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 básicos: DAGs, operadores y flujo de ejecución.
- Arquitectura y componentes de Airflow.
- Comprensión de casos de uso avanzados y flujos de trabajo.
Creación de operadores personalizados
- Comprensión de la anatomía 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 integración con sistemas externos.
- Creación de sensores para monitorizar disparadores externos.
- Mejora de la interactividad del flujo de trabajo mediante sensores personalizados.
Desarrollo de complementos para Airflow
- Comprensión de la arquitectura de complementos.
- Diseño de complementos para extender la funcionalidad de Airflow.
- Buenas prácticas para gestionar e implementar complementos.
Integración de Airflow con sistemas externos
- Conexión de Airflow a bases de datos, API 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 monitorización avanzadas
- Uso de registros y métricas de Airflow para resolver problemas.
- Configuración de alertas y notificaciones para incidencias en los flujos de trabajo.
- Aprovechamiento de herramientas de monitorización externas con Airflow.
Optimización del rendimiento y escalabilidad
- Escalar Airflow utilizando ejecutores Celery y Kubernetes.
- Optimizar el 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.
- Buenas prácticas para gestionar flujos de trabajo a nivel empresarial.
Resumen y siguientes pasos
Requerimientos
- Sólida comprensión de los fundamentos de Apache Airflow, incluyendo DAGs, operadores y arquitectura de ejecución.
- Habilidad en programación con Python.
- Experiencia integrando sistemas de datos y orquestación de flujos de trabajo.
Público objetivo
- Ingenieros de datos.
- Ingenieros DevOps.
- Arquitectos de software.
21 Horas
Reseñas (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