicabilidade.

Este treinamento foi desenvolvido usando o HUE 4.11.0 e foi modificado pela última vez em 22 de Junho de 2025.

Conteúdo Programático.

Conceitual HUE.

• O que é o Apache Hue.
• Hue no ecossistema Hadoop/Spark.
• Casos de uso comuns e arquitetura geral.
• Conectando ao Hive, Impala e outros motores SQL
• Comparação: Hue X Apache Zeppelin X Jupyter.
• Casos de uso: BI, Data Discovery, Data Governance.
• Arquitetura geral (com HDFS, Hive, Impala, Spark SQL).

Instalação e Configuração.

• Instalação standalone
• Estrutura de arquivos.
• O arquivo hue.ini.
• Configuração de conexão com Apache Hive, Impala, Apache Solr e Trino.
• Autenticação (LDAP - visão geral).

Navegação e Conexões com Data Lake.

• Interface principal do Hue.
• Exploração de arquivos HDFS/S3/Minio.
• Exploração de tabelas Hive e Impala.
• Upload e preview de arquivos CSV e JSON.

SQL Editor e Visualização de Resultados.

• Execução de queries em Hive/Impala/Spark SQL.
• Salvando consultas e favoritos.
• Visualização de dados (tabelas, gráficos).
• Exportação de resultados.

Gerenciamento de Tabelas

• Criação e visualização de tabelas Hive e Impala.
• Upload de arquivos CSV/JSON.
• Preview de dados.
• Criação de partições e schemas.

Visualização e Dashboards.

• Criação de dashboards interativos no Hue.
• Visualização de gráficos (barras, linhas, pizza, mapa).
• Filtros e parâmetros.
• Criação de painéis executivos.

Gerenciamento de Dados e Metadados.

• Exploração de metastore.
• Edição de schemas.
• Gerenciamento de permissões (via Hue e Apache Ranger - visão geral)

Carga Horária:

• 8 Horas de duração.

Pré-Requisitos:

• Conhecimento de comandos e servidores Linux.
• Conhecimento básico do Ecossistema de Big Data.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para Online ter uma boa conectividade com a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 12 alunos para um melhor desempenho.

Requisitos mínimos de hardware

• Memória RAM : 8GB
• Espaço em Disco: 40GB
• Processador: 2 Cores
• Sistemas Operacionais: GNU/Linux, Windows.
• VirtualBox.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares HUE e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.

Metodologia

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos HUE e cursos HUE. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

Instrutor

Sobre o treinamento

O treinamento Prometheus fundamental é destinado há para quem precisa conhecer as principais funcionalidades do Prometheus e implantar uma solução de base de dados de série de tempo para monitoramento e alerta. Ele é desbloqueado de uma infraestrutura maior, tornando-o uma ferramenta confiável para diagnosticar problemas imediatamente, sólido para coleta de dados de eventos e alertas para monitoramento. O curso permite desde a configuração e administração do ambiente Prometheus e suas principais integrações com ambiente computacionais. 

Todo o treinamento e ministrado com a versão Open Source do Prometheus. Materiais Prometheus em Português do Brasil. Ambiente de educação e metodologia de ensino personalizada. Conheça nosso conteúdo programático que foi construído para formação de especialistas em Prometheus , O mesmo mescla conhecimentos conceituais e praticas para registro de métricas em tempo real em um banco de dados de séries temporais (permitindo alta dimensionalidade) construído usando um modelo HTTP pull, com consultas flexíveis e alertas em tempo real, assim como necessidades de infraestrutura, integração e programação, necessários para implementação completa do Prometheus.

Calendário de turmas abertas Prometheus.

Somente turmas corporativas.

Dificuldade: Intermediário.

Aplicabilidade.

Este treinamento foi desenvolvido usando o Prometheus LTS 2.53.1 e foi modificado pela última vez em 6 de Agosto de 2024.

Conteúdo Programático

Conceitual - Visão geral do Prometheus.

• A importância do monitoramento.
• Métricas.
• Monitoramento de serviços
• NOC (Network Operations Center).
• Introdução ao Prometheus.
• Arquitetura e tecnologias utilizadas.
• Histórico da Prometheus.
• Interfaces do Prometheus.
• Empresas usando Prometheus no Brasil e no Mundo.
• Casos de uso do Prometheus.
• Comunidades Prometheus.
• Licenciamento (Free Software X Open Source).
• Versões do Prometheus.
• Prometheus X Graphite X InfluxDB.

Instalação e configuração do Prometheus.

• Pré-requisitos de instalação do Prometheus.
• Instalando o Prometheus.
• Configurando o Prometheus.
• Autenticação do Prometheus via LDAP/AD.
• Configurando SMTP.
• Os arquivos de configuração.

