Hubungi Kami

Kerangka Materi

Dasar-Dasar NiFi dan Alur Data (Data Flow)

  • Data dalam gerak vs data diam (data at rest): konsep dan tantangan
  • Arsitektur NiFi: inti (cores), pengontrol alur (flow controller), provenance, dan papan pengumuman (bulletin)
  • Komponen kunci: prosesor, koneksi, pengontrol, dan provenance

Konteks Big Data dan Integrasi

  • Peran NiFi dalam ekosistem Big Data (Hadoop, Kafka, penyimpanan cloud)
  • Gambaran umum HDFS, MapReduce, dan alternatif modern
  • Kasus penggunaan: ingest streaming, pengiriman log, pipeline event

Instalasi, Konfigurasi & Pengaturan Klaster

  • Menginstal NiFi pada mode single node dan klaster
  • Konfigurasi klaster: peran node, Zookeeper, dan load balancing
  • Orkestrasi penerapan NiFi: menggunakan Ansible, Docker, atau Helm

Merancang dan Mengelola Alur Data (Dataflows)

  • Routing, filtering, splitting, merging alur
  • Konfigurasi prosesor (InvokeHTTP, QueryRecord, PutDatabaseRecord, dll.)
  • Penanganan skema, pengayaan data (enrichment), dan operasi transformasi
  • Penanganan kesalahan, hubungan retry, dan backpressure

Skenario Integrasi

  • Menghubungkan ke basis data, sistem messaging, REST API
  • Streaming ke sistem analitik: Kafka, Elasticsearch, atau penyimpanan cloud
  • Integrasi dengan Splunk, Prometheus, atau pipeline logging

Pemantauan, Pemulihan & Provenance

  • Menggunakan UI NiFi, metrik, dan visualizer provenance
  • Merancang pemulihan otonom dan penanganan kegagalan yang anggun
  • Backup, versi alur (flow versioning), dan manajemen perubahan

Penyetelan Kinerja & Optimasi

  • Menyetel JVM, heap, pool thread, dan parameter klastering
  • Mengoptimalkan desain alur untuk mengurangi bottleneck
  • Isolasi sumber daya, prioritisasi alur, dan kontrol throughput

Praktik Terbaik & Tata Kelola (Governance)

  • Dokumentasi alur, standar penamaan, desain modular
  • Keamanan: TLS, autentikasi, pengendalian akses, enkripsi data
  • Pengendalian perubahan, versi, akses berbasis peran, jejak audit

Pemecahan Masalah & Respons Insiden

  • Masalah umum: deadlock, kebocoran memori, kesalahan prosesor
  • Analisis log, diagnostik kesalahan, dan investigasi akar masalah
  • Strategi pemulihan dan rollback alur

Laboratorium Hands-on: Implementasi Pipeline Data yang Realistis

  • Membangun alur dari ujung ke ujung: ingest, transformasi, pengiriman
  • Mengimplementasikan penanganan kesalahan, backpressure, dan skalabilitas
  • Menguji kinerja dan menyetel pipeline

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pengalaman dengan command line Linux
  • Pemahaman dasar tentang jaringan dan sistem data
  • Paparan terhadap konsep data streaming atau ETL

Audience

  • Administrator sistem
  • Insinyur data
  • Pengembang (Developers)
  • Profesional DevOps
 21 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (7)

Kursus Mendatang

Kategori Terkait