Bu gönderi, redBus'tan Girish Kumar Chidananda ile birlikte yazılmıştır.
kırmızı otobüs AWS'yi Hindistan'da ilk benimseyenlerden biridir ve hizmetlerinin ve uygulamalarının çoğu AWS Cloud'da barındırılmaktadır. AWS, redBus'a altyapılarını hızla ölçeklendirirken maliyetleri son derece düşük tutma esnekliği sağladı. AWS, redBus'un kefil olabileceği müşteri desteği sağlamak da dahil olmak üzere ihtiyaçlarının çoğunu karşılayacak kapsamlı bir hizmet paketine sahiptir.
Bu gönderide, redBus'ın veri platformu mimarisini ve çeşitli bileşenlerin veri otoyolunu oluşturmak için nasıl bağlandığını paylaşıyoruz. Ayrıca redBus'un gerçek zamanlı iş zekası (BI) kullanım senaryoları için panolar oluştururken karşılaştığı zorlukları ve bunların nasıl kullanıldığını tartışıyoruz. Amazon QuickSight, hızlı, kullanımı kolay, bulut destekli bir iş analitiği hizmeti, redBus'taki tüm çalışanların verilerinden, herhangi bir zamanda ve herhangi bir cihazda görselleştirmeler oluşturmasını ve ad hoc analizler gerçekleştirmesini kolaylaştırıyor.
redBus hakkında
kırmızı otobüs Hindistan'da inşa edilen ve dünya çapında 36 milyondan fazla mutlu müşteriye hizmet veren dünyanın en büyük çevrimiçi otobüs biletleme platformudur. RedBus, otobüs biletleme sektörünün yanı sıra, aynı zamanda bir demiryolu biletleme hizmeti de yürütür. kırmızı raylar ve bir otobüs ve araba kiralama hizmeti adı verilen rYde. MakeMyTrip ve Goibibo gibi diğer önde gelen çevrimiçi seyahat markalarını içeren kapsamlı bir marka portföyü ile Hindistan'ın lider çevrimiçi seyahat şirketi olan GO-MMT grubunun bir parçasıdır.
redBus'ın veri yolu 1.0
redBus, yolcu yolculuğu takibi, yoğun trafik sırasında talebi tahmin etme, otobüs operatörlerinin kayıt sürecindeki darboğazları belirleme ve ele alma ve daha pek çok konuda her düzeyde veriye dayalı kararlar almaya büyük ölçüde güvenir. RedBus'ın faaliyet gösterdiği şehir ve ülke sayısı ve her şehirde hizmeti kullanan otobüs operatörleri ve yolcu sayısı açısından büyümesiyle birlikte, gelen veri miktarı da arttı. Verilere tek bir yerden erişme ve bunları analiz etme ihtiyacı, aşağıdaki şemada gösterildiği gibi kendi veri platformlarını oluşturmalarını gerektirdi.
Aşağıdaki bölümlerde, her bileşene daha ayrıntılı olarak bakıyoruz.
Veri alma kaynakları
Veri platformu 1.0 ile veriler çeşitli kaynaklardan alınır:
- Gerçek zaman – RedBus mobil uygulamalarından, arka uç mikro hizmetlerinden ve bir yolcu, otobüs operatörü veya uygulama otobüs bileti rezervasyonu yapmak, otobüs envanterini aramak, bir KYC belgesi yüklemek ve daha fazlası gibi herhangi bir işlem yaptığında gerçek zamanlı veri akışı
- Toplu modu – Zamanlanmış işler, aşağıdakiler gibi birden çok kalıcı veri deposundan veri getirir: Amazon İlişkisel Veritabanı Hizmeti (Amazon RDS), tüm uygulamalarından gelen OLTP verilerinin depolandığı, çeşitli operatörlerin veri yolu envanterinin depolandığı Apache Cassandra kümeleri, kullanıcı kimlik grafiklerinin depolandığı Arango DB ve daha fazlası
Veri kataloglama
Gerçek zamanlı veriler, hedefine gönderilmeden önce yönlendirme yetenekleriyle verileri temizlemek, analiz etmek ve kataloglamak için kullanılan açık kaynaklı bir veri platformu olan kendi kendini yöneten Apache Nifi kümelerine alınır.