Trabalhando com o Prometheus.

• Prometheus Web UI.
• PromQL (Prometheus Query Language).
• Casos de Uso.
• Navegando nas interfaces gráficas (UI).
• Dashboarding.

Coletando dados

• Scraping & Exporters.
• Pushing Data.
• Push Metrics.
• Pushing metrics.

Instrumentação de aplicações.

• Códigos de instrumentação.
• Client libraries.

Monitoramento e alerta.

• Definição e Configuração de Alertas.
• Regras de gravação e alerta.
• Monitoring Host Metrics.
• Monitorando AWS Lambda.
• Node e WMI exporters.
• Configurando o Alertmanager.
• Gerenciando alertas.
• Building Exporters.
• Advanced Querying.
• Relabeling.
• Blackbox Monitoring.
• Local Storage.

Infraestrutura distribuída.

• Monitoramento de ambientes On-Premises.
• Monitoramento em Cloud.
• Monitoramento GCP e EC2.

Segurança, Integrações e Otimizações.

• Prometheus security model.
• Authentication.
• Authorization.
• Encryption.
• API management.
• Federation e HTTP service discovery
• Remote write tuning parameters.
• Optimizing data.
• Systems usage.
• Monitoring and Debugging Prometheus.

Assuntos avançados.

• Manutenção do Prometheus.
• Escalabilidade do Prometheus.
• Automação e Integração Contínua.

Carga Horária.

• 16 Horas.

Público Alvo.

• Administradores de sistemas e redes.
• Equipes DevOps.
• Interessados em monitoramentos de sistemas.

Pré-requisitos.

• Conhecimentos em utilização de sistemas web.
• Conhecimento básico em algum sistema operacional (Windows, Linux ou MAC).
• Conhecimento básico em redes de computadores.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 15 alunos para um melhor desempenho.

Requisitos Recomendados de Hardware e Software.

• Memória RAM: 8GB.
• Espaço em Disco: 20GB.
• Processador: 64 bits (chipsts de x64).
• CPU: 2 núcleos.
• Sistemas Operacionais: GNU/Linux, Windows.
• VirtualBox.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Prometheus e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.

Metodologia.

• O treinamento apresenta uma empresa fictícia chamada onde será implantado o Prometheus e todas as fases da implantação para monitoramentos.
• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos Prometheus e cursos Prometheus. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

Instrutor

O treinamento Análise de Dados com R foi elaborado para apresentar, conceituar e colocar na pratica a linguagem R, com sua aplicabilidade para análise de grandes conjuntos de dados em diversas áreas de negócio.
O R é uma tecnologia de código aberto e tem como sua principal característica atender necessidades da analise estatística e está incorporada ou integrada a diversos outros software de analise e processamento de dados como Apache Spark, Power BI, Tableau, Pentaho, Apache Hop, Apache Nifi, entre outros, assim como conectividade aos principais bancos de dados do mercado. Cientista de dados e Analistas de dados sãos profissional atuantes nesta ferramenta, e podem aplicar seus conceitos para especializações como: People Analytics, Financial Analytics, Marketing Analytics, etc.

Calendário de turmas.

Somente no modelo corporativo no momento.

Dificuldade: Intermediário.

Aplicabilidade.

Este treinamento foi desenvolvido usando a linguagem R 4.3.2 e foi modificado pela última vez em 12 de Novembro de 2023.

Conteúdo Programático

Conceitual.

• Introdução a Data Science.
• O profissional Cientista de Dados.
• People Analytics, Financial Analytics e outras especializações.
• O Software R.
• Software Livre x Open Source.
• Licenciamento do R.
• Histórico do R.
• R Foundation.
• Empresas usando R no Mundo.
• Empresas usando R no Brasil.
• Comunidade R.
• Versões do R.
• Casos de Uso com R.

Instalando o R.

• Instalando o Software R.
• Instalação do RStudio IDE.
• Instalação do software adicionais.

Fundamentos da Linguagem R.

• A linguagem R.
• Operadores.
• Tipos de Dados.
• Variáveis.
• Vetores.
• Matrizes.
• Listas
• Strings.
• Funções
• Expressões Regulares
• Pacotes.
• Principais Bibliotecas de R para análise de dados.
• NSE (Non-standard evaluation)
• Pipe.

RStudio IDE

• Interfaces.
• Atalhos.
• Projetos.
• Addins.
• Cheatsheets.
• Snippets.

Estrutura de Dados em R.

• Data Frames.
• Usando R para Importação.
• Lendo dados de arquivos (CSV).
• Limpeza de dados.
• Preparação de dados.
• Construindo Datasets.
• Outras fontes de dados (Excel, bases de dados, web).
• Manipulação de Banco de Dados.

Visualização de Dados em R.

