Data Engineering on Google Cloud Platform (DEGCP) – Details

Detaillierter Kursinhalt

Modul 01 - Aufgaben und Komponenten der Datentechnik

Themen:

• Die Rolle des Dateningenieurs
• Datenquellen versus Datensynchronisation
• Datenformate
• Optionen für Speicherlösungen in der Google Cloud
• Optionen für die Verwaltung von Metadaten in der Google Cloud
• Gemeinsame Nutzung von Datensätzen über Analytics Hub

Zielsetzungen:

• Erklären Sie die Rolle eines Dateningenieurs.
• die Unterschiede zwischen einer Datenquelle und einer Datensenke zu verstehen.
• Erklären Sie die verschiedenen Arten von Datenformaten.
• Erklären Sie die Optionen für Speicherlösungen in der Google Cloud.
• Erfahren Sie mehr über die Möglichkeiten der Metadatenverwaltung in Google Cloud.
• Verstehen Sie, wie Sie mit Analytics Hub problemlos Datensätze gemeinsam nutzen können.
• Verstehen, wie man Daten mit der Google Cloud-Konsole und/oder der gcloud CLI in BigQuery lädt.

Aktivitäten:

• Übung: Laden von Daten in BigQuery

Modul 02 - Datenreplikation und -migration

Themen:

• Replikations- und Migrationsarchitektur
• Das gcloud-Befehlszeilenwerkzeug
• Verschieben von Datensätzen
• Datastream

Zielsetzungen:

• Erklären Sie die grundlegende Datenreplikations- und Migrationsarchitektur der Google Cloud.
• die Optionen und Anwendungsfälle für das gcloud-Befehlszeilentool zu verstehen.
• Erläutern Sie die Funktionalität und die Anwendungsfälle für den Speicherübertragungsdienst.
• Erläutern Sie die Funktionen und Anwendungsfälle für die Transfer Appliance.
• Verstehen Sie die Funktionen und den Einsatz von Datastream.

Aktivitäten:

• Lab: Datastream: PostgreSQL Replikation auf BigQuery

Modul 03 - Das Muster der Pipeline für das Extrahieren und Laden von Daten

Themen:

• Architektur extrahieren und laden
• Das bq Kommandozeilenwerkzeug
• BigQuery-Datenübertragungsdienst
• BigLake

Zielsetzungen:

• Erläutern Sie das Grundlinienextrakt- und Lastarchitekturdiagramm.
• die Optionen des bq Kommandozeilenwerkzeugs zu verstehen.
• Erläutern Sie die Funktionen und Anwendungsfälle für den BigQuery Data Transfer Service.
• Erläutern Sie die Funktionalität und die Anwendungsfälle für BigLake als Nicht-Extract-Load-Muster.

Aktivitäten:

• Labor: BigLake: Qwik Start

Modul 04 - Das Muster der Pipeline für das Extrahieren, Laden und Transformieren von Daten

Themen:

• Architektur zum Extrahieren, Laden und Umwandeln (ELT)
• SQL-Skripterstellung und Zeitplanung mit BigQuery
• Datenformular

Zielsetzungen:

• Erläutern Sie das Grundschema der Extraktions-, Lade- und Transformationsarchitektur.
• Verstehen Sie eine gängige ELT-Pipeline in der Google Cloud.
• Erfahren Sie mehr über die SQL-Skripterstellung und die Planungsfunktionen von BigQuery.
• Erläutern Sie die Funktionen und Anwendungsfälle von Dataform.

Aktivitäten:

• Übung: Erstellen und Ausführen eines SQL-Workflows in Dataform

Modul 05 - Das Muster der Pipeline für das Extrahieren, Transformieren und Laden von Daten

Themen:

• Architektur des Extrahierens, Transformierens und Ladens (ETL)
• Google Cloud GUI-Tools für ETL-Datenpipelines
• Batch-Datenverarbeitung mit Dataproc
• Optionen für die Verarbeitung von Streaming-Daten
• Bigtable und Datenpipelines

Zielsetzungen:

• Erläutern Sie das Grundschema der Extraktions-, Transformations- und Ladearchitektur.
• Lernen Sie die GUI-Tools in Google Cloud kennen, die für ETL-Datenpipelines verwendet werden.
• Erläutern Sie die Batch-Datenverarbeitung mit Dataproc.
• Lernen Sie, Dataproc Serverless for Spark für ETL zu verwenden.
• Erläutern Sie die Möglichkeiten der Streaming-Datenverarbeitung.
• Erklären Sie, welche Rolle Bigtable in Datenpipelines spielt.