Depolama ve analitik
redBus, depolama ve analitik ihtiyaçları için aşağıdaki hizmetleri kullanır:
- Amazon Basit Depolama Hizmeti (Amazon S3), neredeyse sınırsız ölçeklenebilirliği ve daha yüksek dayanıklılığı nedeniyle veri göllerinin temelini oluşturan bir nesne depolama hizmeti. Apache Druid'den gerçek zamanlı veri akışları ve veri depolarından gelen veriler, programlara göre düzenli aralıklarla akar.
- Veri yükleme işlemi sırasında gerçekleri ve ölçümleri çeşitli boyutlara göre hesaplayan OLAP tarzı bir veri deposu olan Apache Druid (veri, Kafka Druid veri yükleyici aracılığıyla akar).
- Amazon Kırmızıya Kaydırma, exabaytlarca veriyi analiz etmenize ve karmaşık analitik sorgular çalıştırmanıza yardımcı olan bir bulut veri ambarı hizmeti. redBus, Amazon S3'ten işlenen verileri ve Apache Druid'den toplanan verileri depolamak için Amazon Redshift'i kullanır.
Sorgulama ve görselleştirme
RedBus'u olabildiğince veri güdümlü hale getirmek için, verilerin bir görselleştirme katmanı aracılığıyla SRE mühendisleri, veri mühendisleri ve iş analistleri tarafından erişilebilir olmasını sağladılar. Bu katman, açık kaynaklı bir veri görselleştirme uygulaması olan Apache SuperSet kullanılarak sunulan panoları içerir ve Amazon Atina, ad hoc sorgulama gereksinimleri için standart SQL kullanarak Amazon S3'teki verileri analiz etmeye yönelik etkileşimli bir sorgu hizmeti.
Mücadeleler
Başlangıçta redBus, günde 10 milyon olay oranında alınan verileri işledi. Zamanla, işi büyümeye başladıkça, veri hacmi (gigabaytlardan terabaytlara ve petabaytlara), günlük veri alımı (10 milyondan 320 milyon olaya) ve iş zekası panosu ihtiyaçları da büyüdü. Kısa bir süre sonra, kendi kendilerini yöneten Superset'in BI yetenekleri ve artan operasyonel karmaşıklıklarla ilgili zorluklarla karşılaşmaya başladılar.
Sınırlı BI yetenekleri
redBus aşağıdaki BI sınırlamalarıyla karşılaştı:
- Birden çok veri kaynağından görselleştirme oluşturamama – Superset, veri keşfetme katmanında birden çok tablodan görselleştirme oluşturmaya izin vermez. redBus veri mühendislerinin tabloları önceden veri kaynağı düzeyinde birleştirmesi gerekiyordu. redBus'un iş paydaşları için 360 derecelik bir görünüm oluşturmak amacıyla, veri mühendislerinin görselleştirme katmanını destekleyen birden fazla tablo tutması elverişsiz hale geldi.
- Panodaki görseller için genel filtre yok – Bir panodaki görseller arasında genel veya birincil filtre Superset'te desteklenmez. Örneğin, bir panoda Bölgeye Göre Satış Kazançları, Bölgeye Göre Gerçekleşen YTD Geliri, Bölgeye Göre Satış Hattı ve daha fazlası gibi görseller olduğunu ve panoya EMEA, APAC ve ABD gibi değerlerle bir Bölge filtresi eklendiğini düşünün. Filtre Bölgesi, panonun tamamı için değil, görsellerden yalnızca biri için geçerli olacaktır. Ancak, pano kullanıcıları, pano genelinde filtreleme bekliyordu.
- İş amaçlı kullanıcı dostu bir araç değil – Özelleştirme söz konusu olduğunda, Superset oldukça geliştirici merkezlidir. Örneğin, bir redBus iş analistinin panodaki her dilimi önceden ayarlanmış bir değere göre otomatik olarak yeniden sorgulayan zamanlanmış bir yenilemeyi özelleştirmesi gerekiyorsa, analistin panonun JSON meta veri alanını güncellemesi gerekir. Bu nedenle, görsellerde veya gösterge tablosunda herhangi bir özelleştirme yapmak için JSON ve sözdizimi bilgisine sahip olmak zorunludur.