• Graphics Package.
• plot.
• barplot.
• hist.
• boxplot
• scatter plot.
• Heat Map.
• ggplot2 package (qplot e ggplot).

Formatação de Dados.

• Formatando e Limpando os Dados com dplyr.
• Formatando e Limpando os Dados com tidyr.

Métodos estatísticos em R.

• Funções Estatísticas.
• Dealing.
• Probability distributions.
• Distributions (Binomial, Poisson, Normal).
• Grouping e loops.
• Conditional execution.
• Escrevendo suas funções.

Análise Preditiva e Machine Learning com R.

• Introdução à Machine Learning.
• Linear Regressions.
• Recommendations.
• Clusterin.
• KMeans.
• Classification.
• Naive Bayes.
• Decision Trees.
• Correlação entre causa e efeito.

Gerais.

• Big Data Ecosystem.
• Importação de Dados e Web Scraping.
• Text Mining.
• Subsetting, Séries Temporais e Análise Reproduzível.
• Documentação com R Markdown.
• Programação funcional com R.

Overview People Analytics - R para Recursos Humanos.

• Fundamentos de HR analytics.
• Interpretação de dados.
• Storytelling.
• Aquisição de dados.
• Data-Management Tools.

Carga Horária.

• 32 Horas.

Pré-Requisitos.

• Conhecimento Básico de Estatística é recomendável.
• Conhecimento Básico de programação é recomendável.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 15 alunos para um melhor desempenho.

Requisitos Recomendados de Hardware.

• Memória RAM: 8GB.
• Espaço em Disco: 30 GB
• Processadores: 64 bits (chipsets de x64).
• CPU: 4 CPUs/núcleos.
• Sistemas Operacionais: GNU/Linux, Windows.
• Virtualbox.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares R e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas com exercícios práticos (hacks) desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.

Metodologia.

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos R e cursos R. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

Instrutor.

Sobre o Treinamento

O OpenSearch é um mecanismo de pesquisa e análise de código aberto distribuído, construído no Apache Lucene e desenvolvido em Java. O treinamento fundamental em OpenSearch prepara profissionais para o mercado de indexação textual e documental para pesquisas elásticas e eficientes de fontes de big data ou de sistemas com que pretendem embutir o OpenSearch como motor de busca textual. Seu conteúdo programático foi desenvolvido para que profissionais possam implementar soluções complexas em ambientes clusterizados para gestão de buscas textuais.

Conteúdo Programático.

Conceitual OpenSearch.

• Introdução a Pesquisas.
• Apache Lucene/Elasticsearch.
• Elasticsearch no ecossistema de Big Data.
• OpenSearch Stack.
• Text Analytics e Geo Search.
• Terminologias.
• Cases de OpenSearch.
• Empresas usando OpenSearch no Brasil
• Elasticsearch X AWS OpenSearch X Apache Solr.

Instalação do OpenSearch.

• Instalando um nó de OpenSearch.
• Iniciando o OpenSearch.

Fundamentos do OpenSearch

• Arquitetura do OpenSearch.
• Sharding.
• Arquivos Básicos.
• Conceitos Básicos.
• Admin UI.
• Adicionando conteúdo ao OpenSearch.
• Alterando parâmetros da URL.
• Adicionando conteúdo personalizado.
• indexando coleções de documentos.
• Deletando documentos.
• Pesquisando Documentos
• Operações de CRUD.

 Índices no OpenSearch.

• Introdução aos índices no OpenSearch.
• Estrutura de um índice: documentos, shards e réplicas.
• Criação de um índice
• Configurações de índice e mapeamento de tipos.
• Indexação de documentos
• Tokenização.
• Normalização.
• Encontrando a raiz das palavras.
• Stopwords.
• Sinônimos.
• Erros ortográficos
• Analysis.
• Index Shard Allocation.
• Index blocks.
• Mapper.
• Merge.
• Similarity module.
• Slow Log.
• Index Sorting.

Configurações do OpenSearch.

• Introdução às configurações no OpenSearch.
• Arquivo de configuração OpenSearch.yml.
• Configuração de armazenamento (caminho de dados e log).
• Configuração de plugins e módulos.
• Configuração de indexação e busca.
• Configuração de idioma.

Cluster

• O modelo distribuído.
• Configuração de um cluster OpenSearch.
• Configurações de rede e descoberta de nós.
• Shards: número, tamanho e alocação
• Réplicas e alta disponibilidade.

API

• API OpenSearch.
• EQL search APIs.
• Data stream APIs

OpenSearch e Java

• Overview.
• Apache Maven.
• Setup do Ambiente de Desenvolvimento.
• Java client.
• Conectando ao OpenSearch.
• Java Low Level REST Client.
• Indexando documentos.

