Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Repaso de los fundamentos de Apache Airflow
- Conceptos clave: DAGs, operadores y flujo de ejecución.
- Arquitectura y componentes de Airflow.
- Comprensión de casos de uso y flujos de trabajo avanzados.
Creación de operadores personalizados
- Comprensión de la estructura de un operador de Airflow.
- Desarrollo de operadores personalizados para tareas específicas.
- Pruebas y depuración de operadores personalizados.
Hooks y sensores personalizados
- Implementación de hooks para la integración con sistemas externos.
- Creación de sensores para monitorear disparadores externos.
- Mejora de la interactividad del flujo de trabajo con sensores personalizados.
Desarrollo de complementos de Airflow
- Comprensión de la arquitectura de complementos.
- Diseño de complementos para ampliar la funcionalidad de Airflow.
- Mejores prácticas para la gestión e implementación de complementos.
Integración de Airflow con sistemas externos
- Conexión de Airflow a bases de datos, APIs y servicios en la nube.
- Uso de Airflow para flujos de trabajo ETL y procesamiento de datos en tiempo real.
- Gestión de dependencias entre Airflow y sistemas externos.
Depuración y monitoreo avanzados
- Uso de registros y métricas de Airflow para la resolución de problemas.
- Configuración de alertas y notificaciones para incidencias en los flujos de trabajo.
- Integración de herramientas de monitoreo externas con Airflow.
Optimización del rendimiento y la escalabilidad
- Escalado de Airflow mediante ejecutores Celery y Kubernetes.
- Optimización del uso de recursos en flujos de trabajo complejos.
- Estrategias para alta disponibilidad y tolerancia a fallos.
Casos de estudio y aplicaciones prácticas
- Exploración de casos de uso avanzados en ingeniería de datos y DevOps.
- Caso de estudio: Implementación de un operador personalizado para ETL a gran escala.
- Mejores prácticas para la gestión de flujos de trabajo a nivel empresarial.
Resumen y próximos pasos
Requerimientos
- Comprensión sólida de los fundamentos de Apache Airflow, incluidos DAGs, operadores y arquitectura de ejecución.
- Domino del lenguaje de programación Python.
- Experiencia en la integración de sistemas de datos y orquestación de flujos de trabajo.
Público objetivo
- Ingenieros de datos.
- Ingenieros DevOps.
- Arquitectos de software.
21 Horas
Testimonios (1)
El instructor adaptó la formación al nivel de los participantes y respondió a todas las preguntas. Fue muy comunicativo y resultó fácil interactuar con él. Apreciei mucho el formato de la formación, que incluía muchos ejercicios prácticos. En general, fue una sesión muy entretenida y bien organizada.
Jacek Chlopik - ZAKLAD UBEZPIECZEN SPOLECZNYCH
Curso - Apache Airflow: Building and Managing Data Pipelines
Traducción Automática