Storage Training

Storage Training
Kontakt | Standorte

 Sie sind hier: Home >> Workshops >> AWS >> AW480 Building Data Analytics Using Amazon Redshift

Finden:
Workshops 
  Noon2noon 
  Acronis 
  Automic (UC4) 
  AWS 
  Backup & Recovery 
  Brocade 
  Business Continuity 
  Cloud 
  Commvault 
  Datenbanken 
  ESET Security Solutions 
  Fujitsu 
  Governance, Risk & Compliance  
  Hochverfügbarkeit 
  Industrie 4.0 
  Linux/Unix 
  Microsoft 
  NetApp 
  NetApp für Partner 
  Netzwerke 
  Programmiersprachen 
  SAP 
  Security & Datenschutz 
  Simplifier 
  Storage Solutions 
  Veeam 
  Virtualisierung 

AW480 Building Data Analytics Using Amazon Redshift

 

Kurzbeschreibung (short description):
In diesem Kurs erstellen Sie eine Datenanalyselösung mit Amazon Redshift, einem Cloud-Data-Warehouse-Dienst. Der Kurs konzentriert sich auf die Datenerfassungs-, Aufnahme-, Katalogisierungs-, Speicherungs- und Verarbeitungskomponenten der Analysepipeline. Sie lernen, Amazon Redshift in einen Data Lake zu integrieren, um sowohl Analyse- als auch Machine-Learning-Workloads zu unterstützen. Sie erfahren auch, wie Sie Best Practices für Sicherheit, Leistung und Kostenmanagement auf den Betrieb von Amazon Redshift anwenden.
Zielgruppe (target group):
Der Kurs richtet sich an:
  • Data warehouse engineers
  • Data platform engineers
  • Architekten und Betreiber von data analytics pipelines

Voraussetzungen (requirements):
Um an dem Kurs „Building Data Analytics Using Amazon Redshift“ bei qSkills teilnehmen zu können, sollten Sie die folgenden AWS-Trainings besucht haben: Erfahrung im Umgang mit AWS-Techologien zur Unterstützung von Data Lakes und anderen datengesteuerten Workloads ist zusätzlich empfehlenswert.

Bitte beachten Sie für die Verwendung der Labs die Anforderungen von Qwiklabs
Ziele (objectives):
In diesem Kurs lernen Sie:
  • Vergleich von Nutzen und Funktionen von Data Warehouses, Data Lakes und modernen Datenarchitekturen
  • Design und Implementierung einer Lösung zum analysieren von Data Warehouses
  • Identifikation und Anwendung entsprechender Techniken wie z.B. Kompression zur Optimierung der Datenspeicherung
  • Auswahl und Einsatz angemessener Optionen zum Aufnehmen, transformieren und Speichern von Daten
  • Auswahl angemessener Instanzen und Node-Typen, Cluster, Automatische Skalierung sowie der Netzwerk Topologie für spezielle Unternehmens Use-Cases
  • Zu verstehen, wie sich die Datenspeicherung und Datenverarbeitung auf die Analyse und Visualisierungsmechanismen auswirkt
  • Sichern von Daten im Ruhezustand und während der Übertragung
  • Überwachen von Analyse-Workloads, um Probleme zu erkennen und zu beheben
  • Best Practices für das Kostenmanagement anwenden

Sonstiges (miscellaneous):
Dauer (duration): 1 Tag
Preis (price): 750,- Euro zzgl. MwSt.

Eine Druckansicht dieses Workshops finden Sie hier.
Termine (dates):
Termine auf Anfrage.
Falls Sie einen Terminwunsch für diesen Workshop haben, werden wir dies gerne für Sie prüfen!
Inhalte (agenda):
  • Modul A: Überblick zur Datenanalyse und der Datenpipeline
    • Anwendungsfälle der Datenanalyse
    • Anwendung der Datenpipeline für die Analyse

  • Modul 1: Die Nutzung von Amazon Redshift mit der Data Analytics Pipeline
    • Warum Amazon Redshift für Data Warehouses?
    • Überblick Amazon Redshift

  • Modul 2: Einführung in Amazon Redshift
    • Die Architektur von Amazon Redshift
    • Interaktive Demo 1: Rundgang in der Amazon Redshift Konsole
    • Amazon Redshift Funktionen
    • Lab 1: Laden und Abfragen von Daten in Amazon Redshift Clustern

  • Modul 3: Aufnahme und Speicherung
    • Aufnahme
    • Interaktive Demo 2: Verbindung von Amazon Redshift Clustern mit Jupyter Notebook und API
    • Datenverteilung und -Speicherung
    • Interaktive Demo 3: Analyse von teilstrukturierten Daten mit dem SUPER Datentyp
    • Abfragen von Daten in Amazon Redshift
    • Lab 2: Datenanalyse mit Amazon Redshift Spectrum

  • Modul 4: Verarbeitung und Optimierung von Daten
    • Datentransformation
    • Fortgeschrittene Abfragen
    • Lab 3: Datentransformation und Abfragen in Amazon Redshift
    • Ressourcenmanagement
    • Interaktive Demo 4: Anwenden des gemischten Workload-Managements in Amazon Redshift
    • Automatisierung und Optimierung
    • Interaktive Demo 5: Amazon Redshift Cluster abändern von dc2.large zu ra3.xlplus Cluster

  • Modul 5: Sicherheit und Überwachung von Amazon Redshift Clusters
    • Sichern des Amazon Redshift Cluster
    • Überwachung und Troubleshooting zu Amazon Redshift Clustern

  • Modul 6: Gestalten von Data Warehouse Analytics Solutions
    • Rückblick zu Data Warehouse Anwendungsfällen
    • Übung: Gestalten eines Data Warehouse analytics workflow

  • Modul B: Entwicklung von Modern Data Architectures auf AWS
    • Moderne Datenarchitekturen