- Verstehen der Funktionen und Vorteile einer modernen Datenarchitektur. Erfahre, wie AWS-Streaming-Services in eine moderne Datenarchitektur passen.
- Entwurf und Implementierung einer Lösung zur Analyse von Streaming-Daten
- Identifizieren und Anwenden geeigneter Techniken wie Komprimierung, Sharding und Partitionierung zur Optimierung der Datenspeicherung
- Auswahl und Einsatz geeigneter Optionen zur Aufnahme, Umwandlung und Speicherung von Echtzeit- und echtzeitnahen Daten
- Wähle die geeigneten Streams, Cluster, Themen, Skalierungsansätze und Netzwerktopologien 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
- Sicheres Streaming von Daten im Ruhezustand und bei der Übertragung
- Überwachen von Analyse-Workloads, um Probleme zu erkennen und zu beheben
- Anwendung bewährter Kostenmanagementverfahren
Building Streaming Data Analytics Solutions on AWS (BSDASA)
Building Streaming Data Analytics Solutions on AWS (BSDASA): Aufbau von Streaming-Datenanalyselösungen mit AWS-Services
In unserem Kurs Building Streaming Data Analytics Solutions on AWS (BSDASA) lernst du den Aufbau von Streaming-Datenanalyselösungen mit AWS-Services, einschließlich Amazon Kinesis und Amazon Managed Streaming for Apache Kafka (Amazon MSK). Amazon Kinesis ist ein massiv skalierbarer und langlebiger Echtzeit-Daten-Streaming-Service. Amazon MSK bietet einen sicheren, vollständig verwalteten und hochverfügbaren Apache Kafka-Service. Du wirst lernen, wie Amazon Kinesis und Amazon MSK in AWS-Services wie AWS Glue und AWS Lambda integriert werden. Der Kurs befasst sich mit der Aufnahme von Streaming-Daten, der Stream-Speicherung und den Stream-Verarbeitungskomponenten der Pipeline für die Datenanalyse. Außerdem lernst du, wie du bewährte Verfahren für Sicherheit, Leistung und Kostenmanagement auf den Betrieb von Kinesis und Amazon MSK anwendest.
Lernziele Building Streaming Data Analytics Solutions on AWS
Inhalte Building Streaming Data Analytics Solutions on AWS
Modul A: Überblick über Datenanalyse und die Datenpipeline
- Anwendungsfälle der Datenanalyse
- Nutzung der Datenpipeline für Analysen
Modul 1: Verwendung von Streaming Services in der Datenanalyse-Pipeline
- Die Bedeutung der Analyse von Streaming-Daten
- Die Pipeline für die Streaming-Datenanalyse
- Streaming-Konzepte
Modul 2: Einführung in AWS Streaming Services
- Streaming-Datendienste in AWS
- Amazon Kinesis in Analyselösungen
- Demonstration: Amazon Kinesis-Datenströme erforschen
- Praxis-Labor: Einrichten einer Streaming-Bereitstellungspipeline mit Amazon Kinesis
- Verwendung von Amazon Kinesis Data Analytics
- Einführung in Amazon MSK
- Überblick über Spark Streaming
Modul 3: Verwendung von Amazon Kinesis für Echtzeit-Datenanalysen
- Untersuchung von Amazon Kinesis anhand einer Clickstream-Arbeitslast
- Erstellen von Kinesis-Daten- und Lieferströmen
- Demonstration: Produzenten und Konsumenten verstehen
- Bau von Stromerzeugern
- Gebäude Stromverbraucher
- Erstellen und Bereitstellen von Flink-Anwendungen in Kinesis Data Analytics
- Demonstration: Erkunden Sie Zeppelin-Notebooks für Kinesis Data Analytics
- Praxis-Labor: Streaming-Analysen mit Amazon Kinesis Data Analytics und Apache Flink
Modul 4: Sichern, Überwachen und Optimieren von Amazon Kinesis
- Optimieren Sie Amazon Kinesis, um verwertbare Geschäftseinblicke zu gewinnen
- Bewährte Verfahren für Sicherheit und Überwachung
Modul 5: Verwendung von Amazon MSK in Streaming Data Analytics-Lösungen
- Anwendungsfälle für Amazon MSK
- MSK-Cluster erstellen
- Demonstration: Bereitstellen eines MSK-Clusters
- Einspeisung von Daten in Amazon MSK
- Praxis-Labor: Einführung in die Zugangskontrolle mit Amazon MSK
- Umwandlung und Verarbeitung in Amazon MSK
Modul 6: Sichern, Überwachen und Optimieren von Amazon MSK
- Optimierung von Amazon MSK
- Demonstration: Skalierung des Amazon MSK-Speichers
- Praxis-Labor: Amazon MSK-Streaming-Pipeline und Anwendungsbereitstellung
- Sicherheit und Überwachung
- Demonstration: Überwachung eines MSK-Clusters
Modul 7: Entwurf von Streaming Data Analytics-Lösungen
- Überprüfung von Anwendungsfällen
- Klassenübung: Entwerfen eines Arbeitsablaufs für die Streaming-Datenanalyse
Modul B: Entwicklung von modernen Datenarchitekturen auf AWS
- Moderne Datenarchitekturen
Building Streaming Data Analytics Solutions on AWS (BSDASA) Zielgruppe: Building Streaming Data Analytics Solutions on AWS
Unsere Schulung Building Streaming Data Analytics Solutions on AWS (BSDASA) richtet sich an:
- Dateningenieure und -architekten
- Entwickler, die Echtzeitanwendungen und Lösungen zur Analyse von Streaming-Daten erstellen und verwalten möchten
Building Streaming Data Analytics Solutions on AWS (BSDASA) Voraussetzungen: Building Streaming Data Analytics Solutions on AWS
Wir empfehlen, dass die Teilnehmer des Kurses Building Streaming Data Analytics Solutions on AWS (BSDASA) folgende Voraussetzungen erfüllen:
- Mindestens ein Jahr Erfahrung in der Datenanalyse oder direkte Erfahrung in der Entwicklung von Echtzeitanwendungen oder Streaming-Analyselösungen. Wir empfehlen das Whitepaper Streaming Data Solutions on AWS für diejenigen, die eine Auffrischung der Streaming-Konzepte benötigen.
- Du hast entweder Architecting on AWS oder Data Analytics Fundamentals abgeschlossen.
- Abgeschlossener Aufbau von Data Lakes auf AWS