Artan işletme maliyeti
Superset açık kaynak olmasına rağmen, yani lisanslama maliyeti yoktur, aynı zamanda kurumsal düzeyde bir BI aracı olarak çalışması için gereken tüm bileşenleri korumak için daha fazla çaba harcanması gerektiği anlamına gelir. redBus, önünde bir web sunucusu (Nginx) kurmuş ve sürdürmüştür. Uygulama Yük Dengeleyici yük dengeleme yapmak; Superset'in kullanıcılar, dilimler ve pano tanımları gibi dahili bilgilerini depoladığı bir meta veri veritabanı sunucusu (MySQL); uzun süren sorguları desteklemek için eşzamansız bir görev kuyruğu (Kereviz); bir mesaj aracısı (RabbitMQ); ve sonuçları önbelleğe almak, verileri grafik haline getirmek ve daha fazlası için dağıtılmış bir önbelleğe alma sunucusu (Redis) Amazon Elastik Bilgi İşlem Bulutu (Amazon EC2) bulut sunucuları. Aşağıdaki diyagram bu mimariyi göstermektedir.
redBus'un DevOps ekibi, altyapıyı sağlama, yedekleme alma, bileşenleri gerektiği gibi manuel olarak ölçeklendirme, bileşenleri tek tek yükseltme ve daha fazlası gibi ağır işleri yapmak zorunda kaldı. Ayrıca, tüm bileşenlerin sorunsuz bir şekilde birlikte çalışması için yapılandırma değişikliklerini yapmak için bir Python web geliştiricisinin yanında olması gerekiyordu. Tüm bu manuel işlemler, redBus için toplam sahip olma maliyetini artırdı.
QuickSight'a Yolculuk
redBus, BI çözümlerini öncelikle gösterge paneli gereksinimlerinden birkaçı etrafında keşfetmeye başladı:
- Verilerin Amazon S3 ve Amazon Redshift aracılığıyla sağlandığı iş paydaşları ve analistler için BI panoları.
- SRE mühendislerinin ve geliştiricilerinin, müşterilerinin deneyimini etkilemeden önce sorunları çözebilmeleri için mikro hizmet dağıtımlarındaki bir sorunun temel nedenini belirlemelerine yardımcı olan gerçek zamanlı bir uygulama performansı izleme (APM) panosu. Bu durumda, veriler Druid aracılığıyla sağlanır.
QuickSight, redBus'ın İş Zekası panosu gereksinimlerinin çoğuna uyuyor ve veri platformu ekibi, birkaç karmaşık pano için bir konsept kanıtı (POC) ile hemen çalışmaya başladı. Ekip, bir ay süren POC'nin sonunda bulgularını paylaştı.
Birincisi, QuickSight, aşağıdakiler de dahil olmak üzere, BI yetenekleri açısından zengindir:
- Bu, redBus analistlerinin herhangi bir kodlama çabası olmadan rahatça kullanmasına yardımcı olabilecek sürükle ve bırak özelliklerine sahip bir self servis BI çözümüdür.
- Birden fazla veri kaynağından tek bir panoda görselleştirmeler, redBus iş paydaşlarının tek bir pencereden 360 derecelik satış, tahmin ve içgörüler elde etmelerine yardımcı olabilir.
- Bir panodaki görseller ve sayfalar boyunca basamaklı filtreler, redBus'un BI gereksinimleri için çok ihtiyaç duyulan özelliklerdir.
- QuickSight, Excel benzeri görseller sunar—hesaplamalı tablolar, hücre gruplamalı pivot tablolar ve stil, izleyiciler için caziptir.
- QuickSight'taki Süper Hızlı, Paralel, Bellek İçi Hesaplama Motoru (SPICE), redBus'un tümü çok çeşitli AWS veri kaynaklarında aynı anda hızlı etkileşimli analiz gerçekleştirebilen yüzbinlerce kullanıcıya ölçeklenmesine yardımcı olabilir.
- Ek ücret ödemeden kullanıma hazır makine öğrenimi içgörüleri ve tahmin, redBus'ın veri bilimi ekibinin satış tahmini ve benzer modellerin yanı sıra makine öğrenimi modellerine odaklanmasına olanak tanır.
- Yerleşik satır düzeyinde güvenlik (RLS), redBus'un izleyicileri için filtrelenmiş erişim sağlamasına izin verebilir. Örneğin, redBus'ta farklı ülkeleri yöneten birçok iş analisti vardır. RLS ile her iş analisti, tek bir panoda yalnızca kendilerine atanan ülkeyle ilgili verileri görür.
