Storage Training

Storage Training
Kontakt | Standorte

 Sie sind hier: Home >> Workshops >> Cloud >> AW273 Building Streaming Data Analytics Solutions on AWS

Finden:
Workshops 
  Automic (UC4) 
  AWS 
  Backup & Recovery 
  Brocade 
  Cloud 
  Commvault 
  Datenbanken 
  DevOps 
  Fujitsu 
  Governance, Risk & Compliance  
  Hochverfügbarkeit 
  Industrie 4.0 
  Künstliche Intelligenz 
  Linux/Unix 
  Microsoft 
  NetApp 
  NetApp für Partner 
  Netzwerke 
  SAP 
  Security & Datenschutz 
  Softwareentwicklung 
  Storage Solutions 
  Veeam 
  Virtualisierung 
  Web-Seminare 
  Zertifizierungen 

Training: AWS - Cloud

AW273 Building Streaming Data Analytics Solutions on AWS

 

Kursbeschreibung (description):
In diesem Kurs AW273 Building Streaming Data Analytics Solutions on AWS lernen Sie, Streaming Data Analytics-Lösungen mithilfe von AWS-Services wie Amazon Kinesis und Amazon Managed Streaming for Apache Kafka (Amazon MSK) aufzubauen. Amazon Kinesis ist ein hochskalierbarer und ausfallsicherer Echtzeit-Datenstreaming-Service. Amazon MSK ist ein sicherer, vollständig verwalteter und hochverfügbarer Apache-Kafka-Service.

Sie lernen, wie Amazon Kinesis und Amazon MSK mit AWS-Services wie AWS Glue und AWS Lambda integriert werden. Der Kurs AW273 Building Streaming Data Analytics Solutions on AWS behandelt die Komponenten Datenaufnahme, Stream-Speicherung und Stream-Verarbeitung innerhalb der Data Analytics-Pipeline. Sie lernen außerdem, Best Practices in den Bereichen Sicherheit, Performance und Kostenmanagement beim Betrieb von Kinesis und Amazon MSK anzuwenden.

Dieser Kurs AW273 Building Streaming Data Analytics Solutions on AWS umfasst Präsentationen, praktische Übungen (Labs), Diskussionen und Kursaktivitäten.
Zielgruppe (target group):
Dieser Kurs AW273 Building Streaming Data Analytics Solutions on AWS richtet sich an:
  • Data Engineers und Architekten
  • Entwickler, die Echtzeitanwendungen und Streaming Data Analytics-Lösungen erstellen und verwalten möchten

Voraussetzungen (requirements):
Um an dem Kurs AW273 Building Streaming Data Analytics Solutions on AWS bei qSkills teilnehmen zu können, sollten Sie folgende AWS Trainings besucht haben:
Darüber hinaus sollten Sie folgende Voraussetzung erfüllen:
Mindestens ein Jahr Erfahrung im Bereich Data Analytics oder direkte Erfahrung im Aufbau von Echtzeitanwendungen oder Streaming-Analytics-Lösungen. Für Teilnehmende, die eine Auffrischung der Grundlagen zu Streaming-Konzepten benötigen, empfehlen wir das Whitepaper „Streaming Data Solutions on AWS“.
Ziele (objectives):
In diesem Kurs AW273 Building Streaming Data Analytics Solutions on AWS lernen Sie:
  • Die Funktionen und Vorteile moderner Datenarchitekturen zu verstehen und zu lernen, wie AWS Streaming-Services in diese Architekturen passen
  • Eine Streaming Data Analytics-Lösung zu entwerfen und zu implementieren
  • Geeignete Techniken wie Komprimierung, Sharding und Partitionierung zu identifizieren und anzuwenden, um die Datenspeicherung zu optimieren
  • Geeignete Optionen zur Aufnahme, Transformation und Speicherung von Echtzeit- und Near-Real-Time-Daten auszuwählen und bereitzustellen
  • Die passenden Streams, Cluster, Topics, Skalierungsstrategien und Netzwerktopologien für einen bestimmten geschäftlichen Anwendungsfall auszuwählen
  • Zu verstehen, wie Datenspeicherung und -verarbeitung die Analyse- und Visualisierungsmechanismen beeinflussen, die für verwertbare Geschäftseinblicke erforderlich sind
  • Streaming-Daten im Ruhezustand und bei der Übertragung abzusichern
  • Analytics-Workloads zu überwachen, um Probleme zu identifizieren und zu beheben
  • Best Practices für das Kostenmanagement anzuwenden

Preis und Dauer (price and duration):
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):
  • Überblick über Data Analytics und die Datenpipeline
    • Anwendungsfälle für Data Analytics
    • Nutzung der Datenpipeline für Analytics

  • Nutzung von Streaming-Services in der Data Analytics-Pipeline
    • Bedeutung von Streaming Data Analytics
    • Die Streaming Data Analytics-Pipeline
    • Grundlagen von Streaming

  • Einführung in AWS Streaming-Services
    • Streaming-Datenservices in AWS
    • Amazon Kinesis in Analytics-Lösungen
    • Demo: Amazon Kinesis Data Streams erkunden
    • Practice Lab: Streaming-Delivery-Pipeline mit Amazon Kinesis aufbauen
    • Einsatz von Amazon Kinesis Data Analytics
    • Einführung in Amazon MSK
    • Überblick über Spark Streaming

  • Einsatz von Amazon Kinesis für Echtzeit-Datenanalyse
    • Amazon Kinesis anhand eines Clickstream-Workloads erkunden
    • Erstellen von Kinesis Data Streams und Delivery Streams
    • Demo: Produzenten und Konsumenten verstehen
    • Aufbau von Stream-Producern
    • Aufbau von Stream-Consumern
    • Flink-Anwendungen in Kinesis Data Analytics entwickeln und bereitstellen
    • Demo: Zeppelin-Notebooks für Kinesis Data Analytics erkunden
    • Practice Lab: Streaming Analytics mit Amazon Kinesis Data Analytics und Apache Flink

  • Absicherung, Monitoring und Optimierung von Amazon Kinesis
    • Amazon Kinesis optimieren, um verwertbare Geschäftseinblicke zu gewinnen
    • Best Practices zu Sicherheit und Monitoring

  • Einsatz von Amazon MSK in Streaming Data Analytics-Lösungen
    • Anwendungsfälle für Amazon MSK
    • Erstellen von MSK-Clustern
    • Demo: Bereitstellung eines MSK-Clusters
    • Datenaufnahme mit Amazon MSK
    • Practice Lab: Einführung in Access Control mit Amazon MSK
    • Transformation und Verarbeitung in Amazon MSK

  • Absicherung, Monitoring und Optimierung von Amazon MSK
    • Amazon MSK optimieren
    • Demo: Amazon MSK Storage skalieren
    • Practice Lab: Amazon MSK Streaming-Pipeline und Anwendungsbereitstellung
    • Sicherheit und Monitoring
    • Demo: MSK-Cluster überwachen

  • Design von Streaming Data Analytics-Lösungen
    • Anwendungsfallbetrachtung
    • Kursaktivität: Design eines Streaming Data Analytics-Workflows

  • Entwicklung moderner Datenarchitekturen auf AWS
    • Moderne Datenarchitekturen