Data Warehouse Training in Κύπρος

Greenplum είναι μια ανοιχτόυ πηγαίου κώδικα πλατφόρμα δεδομένων με μαζική παράλληλη επεξεργασία (MPP) που σχεδιάστηκε για ανάλυση και βαθμούς μεγάλων δεδομένων.

Αυτή η ερμηνεία-χειρισμό (παγκουμπίτα ή υπερθάλαμος) προσβάσιμη από τέχνητους χρήστες επίπεδου μέσω δυνατών, η οποία καταλαβαίνει την εσωτερική αρχιτεκτόνιση του Greenplum, σχεδιάζει προσαρμοσμένα μοντέλα δεδομένων και εφαρμόζει υψηλής παραγωγότητας SQL σε κατανεμημένους περιβάλλοντες.

Στο τέλος αυτής της εκπαιδεύσεως, οι συμμετέχοντες θα μπορούν να:

• Καταλάβουν τη διαίτη συνέχεια του Greenplum και το παράλληλο μοντέλο.
• Σχεδιάσουν διακριτές πινάκων και διαιρέσεις επιβεβαιωμένες για την αναζήτηση ηχογράφηση.
• Χρησιμοποιούν στρατηγικές κατάλογων, μορφές αποθήκευσης και τεχνικές φυσικής σχεδίασης.
• Ερμηνεύουν EXPLAIN plans και βελτιώσουν αναζητήσεις με τις καλές πρακτικές.

Σχήμα της Εκπαίδευσης

• Ενεργοποιημένη εκπαιδευτική συζήτηση.
• Πολλά παραγωγικά και πράξη.
• Εφαρμογή χειρός σε ένα περιβάλλον live-lab.

Προεπιλεκτικές Επιλογές της Εκπαίδευσης

• Για να ζητήσετε μια προσωποθετημένη εκπαίδευση για αυτό το εκπαιδευτικό, καλέστε μας να οργανώσουμε.

Greenplum Architecture

• Παράλληλη επεξεργασία και συμμετρικό με το multi-processing
• Ρόλοι τομέων και δομή cluster
• Επέκταση και μετάφραση δεδομένων
• Greenplum Data Warehouse αρχιτεκτονικής

Greenplum Table Structures

• Distributed vs. τυχαιώς παραθίστων πινάκων
• Heap vs. append-only πινάκων
• Row vs. στήλες μορφές αποθήκευσης
• Partitioned και clustered πινάκων

Data Distribution and Hashing

• Λογική hashing και κλειδιών διανέμησης
• Skew πρόσβαση και επίδραση παράγωγότητας
• Hash maps και στρατηγικών τοποθέτησης γραμμής

Indexes and Performance Optimization

• Clustered και non-clustered indexes
• B-tree και περίπτωση χρήσης index bitmap
• Index scan και συμπεριφορά αποθήκευσης

Physical Database Design

• Αναγωγότητας και σχεδίασης λογικών μοντέλων
• Στρατηγικών πρόσβασης χρήστη και ανάλυσης διανέμησης
• Ποπολογίας δεδομένων και απόφασης index

Denormalization Techniques

• Derived δεδομένα, πινάκων επεξεργασίας και pre-joins
• Columnar πινάκων ως vertical partitioning
• Πολυθαλάμου δεδομένων και materialized views

Advanced SQL and Query Execution

• Στρατηγικών συζεύξεων και ρευστή διάρθρωσης
• OLAP και παραθίστων window functions
• Temporary tables, subqueries, and derived tables

EXPLAIN Plans and Query Tuning

• Ανάγνωσης και ερμηνεία EXPLAIN παραχώρηση
• Χρόνου ανάλυση και τοπική προσαρμογή plan
• Συζεύξεως κίνηση και local operations segment

Greenplum Utilities and Best Practices

• ANALYZE και VACUUM
• Φόρτωση δεδομένων και μετάφρασης με Nexus
• Ασφάλεια, αποδοχών και τεχνική παραγωγότητας tips

Summary and Next Steps

• Συνέπεια για σχετικά βάσεις δεδομένων και SQL
• Εμπειρία με πολυθαλάμου ή αναλυτικών συστημάτων
• Ευνοϊκότητα Linux command line operations

Audience

• Αρχιτεκτονικοί και ομπλέρωτες δεδομένων
• Database παραγωγών και τεχνική αυξημένου
• Βι-επάνοικοι αναλυτικές ειδικότητες σε Greenplum εργαζόμενες

Greenplum είναι μια ανοιχτός κώδικας πλατφόρμα δεδομένων σε μεγάλη παράλληλη λειτουργία βασισμένη στο PostgreSQL, σχεδιασμένη για προόδους ανάλυσης και αποθήκευση δεδομένων μεγάλης κλίμακας.

Αυτή η εκπαίδευση υπό χρήση εκπαιδευτικού (δια διαδικτύου ή σε προσωπικά καθήκοντα) είναι προσανατολισμένη για αξιωματολόγητους διαχειριστές με συμπεριφορά να εγκαταστήσουν, ρύθμίσουν και διαχειρίστηκαν αποτελεσματικά περιβάλλοντα Greenplum, συμπεριλαμβανομένης της διαχείρισης ενημερώσεων συστήματος και βιβλιοθηκών.

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Εγκαταστήσουν και ρυθμίσουν ένα παραγωγικό συνεταιρισμό Greenplum.
• Διαχειρίζονται ενημερώσεις συστήματος και εφαρμόζουν πάτσ ασφαλώς.
• Καταβάλλουν για τη διαχείριση βιβλιοθηκών Greenplum για ανάλυση και επέκταση.
• Αναλύζουν προβλήματα και συνακολουθούν τα συστήματα Greenplum.