- redBus, kimlik sağlayıcısı olarak Security Assertion Markup Language 2.0'ı (SAML 2.0) destekleyen OneLogin'i kullanır. QuickSight'ın kimlik birleştirme ve tek oturum açma desteğinin yardımıyla redBus, QuickSight kullanıcıları için basit bir işe alım akışı sağlayabilir.
- QuickSight, yerleşik uyarılar ve e-posta bildirimi özellikleri sunar.
İkincisi, QuickSight, aşağıdaki özelliklere sahip, AWS'den sunulan, tamamen yönetilen, bulutta yerel, sunucusuz bir BI hizmetidir:
- redBus mühendislerinin EC2 bulut sunucularında BI çözümlerini sağlama, ölçeklendirme ve sürdürme gibi ağır işlere odaklanması gerekmez.
- QuickSight, Amazon Redshift, Amazon S3 ve Athena gibi AWS hizmetleri ve Presto, Snowflake, Teradata ve daha fazlası gibi diğer popüler çerçevelerle yerel entegrasyon sunar. QuickSight, Apache Druid dışında redBus'un zaten sahip olduğu veri kaynaklarının çoğuna bağlanır çünkü Druid ile yerel entegrasyon Aralık 2022 itibarıyla mevcut değildir. Desteklenen veri kaynaklarının tam listesi için bkz. Desteklenen veri kaynakları.
Sonuç
Tüm zengin özellikleri ve daha düşük toplam sahip olma maliyetini göz önünde bulunduran redBus, BI kontrol paneli gereksinimleri için QuickSight'ı seçti. QuickSight ile redBus'un veri mühendisleri, iş paydaşlarına ve analistlere petabaytlarca veriden içgörü sağlamak için kısa sürede bir dizi pano oluşturdu. RedBus veri otoyolu, daha iyi performans ve daha hızlı değer elde etme süresi ile iş zekasını kuruluşlarındaki çok daha geniş bir kitleye ulaştırmak için gelişti. Kasım 2022 itibarıyla, aşağıdaki şemada gösterildiği gibi, iş kullanıcıları için QuickSight ile gerçek zamanlı APM panoları için Superset'i birleştirir (bu yazı yazıldığı sırada QuickSight, Druid için yerel bir bağlayıcı sunmamaktadır).
Satış anormalliği algılama panosu
redBus'un üretime dağıttığı birçok pano olmasına rağmen, satış anormalliği tespiti, redBus'un oluşturduğu ilginç panolardan biridir. Aşağıdaki şekilde gösterildiği gibi, sırasıyla Amazon Redshift tablolarından geçmiş satış verileri ve Druid tablolarından gerçek zamanlı satış verilerinden elde edilen redBus'un tescilli satış tahmin modelini kullanır.
Planlanan işler, düzenli aralıklarla redBus tahmin modelini gerçek zamanlı ve geçmiş satış verileriyle besler ve ardından tahmin edilen veriler bir Amazon Redshift tablosuna aktarılır. QuickSight'taki satış anormalliği algılama panosu, elde edilen Amazon Redshift tablosu tarafından sunulur.
Aşağıdaki, satış anormalliği algılama panosundan alınan görsellerden biridir. Saatlik gerçek satışları, tahmini satışları ve redBus'ta belirli bir iş grubu için bir zaman serisi için bir uyarı eşiğini temsil eden bir çizgi grafiği kullanılarak oluşturulmuştur.
Bu görselde her çubuk, zaman serisinde belirli bir noktada tetiklenen satış anormalliklerinin sayısını temsil eder.
redBus'un analistleri, aşağıdaki şemada gösterildiği gibi, satış ayrıntılarını ve anormallikleri dakika düzeyinde daha ayrıntılı olarak inceleyebilir. Bu detaya inme özelliği, QuickSight ile kutudan çıkar.
QuickSight pano görsellerine ayrıntılı incelemeler ekleme hakkında daha fazla ayrıntı için, bkz. Amazon QuickSight'ta görsel verilere ayrıntılı incelemeler ekleme.
Görsellerin yanı sıra, aşağıdaki önemli özellikler nedeniyle izleyicilerin redBus'ta favori gösterge panolarından biri haline geldi:
- Görseller arasında filtreleme QuickSight'ta kullanıma hazır bir özellik olduğundan, panoya zaman damgası tabanlı bir filtre eklenir. Bu, panodaki birden fazla görselin tek bir tıklamayla filtrelenmesine yardımcı olur.