Logstash

• Instalação e Configuração.
• Inputs, Filters, and Outputs.
• Backup and restore.
• Melhores práticas.

Openseach Dashboard

• Instalação e configuração.
• Time Picker, Search, and Filters.
• OpenSearch Discover, Visualization, and Dashboard Interfaces.
• Backup and restore
• Melhores práticas.

Monitoramento

• Monitoramento.
• Desdobramento, desenvolvimento.
• Manutenção e otimização básica.

Carga Horária:

• 32 Horas de duração.

Pré-Requisitos:

• Conhecimento de comandos e servidores Linux.
• Conhecimento básico de desenvolvimento.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para Online ter uma boa conectividade com a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 12 alunos para um melhor desempenho.

Requisitos mínimos de hardware

• Memória RAM : 8GB
• Espaço em Disco: 20GB
• Processador: Dual-core AMD 64, EM64T
• Sistemas Operacionais: GNU/Linux, Windows.
• VirtualBox.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares OpenSearch e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.

Metodologia

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos OpenSearch e cursos OpenSearch. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

Instrutor

Sobre o Treinamento

O ElasticSearch é um mecanismo de pesquisa e análise de código aberto distribuído, construído no Apache Lucene e desenvolvido em Java. O treinamento fundamental em ElasticSearch prepara profissionais para o mercado de indexação textual e documental para pesquisas elásticas e eficientes de fontes de BIG DATA ou de sistemas com que pretendem embutir o ElasticSearch como motor de busca textual. Seu conteúdo programático foi desenvolvido para que profissionais possam implementar soluções soluções complexas em ambientes clusterizados para gestão de buscas textuais.

Conteúdo Programático.

Conceitual ElasticSearch.

• Introdução a Pesquisas.
• A empresa Elastic.
• Apache Lucene/ElasticSearch.
• ElasticSearch no ecossistema de BIG DATA.
• Elastic Stack (ELK).
• Text Analytics e Geo Search.
• Terminologias.
• Cases de ElasticSearch.
• Empresas usando ElasticSearch no Brasil
• ElasticSearch X Opensearch X Apache Solr.

Instalação do ElasticSearch.

• Instalando um nó de ElasticSearch.
• Iniciando o ElasticSearch.

Fundamentos do ElasticSearch

• Arquitetura do ElasticSearch.
• Sharding.
• Arquivos Básicos.
• Conceitos Básicos.
• Admin UI.
• Adicionando conteúdo ao ElasticSearch.
• Alterando parâmetros da URL.
• Adicionando conteúdo personalizado.
• indexando coleções de documentos.
• Deletando documentos.
• Pesquisando Documentos
• Operações de CRUD.

 Índices no ElasticSearch.

• Introdução aos índices no ElasticSearch.
• Estrutura de um índice: documentos, shards e réplicas.
• Criação de um índice
• Configurações de índice e mapeamento de tipos.
• Indexação de documentos
• Tokenização.
• Normalização.
• Encontrando a raiz das palavras.
• Stopwords.
• Sinônimos.
• Erros ortográficos
• Analysis.
• Index Shard Allocation.
• Index blocks.
• Mapper.
• Merge.
• Similarity module.
• Slow Log.
• Index Sorting.

Configurações do ElasticSearch.

• Introdução às configurações no ElasticSearch.
• Arquivo de configuração ElasticSearch.yml.
• Configuração de armazenamento (caminho de dados e log).
• Configuração de plugins e módulos.
• Configuração de indexação e busca.
• Configuração de idioma.

Cluster

• O modelo distribuído.
• Configuração de um cluster ElasticSearch.
• Configurações de rede e descoberta de nós.
• Shards: número, tamanho e alocação
• Réplicas e alta disponibilidade.

API

• API ElasticSearch.
• EQL search APIs.
• Data stream APIs

ElasticSearch e Java

• Overview.
• Apache Maven.
• Setup do Ambiente de Desenvolvimento.
• Java client.
• Conectando ao ElasticSearch.
• Java Low Level REST Client.
• Indexando documentos.

Logstash

• Instalação e Configuração.
• Inputs, Filters, and Outputs.
• Backup and restore.
• Melhores práticas.

Kibana

• Instalação e configuração.
• Time Picker, Search, and Filters.
• Kibana Discover, Visualization, and Dashboard Interfaces
• Backup and restore
• Melhores práticas.

Monitoramento

• Monitoramento.
• Desdobramento, desenvolvimento.
• Manutenção e otimização básica.

Carga Horária:

• 32 Horas de duração.

Pré-Requisitos:

• Conhecimento de comandos e servidores Linux.
• Conhecimento básico de desenvolvimento.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para Online ter uma boa conectividade com a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 12 alunos para um melhor desempenho.

