Datum
07/05/2025 - 09/05/2025
Ganztägig
Kalender-Import: iCal
Veranstaltungsort
ETC Trainingscenter
Modecenterstraße 22, 1030 - Wien
– Vertrautheit mit relationalen Datenbanken und Datenbankentwurfskonzepten
Data Warehousing auf AWS führt Sie ein in die Konzepte, Strategien und bewährten Methoden für die Konzeptionierung einer Cloud-basierten Data Warehousing-Lösung mit Amazon Redshift, dem Data Warehouse in AWS in Petabyte-Größe. Dieser Kurs demonstriert, wie Daten für das Data Warehouse mithilfe anderer AWS-Services wie Amazon DynamoDB, Amazon EMR, Amazon Kinesis Firehose und Amazon S3 gesammelt, gespeichert und vorbereitet werden. Zudem wird demonstriert, wie Sie Business-Intelligence-Tools für Ihre Datenanalysen nutzen können.
Nach Abschluss dieses Trainings werden die Teilnehmer*innen in der Lage sein:
– Diskutieren Sie die Kernkonzepte von Data Warehousing und die Überschneidung zwischen Data Warehousing und Big Data-Lösungen.
– Starten eines Amazon Redshift-Clusters und Verwenden der Komponenten, Merkmale und Funktionen zur Implementierung eines Data Warehouse in der Cloud
– Verwendung anderer AWS-Daten- und Analyseservices wie Amazon DynamoDB, Amazon EMR, Amazon Kinesis und Amazon S3, um zur Data-Warehousing-Lösung beizutragen
– Architektur des Data Warehouse
– Identifizieren von Leistungsproblemen, Optimieren von Abfragen und Abstimmen der Datenbank für eine bessere Leistung
– Verwendung von Amazon Redshift Spectrum zur Analyse von Daten direkt aus einem Amazon S3-Bucket
– Verwendung von Amazon QuickSight zur Durchführung von Datenanalyse- und Visualisierungsaufgaben mit dem Data Warehouse
– …. Zur Videobeschreibung
– Datenbankarchitekt*innen
– Datenbankadministrator*innen
– Datenbankentwickler*innen
– Datenanalyst*innen und Informatiker*innen
Day One
Module 1: Introduction to Data Warehousing
– Relational databases
– Data warehousing concepts
– The intersection of data warehousing and big data Overview of data management in AWS
– Hands-on lab 1: Introduction to Amazon Redshift
Module 2: Introduction to Amazon Redshift
– Conceptual overview
– Real-world use cases
– Hands-on lab 2: Launching an Amazon Redshift cluster
Module 3: Launching clusters
– Building the cluster
– Connecting to the cluster
– Controlling access
– Database security
– Load data
– Hands-on lab 3: Optimizing database schemas
Day Two
Module 4: Designing the database schema
– Schemas and data types
– Columnar compression
– Data distribution styles
– Data sorting methods
Module 5: Identifying data sources
– Data sources overview
– Amazon S3
– Amazon DynamoDB
– Amazon EMR
– Amazon Kinesis Data Firehose
– AWS Lambda Database Loader for Amazon Redshift
– Hands-on lab 4: Loading real-time data into an Amazon Redshift database
Module 6: Loading data
– Preparing Data
– Loading data using COPY
– Maintaining tables
– Concurrent write operations
– Troubleshooting load issues
– Hands-on lab 5: Loading data with the COPY command
Day Three
Module 7: Writing queries and tuning for performance
– Amazon Redshift SQL
– User-Defined Functions (UDFs)
– Factors that affect query performance
– The EXPLAIN command and query plans
– Workload Management (WLM)
– Hands-on lab 6: Configuring workload management
Module 8: Amazon Redshift Spectrum
– Amazon Redshift Spectrum
– Configuring data for Amazon Redshift Spectrum Amazon Redshift Spectrum Queries
– Hands-on lab 7: Using Amazon Redshift Spectrum
Module 9: Maintaining clusters
– Audit logging
– Performance monitoring
– Events and notifications
– Lab 8: Auditing and monitoring clusters
– Resizing clusters
– Backing up and restoring clusters
– Resource tagging and limits and constraints
– Hands-on lab 9: Backing up, restoring and resizing clusters
Module 10: Analyzing and visualizing data
– Power of visualizations
– Building dashboards
– Amazon QuickSight editions and features
2.265,00
Kategorien