- Görsellerde yapılandırılan URL eylemleri, görüntüleyenlerin bağlama duyarlı şirket içi uygulamalara gitmesine yardımcı olur.
- KPI'lar ve Gösterge görselleri üzerinde yapılandırılan e-posta uyarıları, görüntüleyenlerin bildirimleri zamanında almasına yardımcı olur.
Sonraki adımlar
RedBus, BI panosu ihtiyaçları için yeni panolar oluşturmanın yanı sıra aşağıdaki adımları da atıyor:
- Keşfetmek QuickSight Gömülü Analitik Bağlam içi veri görselleri, etkileşimli gösterge panoları ve doğrudan uygulamalar içinde daha fazlası ile kullanıcılar için içgörülere ulaşma süresini hızlandırmak amacıyla uygulama gereksinimlerinden birkaçı için
- Keşfetmek QuickSight Q, iş paydaşlarının verilerden içgörü elde etmelerine yardımcı olabilecek ilgili görselleştirmelerle doğal dilde soru sormalarına ve doğru yanıtlar almalarına olanak sağlayabilir
- Entegrasyonlar kullanılabilir hale geldikçe QuickSight'ı kullanarak tüm veri kaynaklarını kapsayan birleşik bir pano çözümü oluşturma
Sonuç
Bu gönderide size redBus'un çeşitli AWS hizmetlerini ve Apache çerçevelerini kullanarak veri platformunu nasıl oluşturduğunu, platformun yaşadığı zorlukları (özellikle BI kontrol paneli gereksinimleri ve ölçeklendirme sırasındaki zorlukları) ve QuickSight'ı nasıl kullandıklarını ve toplam maliyeti nasıl düşürdüklerini gösterdik. mülkiyet.
redBus'ta mühendislik hakkında daha fazla bilgi edinmek için, orta blog gönderileri. QuickSight'ta olup bitenler hakkında daha fazla bilgi edinmek için veya herhangi bir sorunuz varsa, QuickSight Topluluğu, çok aktif ve çeşitli kaynaklar sunuyor.
Yazarlar Hakkında
Girish Kumar Chidananda son 5 yıldır redBus için çeşitli veri mühendisliği uygulamaları ve bileşenleri oluşturduğu redBus'ta Kıdemli Mühendislik Müdürü - Veri Mühendisliği olarak çalışmaktadır. Bilişim sektöründeki yolculuğuna başlamadan önce çeşitli kuruluşlarda Mekanik ve Kontrol sistemleri mühendisi olarak çalıştı ve Bath Üniversitesi'nden Akışkan Gücü Mühendisliği alanında yüksek lisans derecesine sahip.
Kayalvizhi Kandasamy inovasyonlarını desteklemek için dijital yerli şirketlerle çalışır. Amazon Web Services'ta Kıdemli Çözüm Mimarı (APAC) olarak, öncelikle AWS hizmetlerini kullanan mikro hizmet mimarileri ve bulutta yerel çözümlere odaklanarak, deneyimlerini insanların fikirlerini hayata geçirmelerine yardımcı olmak için kullanıyor. İş dışında satranç oynamayı seviyor ve FIDE dereceli bir satranç oyuncusu. Ayrıca kızlarına satranç oynama sanatını öğretiyor ve onları çeşitli satranç turnuvalarına hazırlıyor.
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. Buradan Erişin.