Requisitos mínimos de hardware

• Memória RAM : 8GB
• Espaço em Disco: 20GB
• Processador: Dual-core AMD 64, EM64T
• Sistemas Operacionais: GNU/Linux, Windows.
• VirtualBox.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares ElasticSearch e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.

Metodologia

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos ElasticSearch e cursos ElasticSearch. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

Instrutor

Sobre o Treinamento.

Este treinamento capacita os alunos para com o Software PrestoDB. O Presto é um mecanismo de consulta distribuído para BIG DATA usando a linguagem de consulta SQL. Sua arquitetura permite que os usuários consultem fontes de dados como Hadoop, Cassandra, Kafka, AWS S3, Alluxio, MySQL, MongoDB e Teradata, e permite o uso de várias fontes de dados em uma consulta.

O que vou aprender?

Ao final deste treinamento você será capaz de:

• Empregar Presto conceitos-chave para otimizar os sistemas de BIG DATA modernos.
• Executar armazéns de escala de exabyte.
• Clone os dados para um sistema de armazenamento de dados proprietário.
• Configurar os principais recursos do PrestoDB.
• Utilizar as opções da interface do usuário do PrestoDB.
• Connectar-se com Ferramentas de Visualização.

Público-alvo.

Este treinamento é direcionado para as seguintes profissionais:

• Engenheiros de infraestrutura de BIG DATA.
• Engenheiro de Dados.
• Desenvolvedores.
• Cientistas de Dados.

Dificuldade.

Intermediário.

Aplicabilidade.

Este treinamento foi desenvolvido usando o PrestoDB 0.254 e foi modificado pela última vez em 02 de Março de 2023.

Conteúdo Programático

Introdução e conceituais.

• SQL ANSI.
• Query Engines.
• O que é o PrestoDB.
• Arquitetura do PrestoDB.
• Recursos e benefícios do PrestoDB.
• Comparação com outras ferramentas de processamento de dados.
• Licenciamento (Free Software X Open Source).
• Empresas usando PrestoDB no mundo.
• Empresas usando PrestoDB no Brasil.
• Versões do PrestoDB.
• Comunidade PrestoDB no Brasil e no Mundo.
• Casos de Uso.
• Livros, sites, documentação e referências complementares.

Instalação e Configuração.

• Requisitos de hardware e software.
• Instalação do PrestoDB em diferentes sistemas operacionais.
• Configuração básica do PrestoDB.

Modelagem de Dados e Consultas

• SQL Statement Syntax.
• Tipos de dados suportados pelo PrestoDB.
• Modelagem de dados no PrestoDB.
• Consultas SQL básicas no PrestoDB.
• Consultas SQL avançadas no PrestoDB.
• Consultas distribuídas no PrestoDB.
• Filtrando dados.
• Migrando fontes de dados.
• Trabalhando com bandas de bolllinger.
• Benchmarking com TCHP.
• Trabalhando com conectores.

Administração e Gerenciamento de Cluster

• Web Interface.
• Tuning Presto.
• Properties Reference.
• Conceitos de gerenciamento de cluster no PrestoDB.
• Configuração de um cluster PrestoDB.
• Adição e remoção de nós do cluster.
• Monitoramento e solução de problemas do cluster.

Integração com outras Ferramentas

• Driver JDBC para PrestoDB.
• Integração com ferramentas de armazenamento de dados, como Hadoop HDFS, Amazon S3, Minio, e outros
• Integração com ferramentas de processamento de dados, como Apache Spark e Apache Flink.
• Integração com ferramentas de Business Intelligence e ETL (Pentaho, Hop).

Segurança

• Configuração de segurança.
• Password File Authentication.
• Authorization.

API

• HTTP Connector
• Presto Client REST API.
• Presto Worker REST API.
• SerializedPage Wire Format.

Uso Avançado

• Uso de funções personalizadas no PrestoDB.
• Uso de UDFs (User-Defined Functions) no PrestoDB.
• Uso de recursos avançados de segurança, como a criptografia de dados.
• Uso do PrestoDB em ambientes de produção.

Práticas recomendadas

• Melhores práticas para modelagem de dados e consultas no PrestoDB.
• Melhores práticas para gerenciamento de cluster no PrestoDB.
• Melhores práticas para integração com outras ferramentas.
• Melhores práticas para uso avançado do PrestoDB.

Carga Horária.

• 24 Horas.

Pré-requisitos.

Este treinamento pressupõe que o aluno seja competente com as seguintes ferramentas, tecnologias e conceitos:

• Conhecimento básico em desenvolvimento Java.
• Conhecimento básico em arquitetura de microsserviços.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 12 alunos para um melhor desempenho.

Requisitos Recomendados de Hardware.

