Kursüberblick
In diesem Kurs lernen Sie die Erstellung von Batch-Datenanalyselösungen mit Amazon EMR, einem verwalteten Apache Spark- und Apache Hadoop-Service der Enterprise-Klasse. Sie lernen, wie Amazon EMR mit Open-Source-Projekten wie Apache Hive, Hue und HBase und mit AWS-Services wie AWS Glue und AWS Lake Formation integriert wird. Der Kurs behandelt die Komponenten Datenerfassung, -aufnahme, -katalogisierung, -speicherung und -verarbeitung im Kontext von Spark und Hadoop. Sie lernen die Verwendung von EMR Notebooks zur Unterstützung von Analyse- und Machine Learning-Arbeitslasten. Sie werden auch lernen, die besten Praktiken für Sicherheit, Leistung und Kostenmanagement auf den Betrieb von Amazon EMR anzuwenden.
Zielgruppe
Dieser Kurs richtet sich an:
- Ingenieure für Datenplattformen
- Architekten und Betreiber, die Datenanalyse-Pipelines aufbauen und verwalten
Zertifizierungen
Empfohlenes Training für die Zertifizierung zum:
Voraussetzungen
Teilnehmer mit mindestens einem Jahr Erfahrung im Umgang mit Open-Source-Datenframeworks wie Apache Spark oder Apache Hadoop profitieren von diesem Kurs.
Kursziele
In diesem Kurs werden Sie lernen:
- Vergleichen Sie die Funktionen und Vorteile von Data Warehouses, Data Lakes und modernen Datenarchitekturen
- Entwurf und Implementierung einer Lösung für die Batch-Datenanalyse
- Identifizierung und Anwendung geeigneter Techniken, einschließlich Komprimierung, zur Optimierung der Datenspeicherung
- Auswahl und Einsatz geeigneter Optionen zur Aufnahme, Umwandlung und Speicherung von Daten
- Auswahl der geeigneten Instanz- und Knotentypen, Cluster, der automatischen Skalierung und der Netzwerktopologie für einen bestimmten geschäftlichen Anwendungsfall
- Verstehen, wie sich Datenspeicherung und -verarbeitung auf die Analyse- und Visualisierungsmechanismen auswirken, die für die Gewinnung verwertbarer Geschäftseinblicke erforderlich sind
- Sichere Daten im Ruhezustand und bei der Übertragung
- Überwachen von Analyse-Workloads, um Probleme zu erkennen und zu beheben
- Anwendung bewährter Kostenmanagementverfahren
Kursinhalt
Modul A: Überblick über Datenanalyse und die Datenpipeline
- Anwendungsfälle der Datenanalyse
- Nutzung der Datenpipeline für Analysen
Modul 1: Einführung in Amazon EMR
- Verwendung von Amazon EMR in Analyselösungen
- Amazon EMR-Cluster-Architektur
- Interaktive Demo 1: Starten eines Amazon EMR-Clusters
- Strategien für das Kostenmanagement
Modul 2: Datenanalyse-Pipeline mit Amazon EMR: Ingestion und Speicherung
- Speicheroptimierung mit Amazon EMR
- Techniken für die Datenübernahme
Modul 3: Leistungsstarke Batch-Datenanalyse mit Apache Spark auf Amazon EMR
- Apache Spark auf Amazon EMR Anwendungsfälle
- Warum Apache Spark auf Amazon EMR
- Spark-Konzepte
- Interaktive Demo 2: Verbinden mit einem EMR-Cluster und Ausführen von Scala-Befehlen mit der Spark-Shell
- Umwandlung, Verarbeitung und Analyse
- Verwendung von Notebooks mit Amazon EMR
- Praxisübung 1: Datenanalyse mit niedriger Latenz mit Apache Spark auf Amazon EMR
Modul 4: Verarbeitung und Analyse von Batch-Daten mit Amazon EMR und Apache Hive
- Verwendung von Amazon EMR mit Hive zur Verarbeitung von Stapeldaten
- Umwandlung, Verarbeitung und Analyse
- Praxisübung 2: Batch-Datenverarbeitung mit Amazon EMR und Hive
- Einführung in Apache HBase auf Amazon EMR
Modul 5: Serverlose Datenverarbeitung
- Serverlose Datenverarbeitung, -umwandlung und -analyse
- Verwendung von AWS Glue mit Amazon EMR-Arbeitslasten
- Praxisübung 3: Orchestrierung der Datenverarbeitung in Spark mit AWS Step Functions
Modul 6: Sicherheit und Überwachung von Amazon EMR-Clustern
- Sicherung von EMR-Clustern
- Interaktive Demo 3: Client-seitige Verschlüsselung mit EMRFS
- Überwachung und Fehlerbehebung von Amazon EMR-Clustern
- Demo: Überprüfung der Apache Spark-Cluster-Historie
Modul 7: Entwurf von Batch Data Analytics-Lösungen
- Anwendungsfälle der Batch-Datenanalyse
- Tätigkeit: Entwurf eines Arbeitsablaufs für die Batch-Datenanalyse
Modul B: Entwicklung von modernen Datenarchitekturen auf AWS
- Moderne Datenarchitekturen
Deutsch
Englisch
Italienisch
Saudi-Arabien
Vereinigte Arabische Emirate
Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.