Aktivitäten:

• Übung: Dataproc Serverless für Spark verwenden, um BigQuery zu laden
• Übung: Erstellen einer Streaming-Datenpipeline für ein Echtzeit-Dashboard mit Dataflow

Modul 06 - Automatisierungstechniken

Themen:

• Automatisierungsmuster und Optionen für Pipelines
• Cloud Scheduler und Arbeitsabläufe
• Cloud-Komponist
• Cloud Run-Funktionen
• Eventarc

Zielsetzungen:

• Erklären Sie die Automatisierungsmuster und -optionen, die für Pipelines verfügbar sind.
• Erfahren Sie mehr über Cloud Scheduler und Workflows.
• Erfahren Sie mehr über Cloud Composer.
• Lernen Sie die Funktionen von Cloud Run kennen.
• Erläutern Sie die Funktionalität und die Anwendungsfälle der Automatisierung von Eventarc.

Aktivitäten:

• Übung: Verwenden von Cloud Run Functions zum Laden von BigQuery

Modul 07 - Einführung in die Datentechnik

Themen:

• Die Rolle des Dateningenieurs
• Herausforderungen der Datentechnik
• Einführung in BigQuery
• Data Lakes und Data Warehouses
• Transaktionsdatenbanken versus Data Warehouses
• Effiziente Partnerschaft mit anderen Datenteams
• Verwaltung von Datenzugang und Governance
• Aufbau von produktionsreifen Pipelines
• Google Cloud Kundenfallstudie

Zielsetzungen:

• Erörtern Sie die Herausforderungen der Datentechnik und wie der Aufbau von Datenpipelines in der Cloud dazu beiträgt, diese zu bewältigen.
• Überprüfen und verstehen Sie den Zweck eines Data Lake im Vergleich zu einem Data Warehouse und wann Sie welches einsetzen sollten.

Aktivitäten:

• Übung: BigQuery für die Analyse verwenden

Modul 08 - Aufbau eines Data Lake

Themen:

• Einführung in Data Lakes
• Datenspeicherung und ETL-Optionen in der Google Cloud
• Aufbau eines Data Lake mit Cloud Storage
• Sicherer Cloud-Speicher
• Alle Arten von Datentypen speichern
• Cloud SQL als Ihr OLTP-System

Zielsetzungen:

• Diskutieren Sie, warum Cloud Storage eine gute Option für den Aufbau eines Data Lake in der Google Cloud ist.
• Erläutern Sie, wie Sie Cloud SQL für einen relationalen Datensee verwenden können.

Aktivitäten:

• Übung: Laden von Taxidaten in Cloud SQL

Modul 09 - Aufbau eines Data Warehouse

Themen:

• Das moderne Data Warehouse
• Einführung in BigQuery
• Erste Schritte mit BigQuery
• Laden von Daten in BigQuery
• Erkundung von Schemata
• Entwurf des Schemas
• Verschachtelte und wiederholte Felder
• Optimierung mit Partitionierung und Clustering

Zielsetzungen:

• Erörterung der Anforderungen an ein modernes Lager.
• Erklären Sie, warum BigQuery die skalierbare Data-Warehousing-Lösung in der Google Cloud ist.
• Besprechung der Kernkonzepte von BigQuery und Überprüfung der Optionen zum Laden von Daten in BigQuery.

Aktivitäten:

• Übung: Arbeiten mit JSON- und Array-Daten in BigQuery
• Übung: Partitionierte Tabellen in BigQuery

Modul 10 - Einführung in die Erstellung von Batch-Datenpipelines

Themen:

• EL, ELT, ETL
• Überlegungen zur Qualität
• Möglichkeiten der Ausführung von Operationen in BigQuery
• Unzulänglichkeiten
• ETL zur Lösung von Datenqualitätsproblemen

Zielsetzungen:

• Überprüfen Sie verschiedene Methoden zum Laden von Daten in Ihre Data Lakes und Warehouses: EL, ELT und ETL.

Modul 11 - Ausführen von Spark auf Dataproc

Themen:

• Das Hadoop-Ökosystem
• Hadoop auf Dataproc ausführen
• Cloud-Speicher anstelle von HDFS
• Optimieren Sie Dataproc

Zielsetzungen:

• Überprüfen Sie das Hadoop-Ökosystem.
• Diskutieren Sie, wie Sie Ihre bestehenden Hadoop-Workloads mit Dataproc in die Cloud verlagern können.
• Erläutern Sie, wann Sie Cloud-Speicher anstelle von HDFS-Speicher verwenden würden.
• Erläutern Sie, wie Sie Dataproc-Aufträge optimieren können.

Aktivitäten:

• Übung: Ausführen von Apache Spark-Aufträgen auf Dataproc

Modul 12 - Serverlose Datenverarbeitung mit Dataflow

Themen:

• Einführung in den Datenfluss
• Gründe, warum Kunden Dataflow schätzen
• Datenfluss-Pipelines
• Aggregieren mit GroupByKey und Kombinieren
• Seitliche Eingänge und Fenster
• Datenfluss-Vorlagen

Zielsetzungen:

• Identifizieren Sie die Funktionen, die Kunden an Dataflow schätzen.
• Diskutieren Sie die Kernkonzepte von Dataflow.
• Überprüfen Sie die Verwendung von Dataflow-Vorlagen und SQL.
• Schreiben Sie eine einfache Dataflow-Pipeline und führen Sie sie sowohl lokal als auch in der Cloud aus.
• Identifizieren von Map- und Reduce-Operationen, Ausführen der Pipeline und Verwenden von Befehlszeilenparametern.
• Lesen Sie Daten aus BigQuery in Dataflow und verwenden Sie die Ausgabe einer Pipeline als Nebeneingang für eine andere Pipeline.