• Memória RAM: 8GB.
• Espaço em Disco: 20GB.
• Processador: 64 bits (chipsts de x64).
• CPU: 2 núcleos.
• Sistemas Operacionais: GNU/Linux, Windows.
• VirtualBox.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares PrestoDB e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.

Metodologia.

• O treinamento apresenta uma empresa fictícia que necessita analisar dados de suas áreas e todas as fases da implantação.
• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos PrestoDB e cursos PrestoDB. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

Instrutor

Sobre o Treinamento

O treinamento fundamental em Camunda Platform 7 BPM, conhecido como Camunda 7, é voltado para analista de negocio que pretendem mapear processos usando notação BPMN, CMMN ou DMN e desenvolvedores que pretendem conhecer o processo de implementação de workflows na ferramenta Camunda e integrar a suas aplicações. As integrações técnicas do treinamento serão expostas em linguagem Java mas podem ser desenvolvidos via SDK em PHP, Javascript ou C#, e analistas de negocio mesmo não sendo dominantes de programação entenderão as possibilidades de uso da solução como um motor de processos incorporado a qualquer software.

O objetivo deste treinamento de 3 dias é dar-lhe informações detalhadas sobre a automação de processos com o Camunda BPM e Java, no final desse treinamento você irá conhecer o básico da BPMN, compreender os conceitos técnicos essenciais do mecanismo BPM da Camunda 7 e ser capaz de implementar aplicativos de processo por conta própria e saber como testá-los.

Dificuldade: Intermediário.

Aplicabilidade.

Este treinamento foi desenvolvido usando o Camunda 7 Community Edition na versão 7.19, e foi modificado pela última vez em 4 de Novembro de 2023.

Conteúdo Programático

Introdução

• O que é um fluxo de trabalho (Workflow).
• Introdução ao BPMN 2.0 (Business Process Model and Notation).
• Introdução ao DMN 1.1.
• Introdução ao CMMN 1.1.
• O Projeto Camunda.
• Activiti x Camunda x Bonita X Flowable.
• Licenciamento (Free Software X Open Source).
• Empresas usando Camunda no mundo.
• Empresas usando Camunda no Brasil.
• Versões do Camunda.
• Comunidade Camunda no Brasil e no Mundo.
• Livros, sites, documentação e referências complementares.

BPM e Automação de processos

• Modelagem de processo com BPMN 2.0.
• Principais Elementos da Notação BPMN.
• Gestão de Decisão com DMN 1.1.
• Gerenciamento de Casos com CMMN 1.1.
• Automação do processo.
• Cadeia de ferramentas e metodologia.
• Padrões e melhores práticas.

Process Engine

• Arquitetura do Camunda.
• API (Java, REST, SOAP).
• Dados de processo (Variáveis, XML, JSON) e Idioma de Expressão (JUEL, XPath).
• Gestão de tarefas humanas.
• Manipulação de erros.
• Cenários de implantação.
• Versionamento de Processos.
• Orquestração de serviços.

Aplicações de processo

• Arquitetura de aplicações de processo.
• Testes unitários com JUnit e Arquillian.
• Interfaces de usuário / Formulários de tarefas.
• Cenários de implantação.
• Acessando Serviços (Java, REST, SOAP, EMail)

Integrações via API REST

• O protocolo REST.
• Arquitetura dos Serviços Camunda (API REST).
• Formas de Autenticação.
• JSON Objects
• Usando o RESTClient.
• API REST Batch.
• API REST Case Definition.
• API REST Case Instance.
• API REST Deployment.
• API REST Engine.
• API REST Execution e External Task.
• API REST Variable Instance.
• Camunda REST client para Java Spring Boot.

Tópicos Avançados.

• Friendly Enough Expression Language (FEEL).
• Modelo de programação usando CDI ou Spring.
• Autenticação via protocolo LDAP (OpenLDAP ou Active Directory).
• DMN com outras linguagens: JUEL, JavaScript, Groovy ou Python.
• Integração com Bibliotecas externas Python, Java, etc.
• Tenants no Camunda.
• Camunda e Spring Framework.
• Microsserviços e conectores.
• Camunda com Apache Maven.
• Usando o Java Delegate.
• Como Apoiar o projeto Camunda com códigos de melhorias.
• Overview do Zeebe para orquestração de microsserviços.

Carga Horária:

• 24 Horas.

Pré-Requisitos:

• Conhecimento básico de Java
• Conhecimento em Java IDE (Eclipse, IntelliJ, NetBeans).

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 12 alunos para um melhor desempenho.

Requisitos mínimos de hardware

• Memória RAM : 4GB
• Espaço em Disco: 10GB
• Processador: Dual-core AMD 64, EM64T ou Superior.
• Sistemas Operacionais : GNU/Linux, Windows.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Camunda e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.

