Envíanos tu consulta

Buscar cursos

Catálogo 2024-25

Cursos ¡Últimas plazas!Servicios FUNDAE Tutoriales Plataforma LMS

Solicitar información

Buscar cursos

Solicitar información

Formación

Modalidades

Próximas Convocatorias

Temario

FAQ

Solicitar información

Cursos de Data/Cursos de Bases de Datos/Curso Apache Druid

Curso de Apache Druid

DISPONIBLE EN MODALIDAD:

Aula Virtual Personalizada

Aprende Apache Druid para análisis de datos en tiempo real y domina esta herramienta de alto rendimiento.

Este curso te enseña a implementar y utilizar Apache Druid, una plataforma distribuida para análisis en tiempo real de grandes volúmenes de datos. Ideal para analistas e ingenieros de datos, aprenderás a configurar entornos, ejecutar consultas avanzadas y optimizar tu infraestructura para un rendimiento óptimo. ¡Descubre el poder del análisis en tiempo real con Druid!

Formación en Apache Druid bonificable para empresas

A quién va dirigido nuestro curso de Apache Druid

Analistas de datos, ingenieros de datos y arquitectos de software interesados en procesar y analizar datos masivos en tiempo real.

Objetivos de nuestro curso de Apache Druid

Comprender la arquitectura y funcionamiento de Apache Druid para procesar grandes volúmenes de datos.
Configurar y desplegar un entorno funcional de Apache Druid desde cero.
Diseñar y ejecutar consultas eficientes para análisis en tiempo real.
Integrar Apache Druid con herramientas populares de ingestión y visualización de datos.
Implementar prácticas de optimización y monitoreo para entornos de producción.

Qué vas a aprender en nuestro curso de Apache Druid

Requisitos de nuestro curso de Apache Druid

Experiencia y conocimientos fundamentales de SQL, bases de datos relacionales y no relacionales, además de nociones acerca de sistemas distribuidos y análisis de datos.
Requisitos técnicos: CPU multinúcleo (mínimo 8 núcleos). 16 GB de RAM como mínimo. 200 GB de almacenamiento libre en disco SSD. Sistema Operativo: Linux (Ubuntu 20.04 o superior) o macOS. Permisos requeridos: Acceso de administrador para instalar software y configurar redes en el sistema operativo.
Instalaciones necesarias: Docker 20.10+, Java 11+, Apache Druid 25.0.0.
Acceso a un entorno de red para el despliegue distribuido.

Temario del curso de Apache Druid

tema 1

Introducción a Apache Druid

Conceptos básicos de Apache Druid
Casos de uso en tiempo real
Comparativa con otras herramientas de análisis masivo
Componentes principales de Druid
Instalación y configuración básica
Arquitectura de almacenamiento y procesamiento
Roles clave en un clúster de Druid
Cómo se manejan las consultas en Druid
Tipos de datos soportados
Primer vistazo a la consola web de Druid

tema 2

Casos de uso y beneficios de Apache Druid

Aplicaciones en análisis de streaming
Uso en empresas de tecnología y retail
Implementación en sistemas financieros
Comparativa con Snowflake y ClickHouse
Análisis de datos geoespaciales
Reducción de latencias en dashboards
Optimización de recursos en clusters
Escenarios de alta concurrencia
Casos de estudio de la industria
Beneficios para usuarios finales

tema 3

Arquitectura de Apache Druid

Arquitectura distribuida y escalable
Componentes: Overlord, MiddleManager, Historical y Broker
Funcionamiento del DataNode y Metastore
Coordinador y balanceo de datos
Optimización de particiones y segmentaciones
Procesamiento en memoria y almacenamiento persistente
Funcionamiento de consultas en tiempo real y batch
Manejo de tolerancia a fallos en el clúster
Escalabilidad horizontal y vertical
Integración con sistemas de monitoreo