Aktivitäten:

• Lab: A Simple Dataflow Pipeline (Python/Java)
• Übung: MapReduce in Beam (Python/Java)
• Lab: Side Inputs (Python/Java)

Modul 13 - Verwalten von Datenpipelines mit Cloud Data Fusion und Cloud Composer

Themen:

• Visuelle Erstellung von Batch-Datenpipelines mit Cloud Data Fusion
  • Komponenten
  • UI-Übersicht
  • Aufbau einer Pipeline
  • Daten mit Wrangler erforschen
• Orchestrierung der Arbeit zwischen Google Cloud-Diensten mit Cloud Composer
  • Apache Airflow-Umgebung
  • DAGs und Operatoren
  • Workflow-Planung
  • Überwachung und Protokollierung

Zielsetzungen:

• Besprechen Sie, wie Sie Ihre Datenpipelines mit Cloud Data Fusion und Cloud Composer verwalten können.
• Fassen Sie zusammen, wie Cloud Data Fusion es Datenanalysten und ETL-Entwicklern ermöglicht, Daten zu verarbeiten und Pipelines auf visuelle Art und Weise zu erstellen.
• Beschreiben Sie, wie Cloud Composer bei der Orchestrierung der Arbeit über mehrere Google Cloud-Dienste hinweg helfen kann.

Aktivitäten:

• Übung: Aufbau und Ausführung eines Pipeline-Graphen in der Datenfusion
• Übung: Eine Einführung in Cloud Composer

Modul 14 - Einführung in die Verarbeitung von Streaming-Daten

Themen:

• Verarbeitung von Streaming-Daten

Zielsetzungen:

• Erklären Sie die Streaming-Datenverarbeitung.
• Identifizieren Sie die Google Cloud-Produkte und -Tools, die bei der Bewältigung von Streaming-Daten-Herausforderungen helfen können.

Modul 15 - Serverloses Messaging mit Pub/Sub

Themen:

• Einführung in Pub/Sub
• Pub/Sub push versus pull
• Veröffentlichung mit Pub/Sub-Code

Zielsetzungen:

• Beschreiben Sie den Pub/Sub-Dienst.
• Erklären Sie, wie Pub/Sub funktioniert.
• Simulation von Echtzeit-Sensordatenströmen mit Pub/Sub.

Aktivitäten:

• Übung: Streaming-Daten in Pub/Sub veröffentlichen

Modul 16 - Datenfluss-Streaming-Funktionen

Themen:

• Herausforderungen bei der Datenverarbeitung
• Datenfluss-Fensterung

Zielsetzungen:

• Beschreiben Sie den Dataflow-Dienst.
• Aufbau einer Stream-Verarbeitungspipeline für Live-Verkehrsdaten.
• Demonstration des Umgangs mit verspäteten Daten unter Verwendung von Wasserzeichen, Triggern und Akkumulation.

Aktivitäten:

• Übung: Streaming-Daten-Pipelines

Modul 17 - BigQuery- und Bigtable-Streaming-Funktionen mit hohem Durchsatz

Themen:

• Streaming in BigQuery und Visualisierung der Ergebnisse
• Streaming mit hohem Durchsatz mit Bigtable
• Optimierung der Bigtable-Leistung

Zielsetzungen:

• Beschreiben Sie, wie Sie mit BigQuery und Dashboards Ad-hoc-Analysen für Streaming-Daten durchführen können.
• Diskutieren Sie Bigtable als Lösung mit niedriger Latenzzeit.
• Beschreiben Sie, wie Sie eine Architektur für Bigtable erstellen und wie Sie Daten in Bigtable einlesen können.
• Hervorhebung der Leistungsüberlegungen für die betreffenden Dienste.

Aktivitäten:

• Labor: Streaming-Analytik und Dashboards
• Übung: Personalisierte E-Mail-Inhalte mit BigQuery Continuous Queries und Gemini generieren
• Übung: Streaming Data Pipelines in Bigtable

Modul 18 - Erweiterte BigQuery-Funktionen und -Leistung

Themen:

• Analytische Fensterfunktionen
• GIS-Funktionen
• Überlegungen zur Leistung

Zielsetzungen:

• Überprüfen Sie einige der erweiterten Analysefunktionen von BigQuery.
• Erörterung von Möglichkeiten zur Verbesserung der Abfrageleistung.

Aktivitäten:

• Übung: Optimieren Ihrer BigQuery-Abfragen für die Leistung