Metodologia

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Próxima turma

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos Camunda e cursos Camunda. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

Instrutor

O treinamento BentoML prepara profissionais para utilizar framework Python utilizado para servir modelos de aprendizado de máquina em produção em escala. Os modelos fornecidos são independentes de seu ambiente; todos os artefatos de modelo, código-fonte e dependências são encapsulados em um formato autocontido chamado Bento. É como ter seu modelo "como um serviço". Entenda o BentoML como o Docker para modelos de ML gerando imagens de Virtual Machines com APIs pré-programadas prontas para implantação e inclui recursos que facilitam para testar essas imagens. O BentoML pode ajudar a acelerar o esforço iniciais de desenvolvimento de projetos de Machine Learning.

Calendário de turmas.

Somente no modelo corporativo no momento.

Dificuldade: Avançado.

Aplicabilidade.

Este treinamento foi desenvolvido usando o BentoML V1.0.12 e foi modificado pela última vez em 14 de Janeiro de 2023.

Conteúdo Programático

Conceitual.

• Introdução a Data Science.
• O profissional Data Scientist.
• Pipeline de dados.
• A Linguagem Python.
• O Software BentoML.
• Software Livre x Open Source.
• Licenciamento.
• Histórico do BentoML.
• Empresas usando BentoML no Mundo.
• Empresas usando BentoML no Brasil.
• Comunidade BentoML.
• Versões do BentoML.
• BentoML Cloud.
• Casos de Uso com BentoML.

Introdução as Frameworks de Machine Learning no BentoML.

• Scikit-learn.
• Pandas
• PyTork.
• TensorFlow.
• XGBoost.
• Jupyter Notebook.

Arquitetura do BentoML.

• Arquitetura do BentoML.
• Bento Client.
• Bento Server.
• Frameworks de Machine Learning suportados.

Instalação do BentoML.

• Requisitos de instalação.
• Instalando o BentoML com Docker.
• Configurando o BentoML.
• gRPC X HTTP.
• YAML.
• Docker.
• Bentoctl.

Modelos no BentoML

• Modelos
• Preparando Modelos.

Serviços.

• Services.
• Criando um Service.
• Debugging Runners.
• Route.
• Inference Context.
• IO Descriptors.
• Schema e Validação.
• Pandas DataFrame.
• JSON.
• Composite Types.
• Usando modelos em Serviços.

Building BentoML.

• Construindo Bentos.
• Gerenciando Bentos.
• Local Bento Store.
• Import and Export.
• Push and Pull.
• Bento Build Options
• Python Packages.

Generate Docker.

• Deploying Bentos.
• Containerize Bentos.
• Deploy via Web UI.
• Deploy via kubectl.
• Deploy with bentoctl

API.

• Service API.
• Bento Store APIs.
• Metric APIs.
• Framework API.
• BentoML CLI.
• Deploy API.

Integrações.

• Apache Airflow.
• Apache Flink.
• MLFlow.

Segurança

• Securing Endpoint Access.
• Server Side Authentication.
• Security Policy.

Carga Horária.

• 24 Horas.

Pré-Requisitos.

• Conhecimento Básico containers.
• Conhecimento Básico de Machine Learning e Data Science.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 15 alunos para um melhor desempenho.

Requisitos Recomendados de Hardware.

• Memória RAM: ideal 8GB
• Espaço em Disco: 30 GB.
• Processadores: 64 bits (chipsets de x64).
• CPU: 4 CPUs/núcleos.
• Sistemas Operacionais: GNU/Linux, Windows.
• Virtualbox.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares BentoML e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas com exercícios práticos (hacks) desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.

Metodologia.

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos BentoML e cursos BentoML. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

Instrutor.

Sobre o Treinamento

Este treinamento Apache Mesos é recomendado a técnicos que já conheçam os conceitos e o básicos da infraestrutura de Big Data e queiram ampliar seus conhecimento sobre sistemas distribuídos para ambiente de Big Data, principalmente para uso junto ao Apache Hadoop e Apache Spark.
O Apache Mesos (https://mesos.apache.org/) é uma plataforma que abstrai recursos computacionais de camada subjacentes, facilitando o desenvolvimento de sistemas distribuídos bastante escaláveis. Pode ser usada para prover uma camada de agendamento para o Docker ou atuar como uma camada de abstração para coisas como AWS. O Twitter a utilizou com grande sucesso para ajudar a escalonar sua infraestrutura, e ferramentas construídas a partir do Apache Mesos já começaram a aparecer, como o Chronos do Airbnb, um substituto do cron tolerante a falhas.

Calendário de turmas

Somente corporativos.

Objetivo

Ministrar os conceitos e técnicas de Sistemas Distribuídos no Mesos.

