Building Data Analytics Solutions Using Amazon Redshift

Classroom Schulung | Deutsch | Anspruch

Schulungsdauer: 1 Tag

Ziele

In diesem Kurs Building Data Analytics Solutions Using Amazon Redshift bauen Sie eine Datenanalyselösung mit Amazon Redshift und einem Cloud Data Warehouse Service auf.

  • Der Kurs konzentriert sich auf die Komponenten der Datenerfassung, -aufnahme, -katalogisierung, -speicherung und -verarbeitung der Analysepipeline.
  • Sie lernen, Amazon Redshift in einen Data Lake zu integrieren, um sowohl Analyse- als auch Machine Learning Workloads zu unterstützen.
  • Sie lernen auch, die Best Practices für Sicherheit, Performance und Kostenmanagement auf den Betrieb von Amazon Redshift anzuwenden.

Dieser Kurs wird mit der offiziellen AWS Unterlage und Systemumgebung durchgeführt. Dieses Seminar ersetzt den Kurs Big Data on AWS.

Zielgruppe

  • Data Warehouse Engineers
  • Data Platform Engineers
  • Architekten
  • Operatoren

Voraussetzungen

  • Besuch des Kurses AWS Technical Essentials oder Architecting auf AWS
  • Besuch es Kurses Building Data Lakes auf AWS

Agenda

Überblick über Datenanalyse und die Datenpipeline

  • Anwendungsfälle der Datenanalyse
  • Verwendung der Datenpipeline für die Datenanalyse

Verwendung von Amazon Redshift in der Datenanalyse-Pipeline

  • Warum Amazon Redshift für Data Warehousing?
  • Überblick über Amazon Redshift

Einführung in Amazon Redshift

  • Architektur von Amazon Redshift
  • Überblick über die Amazon Redshift-Konsole
  • Amazon Redshift-Features
  • Laden und Abfragen von Daten in einem Amazon Redshift-Cluster

Ingestion und Speicherung

  • Ingestion
  • Verbinden des Amazon Redshift-Clusters mit einem Jupyter-Notebook mit Daten-API
  • Datenverteilung und -speicherung
  • Analysieren von semi-strukturierten Daten mit dem SUPER Data Type
  • Abfragen von Daten in Amazon Redshift
  • Praxisübung 2: Datenanalyse mit Amazon Redshift Spectrum

Verarbeiten und Optimieren von Daten

  • Datentransformation
  • Erweiterte Abfragen
  • Datentransformation und -abfrage in Amazon Redshift
  • Verwaltung von Ressourcen
  • Anwenden von gemischtem Workload-Management auf Amazon Redshift
  • Automatisierung und Optimierung
  • Resizing des Amazon Redshift-Clusters vom dc2.large zum ra3.xlplus-Cluster

Sicherheit und Monitoring von Amazon Redshift-Clustern

  • Absicherung des Amazon Redshift-Clusters
  • Monitoring und Troubleshooting bei Amazon Redshift-Clustern

Entwerfen von Data Warehouse-Analytiklösungen

  • Review von Data Warehouse Use Cases
  • Erstellen einer Data-Warehouse-Analyse-Workflows

Entwickeln moderner Datenarchitekturen auf AWS

  • Moderne Datenarchitekturen

Ziele

In diesem Kurs Building Data Analytics Solutions Using Amazon Redshift bauen Sie eine Datenanalyselösung mit Amazon Redshift und einem Cloud Data Warehouse Service auf.

  • Der Kurs konzentriert sich auf die Komponenten der Datenerfassung, -aufnahme, -katalogisierung, -speicherung und -verarbeitung der Analysepipeline.
  • Sie lernen, Amazon Redshift in einen Data Lake zu integrieren, um sowohl Analyse- als auch Machine Learning Workloads zu unterstützen.
  • Sie lernen auch, die Best Practices für Sicherheit, Performance und Kostenmanagement auf den Betrieb von Amazon Redshift anzuwenden.

Dieser Kurs wird mit der offiziellen AWS Unterlage und Systemumgebung durchgeführt. Dieses Seminar ersetzt den Kurs Big Data on AWS.

Zielgruppe

  • Data Warehouse Engineers
  • Data Platform Engineers
  • Architekten
  • Operatoren

Voraussetzungen

  • Besuch des Kurses AWS Technical Essentials oder Architecting auf AWS
  • Besuch es Kurses Building Data Lakes auf AWS

Agenda

Überblick über Datenanalyse und die Datenpipeline

  • Anwendungsfälle der Datenanalyse
  • Verwendung der Datenpipeline für die Datenanalyse

Verwendung von Amazon Redshift in der Datenanalyse-Pipeline

  • Warum Amazon Redshift für Data Warehousing?
  • Überblick über Amazon Redshift

Einführung in Amazon Redshift

  • Architektur von Amazon Redshift
  • Überblick über die Amazon Redshift-Konsole
  • Amazon Redshift-Features
  • Laden und Abfragen von Daten in einem Amazon Redshift-Cluster

Ingestion und Speicherung

  • Ingestion
  • Verbinden des Amazon Redshift-Clusters mit einem Jupyter-Notebook mit Daten-API
  • Datenverteilung und -speicherung
  • Analysieren von semi-strukturierten Daten mit dem SUPER Data Type
  • Abfragen von Daten in Amazon Redshift
  • Praxisübung 2: Datenanalyse mit Amazon Redshift Spectrum

Verarbeiten und Optimieren von Daten

  • Datentransformation
  • Erweiterte Abfragen
  • Datentransformation und -abfrage in Amazon Redshift
  • Verwaltung von Ressourcen
  • Anwenden von gemischtem Workload-Management auf Amazon Redshift
  • Automatisierung und Optimierung
  • Resizing des Amazon Redshift-Clusters vom dc2.large zum ra3.xlplus-Cluster

Sicherheit und Monitoring von Amazon Redshift-Clustern

  • Absicherung des Amazon Redshift-Clusters
  • Monitoring und Troubleshooting bei Amazon Redshift-Clustern

Entwerfen von Data Warehouse-Analytiklösungen

  • Review von Data Warehouse Use Cases
  • Erstellen einer Data-Warehouse-Analyse-Workflows

Entwickeln moderner Datenarchitekturen auf AWS

  • Moderne Datenarchitekturen

Tags

Diese Seite weiterempfehlen