Data Mining und Datenanalyse mit SQL Server Analysis Services und Hadoop

Classroom Schulung | deutsch | Anspruch

Schulungsdauer: 4 Tage

Ziele

In diesem Kurs lernen Sie die Kombination von SQL Server Analysis Services und Hadoop kennen.

Zielgruppe

  • Datenbankentwickler
  • Business Intelligence Entwickler
  • Datawarehouse-Experten

Voraussetzungen

  • IT-Grundkenntnisse
  • Fundierte Kenntnisse in SQL
  • Erfahrung mit SQL Server Analysis Services
  • Grundkenntnisse in Hadoop (siehe z.B. "Entwicklung mit Hadoop"), Hive (siehe z.B. "Programmierung mit Hive") und Pig (siehe z.B. "Programmierung mit Pig")

Agenda

Theorie

  • Vorteile Anbindung von Hadoop an SQL Server und SSAS
  • Sinnvolle Anwendungsfälle im BigData-Umfeld
  • Grundlegende Strategien und Konzepte
  • Wichtige Unterschiede Hive und Datenquellen aus relationalen Datenbanken
  • Verschiedene Möglichkeiten zum Aufbau eines Cubes mit Hive-Daten

Praxis

  • Anbindung des SSAS an Hive
  • ETL-Prozesse in Hadoop/Hive
  • Verwalten von Dimensionen und Fakten
  • Abfragen an den Cube in SSAS
  • Performance-Optimierung
    • ETL-Prozess
    • Beladungsprozess
  • Umsetzung eines praktischen DataMining-Beispielprojekts

Abschluss

  • Zusammenfassung
  • Ausblick
  • Fragen und Antworten

Ziele

In diesem Kurs lernen Sie die Kombination von SQL Server Analysis Services und Hadoop kennen.

Zielgruppe

  • Datenbankentwickler
  • Business Intelligence Entwickler
  • Datawarehouse-Experten

Voraussetzungen

  • IT-Grundkenntnisse
  • Fundierte Kenntnisse in SQL
  • Erfahrung mit SQL Server Analysis Services
  • Grundkenntnisse in Hadoop (siehe z.B. "Entwicklung mit Hadoop"), Hive (siehe z.B. "Programmierung mit Hive") und Pig (siehe z.B. "Programmierung mit Pig")

Agenda

Theorie

  • Vorteile Anbindung von Hadoop an SQL Server und SSAS
  • Sinnvolle Anwendungsfälle im BigData-Umfeld
  • Grundlegende Strategien und Konzepte
  • Wichtige Unterschiede Hive und Datenquellen aus relationalen Datenbanken
  • Verschiedene Möglichkeiten zum Aufbau eines Cubes mit Hive-Daten

Praxis

  • Anbindung des SSAS an Hive
  • ETL-Prozesse in Hadoop/Hive
  • Verwalten von Dimensionen und Fakten
  • Abfragen an den Cube in SSAS
  • Performance-Optimierung
    • ETL-Prozess
    • Beladungsprozess
  • Umsetzung eines praktischen DataMining-Beispielprojekts

Abschluss

  • Zusammenfassung
  • Ausblick
  • Fragen und Antworten

Diese Seite weiterempfehlen