tema 4

Ingestión de datos en Druid

Procesos de ingestión en tiempo real vs. batch
Tipos de conectores de ingestión
Integración con Apache Kafka y Apache Hadoop
Creación de esquemas de ingestión
Transformaciones y filtros durante la ingestión
Configuración de ingestion tasks en la consola
Optimización de procesos de ingestión
Manejo de datos con tiempo no lineal
Consideraciones sobre fuentes de datos externas
Automatización de procesos de ingestión

tema 5

Diseño de esquemas de datos en Druid

Planificación de segmentaciones de datos
Configuración de time granularity
Uso de índices inversos
Ventajas de las dimensiones preagregadas
Transformaciones y cálculos durante la ingestión
Esquemas dinámicos vs. estáticos
Definición de data sources múltiples
Normalización vs. desnormalización en Druid
Relación entre dimensiones y métricas
Herramientas para validar esquemas

tema 6

Diseño de consultas en Druid

Introducción a Druid SQL
Consultas OLAP vs. OLTP en Druid
Funciones avanzadas de agregación y filtrado
Ejecución de consultas en tiempo real
Optimización de consultas mediante índices
Uso de funciones JSON y arreglos
Consultas jerárquicas y drilling down
Exportación de datos y resultados
Errores comunes en consultas y cómo evitarlos
Benchmarks de rendimiento en consultas

tema 7

Seguridad en Apache Druid

Introducción a los mecanismos de seguridad en Druid
Configuración de autenticación y autorización
Gestión de usuarios y roles
Prácticas recomendadas para datos sensibles
Configuración de acceso a clústeres
Implementación de TLS/SSL en conexiones
Auditoría de actividades en Druid
Monitorización de accesos y uso del sistema
Copias de seguridad y recuperación ante fallos
Integración con sistemas de autenticación externos (LDAP, OAuth)

tema 8

Optimización del rendimiento de Druid

Configuración avanzada de índices
Uso eficiente del almacenamiento en segmentos
Ajustes de caching y memoria
Escalado eficiente del clúster
Monitoreo de métricas clave con Grafana y Prometheus
Identificación y resolución de cuellos de botella
Optimización de ingestión para datos masivos
Consideraciones sobre hardware y red
Balanceo de cargas entre nodos
Migración y actualización del clúster

tema 9

Monitorización y métricas en Apache Druid

Introducción a las métricas clave en Druid
Configuración de herramientas de monitoreo
Integración con Prometheus y Grafana
Alertas personalizadas para operaciones críticas
Identificación de patrones de uso y cuellos de botella
Análisis de logs para resolución de problemas
Métricas para optimización de consultas
Monitorización de ingestión de datos
Prácticas recomendadas de monitoreo
Creación de dashboards personalizados

tema 10

Escalabilidad y clustering avanzado

Configuración de un clúster distribuido
Balanceo de carga entre nodos
Configuración de autoescalado con Kubernetes
Estrategias de partición de datos
Migración de datos entre clústeres
Gestión de múltiples data sources
Configuración avanzada de históricos y brokers
Adaptación de nodos según uso
Integración con soluciones de escalabilidad en la nube
Optimización del costo en infraestructuras escalables

tema 11

Integración con herramientas externas

Integración con herramientas de visualización como Tableau y Superset
Conexión con herramientas de ingestión: Kafka y Pulsar
Uso de API REST de Druid para consultas
Integración con bibliotecas de Python para análisis
Exportación de datos a sistemas externos
Casos de uso con sistemas de notificación y alerta
Conexión con plataformas cloud (AWS, GCP, Azure)
Configuración de autenticación para integraciones
Consideraciones de seguridad en integraciones
Automatización de pipelines con Apache Airflow

tema 12

Proyecto final: Implementación de un sistema de análisis en tiempo real

Configuración de un clúster de Apache Druid desde cero
Ingestión de datos de un flujo en tiempo real con Kafka
Diseño de un esquema eficiente para los datos
Creación de consultas avanzadas para análisis OLAP
Integración con una herramienta de visualización (Tableau o Superset)
Optimización del rendimiento del sistema
Implementación de mecanismos de seguridad
Monitoreo del clúster con Grafana
Presentación de resultados en tiempo real
Documentación completa del proyecto