- Kaynak: https://aws.amazon.com/blogs/big-data/a-dive-into-redbuss-data-platform-and-how-they-used-amazon-quicksight-to-accelerate-business-insights/
- $ 10 milyon
- 1
- 10
- 100
- 2022
- 360 derece
- a
- Hakkımızda
- hızlandırmak
- erişim
- ulaşılabilir
- Göre
- doğru
- karşısında
- eylemler
- aktif
- Ad
- katma
- Ek
- adresleme
- benimseyenler
- etkiler
- Sonra
- karşı
- Uyarmak
- Türkiye
- zaten
- Amazon
- Amazon EC2
- Amazon QuickSight
- Amazon RDS'si
- Amazon Web Servisleri
- miktar
- analiz
- analist
- Analistler
- Analitik
- analytics
- çözümlemek
- ve
- anomali tespiti
- cevaplar
- Asya Pasifik
- Apache
- Uygulama
- uygulamaları
- Tamam
- uygulamalar
- mimari
- etrafında
- Sanat
- atanmış
- çekici
- izleyici
- yazar
- otomatik olarak
- mevcut
- AWS
- Backend
- yedekleme
- bar
- merkezli
- Çünkü
- müşterimiz
- önce
- olmak
- Daha iyi
- Blog
- kutu
- marka
- markalar
- getirmek
- komisyoncu
- inşa etmek
- bina
- yapılı
- yerleşik
- otobüs
- iş
- iş zekası
- denilen
- yetenekleri
- araba
- dava
- durumlarda
- katalog
- Sebeb olmak
- zorluklar
- değişiklikler
- Grafik
- charting
- Kontrol
- satranç
- seçti
- Şehirler
- Şehir
- bulut
- kodlama
- Kohort
- biçerdöverler
- Şirketler
- şirket
- tamamlamak
- karmaşık
- karmaşıklıklar
- bileşen
- bileşenler
- kapsamlı
- hesaplamak
- kavram
- bağlı
- bağlanır
- Düşünmek
- kontrol
- Ücret
- maliyetler
- olabilir
- ülkeler
- ülke
- Çift
- kaplama
- yaratmak
- Oluşturma
- müşteri
- Kullanıcı Desteği
- Müşteriler
- özelleştirme
- özelleştirmek
- gösterge paneli
- veri
- Veri Gölü
- Veri Platformu
- veri bilimi
- veri goruntuleme
- veri ambarı
- veri-güdümlü
- veritabanı
- gün
- Aralık
- kararlar
- derece
- Talep
- konuşlandırılmış
- açılma
- hedef
- ayrıntı
- ayrıntılar
- Bulma
- Geliştirici
- geliştiriciler
- cihaz
- DevOps
- DID
- farklı
- boyutlar
- direkt olarak
- tartışmak
- dağıtıldı
- belge
- Değil
- yapıyor
- Dont
- aşağı
- Büyücü
- dayanıklılık
- sırasında
- her
- kolay kullanımlı
- çaba
- çabaları
- E-posta
- gömülü
- EMEA
- çalışanların
- etkinleştirmek
- Motor
- mühendis
- Mühendislik
- Mühendisler
- Kurum düzeyi
- Tüm
- özellikle
- Eter (ETH)
- olaylar
- gelişti
- örnek
- Dışında
- beklenen
- deneyim
- keşif
- Keşfetmek
- kapsamlı, geniş
- son derece
- yüzlü
- karşı
- HIZLI
- Daha hızlı
- Favori
- Özellikler(Hazırlık aşamasında)
- Özellikler
- federasyon
- alan
- şekil
- filtre
- süzme
- filtreler
- uygun
- sabit
- Esneklik
- akış
- Akışları
- odak
- odaklanma
- takip etme
- Airdrop Formu
- vakıf
- çerçeveler
- arkadaş canlısı
- itibaren
- önü
- tamamen
- işlev
- daha fazla
- Kazanç
- almak
- Vermek
- bardak
- Küresel
- vermek
- grafikler
- grup
- Büyüyen
- mutlu
- sahip olan
- ağır şekilde
- yardım et
- yardımcı olur
- Yüksek
- daha yüksek
- büyük ölçüde
- Karayolu
- tarihsel
- tutar
- ev sahipliği yaptı
- Ne kadar
- Ancak
- HTML
- HTTPS
- Yüzlerce
- fikirler
- belirlemek
- belirlenmesi
- Kimlik
- in
- içerir
- Dahil olmak üzere
- Gelen
- artmış
- Hindistan
- Bireysel olarak
- sanayi
- bilgi
- Altyapı
- Yenilikçilik
- anlayışlar
- bütünleşme
- entegrasyonlar
