Odcinek
Przykład pozyskiwania danych, przetwarzania strumienia i analizy tonacji przy użyciu przykładu danych usługi Twitter
Postępuj zgodnie z rozmową między Lena i Suz i dowiedz się więcej o konfigurowaniu systemu pozyskiwania i przetwarzania danych składającego się z producenta zdarzeń, niezawodnej agregacji zdarzeń i konsumenta przy użyciu klienta Twitter, usługi Event Hubs i platformy Spark w usłudze Azure Databricks jako przykładu. Lena i Suz omawiają również alternatywne opcje przetwarzania strumienia oraz sposób ich użycia w różnych scenariuszach, w tym IoT, oraz sposób stosowania uczenia maszynowego do danych przesyłanych strumieniowo, pokazując przykład analizy tonacji na tweetach przychodzących w czasie rzeczywistym.
Przydatne linki:
https://lenadroid.github.io/posts/connecting-spark-and-eventhubs.html
https://lenadroid.github.io/posts/offset-enqueuetime-spark-eventhubs.html
https://lenadroid.github.io/posts/sentiment-analysis-streaming-data.html
Postępuj zgodnie z rozmową między Lena i Suz i dowiedz się więcej o konfigurowaniu systemu pozyskiwania i przetwarzania danych składającego się z producenta zdarzeń, niezawodnej agregacji zdarzeń i konsumenta przy użyciu klienta Twitter, usługi Event Hubs i platformy Spark w usłudze Azure Databricks jako przykładu. Lena i Suz omawiają również alternatywne opcje przetwarzania strumienia oraz sposób ich użycia w różnych scenariuszach, w tym IoT, oraz sposób stosowania uczenia maszynowego do danych przesyłanych strumieniowo, pokazując przykład analizy tonacji na tweetach przychodzących w czasie rzeczywistym.
Przydatne linki:
https://lenadroid.github.io/posts/connecting-spark-and-eventhubs.html
https://lenadroid.github.io/posts/offset-enqueuetime-spark-eventhubs.html
https://lenadroid.github.io/posts/sentiment-analysis-streaming-data.html
Chcesz przesłać opinię? Prześlij problem tutaj.