- Rechen- und Speicheroptionen für Data-Engineering-Workloads
- Einführung in Azure Synapse Analytics
- Erläuterung von Azure Databricks
- Erläuterung in Azure Data Lake-Speicher
- Beschreiben der Delta Lake-Architektur
- Arbeiten mit Datenströmen unter Verwendung von Azure Stream Analytics
- Interaktive Abfragen mit Azure Synapse Analytics serverlosen SQL-Pools ausführen
- Möglichkeiten von Azure Synapse Serverless SQL Pools
- Abfragen von Daten im Lake mit Azure Synapse Serverless SQL Pools
- Erstellen von Metadatenobjekten in Azure Synapse Serverless SQL Pools
- Sichern von Daten und Verwalten von Benutzern in Azure Synapse Serverless SQL Pools
- Datenexploration und -umwandlung in Azure Databricks
- Azure Databricks
- Lesen und Schreiben von Daten in Azure Databricks
- Arbeiten mit DataFrames in Azure Databricks
- Arbeiten mit fortgeschrittenen DataFrames-Methoden in Azure Databricks
- Analysieren, Transformieren und Laden von Daten in das Data Warehouse mit Apache Spark
- Verstehen von Big Data Engineering mit Apache Spark in Azure Synapse Analytics
- Einlesen von Daten mit Apache Spark-Notebooks in Azure Synapse Analytics
- Transformieren von Daten mit DataFrames in Apache Spark-Pools in Azure Synapse Analytics
- Integrieren von SQL- und Apache Spark-Pools in Azure Synapse Analytics
- Daten in das Data Warehouse aufnehmen und laden
- Verwenden von Best Practices zum Laden von Daten in Azure Synapse Analytics
- Ingestion im Petabyte-Bereich mit Azure Data Factory
- Transformieren von Daten mit Azure Data Factory oder Azure Synapse Pipelines
- Datenintegration mit Azure Data Factory oder Azure Synapse Pipelines
- Codefreie Transformation im großen Maßstab mit Azure Data Factory oder Azure Synapse Pipelines
- Orchestrierung der Datenbewegung und -transformation in Azure Synapse Pipelines
- Orchestrierung der Datenbewegung und -transformation in Azure Data Factory
- End-to-End-Sicherheit mit Azure Synapse Analytics
- Data Warehouse in Azure Synapse Analytics sichern
- Konfigurieren und Verwalten von Secrets in Azure Key Vault
- Implementierung von Compliance-Kontrollen für sensible Daten
- Hybride transaktionale analytische Verarbeitung (HTAP) mit Azure Synapse Link unterstützen
- Entwerfen Sie hybride transaktionale und analytische Verarbeitung mit Azure Synapse Analytics
- Konfigurieren von Azure Synapse Link mit Azure Cosmos DB
- Abfrage von Azure Cosmos DB mit Apache Spark-Pools
- Abfrage von Azure Cosmos DB mit serverlosen SQL-Pools
- Stream-Verarbeitung in Echtzeit mit Stream Analytics
- Zuverlässiges Messaging für Big Data-Anwendungen mit Azure Event Hubs ermöglichen
- Arbeiten mit Daten-Streams mithilfe von Azure Stream Analytics
- Einlesen von Daten-Streams mit Azure Stream Analytics
- Erstellen einer Stream Processing-Lösung mit Event Hubs und Azure Databricks
- Verarbeiten von Streaming-Daten mit Azure Databricks Structured Streaming
Am Ende des Kurses sollten folgende Fragen beantwortet werden können:
Datenbankdesign und Datenmodellierung
- Beschreiben Sie die Vorteile von relationalen Datenbanken im Vergleich zu NoSQL-Datenbanken.
- Wie können Sie die Leistung einer Datenbank verbessern? Geben Sie einige Beispiele für Optimierungsmaßnahmen.
Azure Data Factory
- Was ist Azure Data Factory und wie funktioniert es?
- Wie können Sie mit Azure Data Factory eine Datenpipeline entwerfen und implementieren?
Azure Synapse Analytics
- Was ist Azure Synapse Analytics und wie unterscheidet es sich von anderen Data-Warehousing-Systemen?
- Wie können Sie mit Azure Synapse Analytics eine Abfrage erstellen und ausführen?
Azure Databricks
- Was ist Azure Databricks und wie funktioniert es?
- Wie können Sie mit Azure Databricks Daten analysieren und transformieren?
Big-Data-Verarbeitung
- Was ist Hadoop und wie funktioniert es?
- Was ist Spark und wie unterscheidet es sich von Hadoop?
- Wie können Sie HDInsight in Azure verwenden, um Big Data zu verarbeiten?
Anmerkung:
siehe:
und