- İstihbarat
- interaktif
- ilginç
- iç
- envanter
- konu
- sorunlar
- IT
- bilgi Teknolojileri endüstrisi
- kendisi
- Mesleki Öğretiler
- katıldı
- seyahat
- json
- kafka
- koruma
- Bilmek
- bilgi
- KYC
- göl
- dil
- büyük
- Soyad
- tabaka
- önemli
- ÖĞRENİN
- seviye
- ruhsat verme
- hayat
- kaldırma
- sınırlamaları
- çizgi
- Liste
- yük
- yükleyici
- yükleme
- Bakın
- Düşük
- korumak
- yapmak
- YAPAR
- Yapımı
- yönetmek
- yönetilen
- müdür
- zorunlu
- Manuel
- el ile
- çok
- anlamına geliyor
- mekanik
- mesaj
- Metadata
- Metrikleri
- microservices
- milyon
- dakika
- ML
- Telefon
- mobil uygulamalar
- model
- modelleri
- izleme
- Daha
- çoğu
- MS
- çoklu
- MySQL
- yerli
- Doğal (Madenden)
- Doğal lisan
- Gezin
- gerek
- gerekli
- ihtiyaçlar
- yeni
- sonraki
- nginx
- dikkate değer
- tebliğ
- bildirimleri
- Kasım
- numara
- nesne
- Nesne Depolama
- teklif
- teklif
- Teklifler
- Onboarding
- ONE
- Online
- açık
- açık kaynak
- ameliyat
- operasyon
- işletme
- Operasyon
- Şebeke
- operatörler
- sipariş
- kuruluşlar
- organizasyonlar
- Diğer
- dışında
- kendi
- mülkiyet
- bölmesi
- Paralel
- Bölüm
- belirli
- İnsanlar
- yapmak
- performans
- boru hattı
- Pivot
- yer
- platform
- Platon
- Plato Veri Zekası
- PlatoVeri
- oyuncu
- oynama
- PoC
- Nokta
- Popüler
- portföy
- mümkün
- Çivi
- güç kelimesini seçerim
- tahmin
- hazırlar
- öncelikle
- birincil
- Önceki
- süreç
- üretim
- önemli
- kanıt
- kavramın ispatı
- özel
- sağlamak
- sağlanan
- sağlayan
- sağlar
- sağlama
- itti
- Python
- Sorular
- demiryolu
- hızla
- oran
- ulaşmak
- gerçek zaman
- gerçek zamanlı veri
- fark
- teslim almak
- bölge
- düzenli
- ilgili
- uygun
- temsil
- temsil
- gereklidir
- Yer Alan Kurallar
- Kaynaklar
- Sonuçlar
- gelir
- Zengin
- kök
- koşmak
- satış
- ölçeklenebilirlik
- ölçek
- ölçekleme
- tarifeli
- Planlanmış işler
- Bilim
- sorunsuz
- arama
- bölümler
- güvenlik
- Gördükleri
- Self servis
- gönderme
- kıdemli
- Dizi
- Serverless
- hizmet
- Hizmetler
- servis
- birkaç
- paylaş
- Paylaşılan
- gösterilen
- benzer
- Basit
- aynı anda
- tek
- Dilim
- So
- çözüm
- Çözümler
- Yakında
- Kaynak
- kaynaklar
- baharat
- SQL
- paydaşlar
- standart
- başladı
- XNUMX dakika içinde!
- Basamaklar
- hafızası
- mağaza
- saklı
- mağaza
- süit
- destek
- destekli
- Destek
- Destekler
- sözdizimi
- Sistemler
- tablo
- alma
- Görev
- takım
- şartlar
- The
- Dünya
- ve bazı Asya
- bu nedenle
- Binlerce
- eşik
- İçinden
- Biletleme
- bilet
- zaman
- Zaman serisi
- zamanlanmış
- için
- birlikte
- araç
- Toplam
- Turnuvalar
- karşı
- Takip
- trafik
- seyahat
- gezgin
- Seyahat
- tetiklenir
- DÖNÜŞ
- birleşik
- üniversite
- sınırsız
- Güncelleme
- Yükleme
- us
- kullanım
- kullanıcı
- kullanıcılar
- değer
- Değerler
- çeşitlilik
- çeşitli
- üzerinden
- Görüntüle
- izleyiciler
- fiilen
- görüntüleme
- hacim
- depo
- ağ
- web sunucusu
- web hizmetleri
- Ne
- Nedir
- hangi
- süre
- DSÖ
- geniş
- Daha geniş
- irade
- Kazandı
- içinde
- olmadan
- İş
- birlikte çalışmak
- işlenmiş
- çalışır
- Dünya
- Dünyanın en
- olur
- yazı yazıyor
- yıl
- zefirnet