Público Alvo

O Treinamento Apache Mesos destina-se a profissionais de infraestrutura, arquitetos de sistemas,  engenheiros de dados e equipes de DevOps.

Dificuldade.

Avançado.

Aplicabilidade.

Este treinamento foi desenvolvido usando o Apache Mesos 1.11 e foi modificado pela última vez em 18 de Dezembro de 2022.

Conteúdo Programático:

Introdução ao Hadoop.

• Introdução ao Hadoop.
• Histórico do projeto Apache Hadoop.
• Características do Hadoop.
• Conceitos fundamentais.
• Componentes do núcleo do Hadoop.
• Ecossistema Hadoop.

Introdução ao Apache Mesos.

• Introdução ao Apache Mesos
• O projeto Apache Mesos.
• Histórico do projeto Apache Mesos.
• Versões do Apache Mesos.
• Licenciamento (Free Software X Open Source).
• Apache Software Foundation.
• Patrocinadores da Apache Software Foundation.
• Sistemas distribuídos.
• Arquitetura do Apache Mesos.
• Apache Mesos X Kubernetes.
• Principais empresas que usam Apache Mesos no Mundo.
• Principais empresas que usam Apache Mesos no Brasil.

Instalação e configuração do Apache Mesos.

• Requisitos de instalação.
• Instalando o Apache Mesos.
• Configurações de Building.
• Building Apache Mesos.
• Apache Mesos Master
• Apache Mesos Agent.
• Portas e protocolos de comunicação.
• Principais propriedades.

Apache Zookeeper.

• Apache Zookeeper.
• Recursos.
• Arquitetura.
• Data Model.
• Caso de uso.
• Projetos usando Zookeeper.

Administração do Apache Mesos.

• Agendamento e alocação de recursos.
• Resource scheduling.
• Resource allocation.
• Resources e attributes.
• Alta Performance - Master Setup.
• Tolerância a falha - Agent Setup.
• Mesosphere.
• ZooKeeper connection.
• Mesos - Master server.
• Configurando o Marathon services.
• Configurando por argumentos de  command-line.
• Replicated Log.
• Fault Tolerant Agent Setup
• Framework Rate Limiting
• Manutenção do Cluster Mesos.
• Upgrades e Downgrades.
• Logging.
• Monitoring / Metrics
• Debugging usando CLI.
• Configurando Fetcher Cache.
• Fault Domains.
• Performance Profiling.
• Memory Profiling.

Gerenciamento de Recursos.

• Atributos e Recursos para descrever os agentes que compõem um cluster.
• Usando Funções de Recursos.
• Resource Role para fair sharing.
• Resource Role Quota.
• Reservations.
• Shared Resources.
• Oversubscription.

Segurança no Apache Mesos.

• Autenticação.
• Autorização.
• SSL.
• Secrets
• Gerenciando secrets com Mesos.

Containerização.

• Overview sobre contêineres.
• Orquestração de contêineres.
• Containerizer Internals.
• Configurando o suporte de imagem do Docker para o contêiner Mesos.
• Suporte para Linux e POSIX systems.
• Docker Volume Support
• Container Sandboxes.
• Container Volumes.
• Nested Container and Task Group (Pod).
• Standalone Containers.

Redes.

• Networking Overview.
• Detalhes de Networking.
• Container Network Interface (CNI).
• Port Mapping Isolator.

Storage.

• Multiple Disks.
• Persistent Volume.
• Suporte a  Container Storage Interface (CSI).

Scheduler e Executor Development.

• Executando Workloads no Apache Mesos.
• Framework Development.
• Designing Highly Available Mesos Frameworks.
• Reconciliation.
• Task State.
• Task Health Checking.
• Scheduler HTTP API.
• Executor HTTP API.

API.

• HTTP Endpoints.
• API Client Libraries.
• API Versioning  HTTP API.
• RecordIO.
• Java API
• Operator HTTP API.
• Scheduler HTTP API.
• Executor HTTP API.
• Mesos Modules.
• Allocation Module.

Pré-requisitos de conhecimento

• Conhecimento básico Linux.
• Conhecimento básico de redes (proxy, gateway,etc).

Requisitos dos alunos

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 12 alunos para um melhor desempenho.

Requisitos mínimos de hardware

• Memória RAM: 8 GB.
• Espaço em Disco: 50GB.
• Processador: i5 ou i7 com no mínimo 4 cores.
• Sistemas Operacionais: GNU/Linux, Windows.
• Todos equipamentos devem ter algum software de virtualização Oracle Virtual Box.

Carga Horária

• 24 Horas de duração.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Apache Mesos e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.

Metodologia

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas

Inscrições, Informações e Valores

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos Apache Mesos, e cursos sobre Apache Mesos. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Instrutores