Σχήμα εκπαίδευσης

• Εργαλειώδης διάλογος και συζήτηση.
• Πρακτική χρήση του Greenplum σε ένα ελεγχόμενο περιβάλλον laboraotry.
• Οδηγή μέριμνες που κεντρίζονται στη ρύθμιση συνεταιρισμών, χαράκτερες αναβάθμισης και επέκτασης συστήματος.

Επιλογές προσαρμογής της εκπαίδευσης

• Για να ζητήσετε μια προσαρμογμένη εκπαίδευση για αυτό το κουρσό βάσει του περιβάλλοντός σας ή πλατφόρμας δεδομένων, παρακαλώ επικοινωνήστε μαζί μας για τη διάρθρωση.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Κύπρος (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες δεδομένων προηγμένου επιπέδου που επιθυμούν να βελτιστοποιήσουν τις ροές εργασίας επεξεργασίας δεδομένων, να εξασφαλίσουν την ακεραιότητα των δεδομένων και να εφαρμόσουν ισχυρές λύσεις lakehouse δεδομένων που μπορούν να χειριστούν την πολυπλοκότητα των σύγχρονων μεγάλων εφαρμογές δεδομένων.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Αποκτήστε μια εις βάθος κατανόηση της αρχιτεκτονικής του Iceberg, συμπεριλαμβανομένης της διαχείρισης μεταδεδομένων και της διάταξης αρχείων.
• Διαμορφώστε το Iceberg για βέλτιστη απόδοση σε διάφορα περιβάλλοντα και ενσωματώστε το με πολλαπλούς κινητήρες επεξεργασίας δεδομένων.
• Διαχειριστείτε μεγάλης κλίμακας πίνακες Iceberg, εκτελέστε σύνθετες αλλαγές σχήματος και χειριστείτε την εξέλιξη των διαμερισμάτων.
• Βασικές τεχνικές για τη βελτιστοποίηση της απόδοσης ερωτημάτων και της αποτελεσματικότητας σάρωσης δεδομένων για μεγάλα σύνολα δεδομένων.
• Εφαρμόστε μηχανισμούς για τη διασφάλιση της συνέπειας των δεδομένων, τη διαχείριση των εγγυήσεων συναλλαγών και τη διαχείριση αστοχιών σε κατανεμημένα περιβάλλοντα.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Κύπρος (διαδικτυακό ή επιτόπου) απευθύνεται σε αρχάριους επαγγελματίες δεδομένων που επιθυμούν να αποκτήσουν τις απαραίτητες γνώσεις και δεξιότητες για την αποτελεσματική χρήση του Apache Iceberg για τη διαχείριση συνόλων δεδομένων μεγάλης κλίμακας, τη διασφάλιση της ακεραιότητας των δεδομένων και βελτιστοποίηση των ροών εργασίας επεξεργασίας δεδομένων.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Αποκτήστε μια πλήρη κατανόηση της αρχιτεκτονικής, των χαρακτηριστικών και των πλεονεκτημάτων του Apache Iceberg.
• Μάθετε για τις μορφές πινάκων, τη διαίρεση, την εξέλιξη σχημάτων και τις δυνατότητες ταξιδιού στο χρόνο.
• Εγκαταστήστε και διαμορφώστε το Apache Iceberg σε διαφορετικά περιβάλλοντα.
• Δημιουργήστε, διαχειριστείτε και χειριστείτε τραπέζια Iceberg.
• Κατανοήστε τη διαδικασία μετεγκατάστασης δεδομένων από άλλες μορφές πινάκων στο Iceberg.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Κύπρος (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες πληροφορικής μεσαίου επιπέδου που επιθυμούν να βελτιώσουν τις δεξιότητές τους στην αρχιτεκτονική δεδομένων, τη διακυβέρνηση, το cloud computing και τις τεχνολογίες μεγάλων δεδομένων για την αποτελεσματική διαχείριση και ανάλυση μεγάλων συνόλων δεδομένων για τη μεταφορά δεδομένων στους οργανισμούς τους.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Κατανόηση των θεμελιωδών εννοιών και στοιχείων διαφόρων αρχιτεκτονικών δεδομένων.
• Αποκτήστε μια ολοκληρωμένη κατανόηση των αρχών διακυβέρνησης δεδομένων και της σημασίας τους σε ρυθμιστικά περιβάλλοντα.
• Εφαρμογή και διαχείριση πλαισίων διακυβέρνησης δεδομένων όπως Dama και Togaf.
• Αξιοποιήστε τις πλατφόρμες cloud για αποτελεσματική αποθήκευση, επεξεργασία και διαχείριση δεδομένων.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Κύπρος (διαδικτυακό ή επιτόπου) απευθύνεται σε μηχανικούς δεδομένων μεσαίου επιπέδου που επιθυμούν να μάθουν πώς να χρησιμοποιούν το Azure Data Lake Storage Gen2 για αποτελεσματικές λύσεις ανάλυσης δεδομένων.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Κατανοήστε την αρχιτεκτονική και τα βασικά χαρακτηριστικά του Azure Data Lake Storage Gen2.
• Βελτιστοποιήστε την αποθήκευση δεδομένων και την πρόσβαση για κόστος και απόδοση.
• Ενσωματώστε το Azure Data Lake Storage Gen2 με άλλες Azure υπηρεσίες για ανάλυση και επεξεργασία δεδομένων.
• Αναπτύξτε λύσεις χρησιμοποιώντας το API Azure Data Lake Storage Gen2.
• Αντιμετωπίστε κοινά προβλήματα και βελτιστοποιήστε τις στρατηγικές αποθήκευσης.

Αυτή η εκπαιδευτική μάθηση σε χώρο Κύπρος (διαδικτύου ή φυσικό) προσβάλλει επαγγελματίες μεσαίου επιπέδου στα μεγάλα δεδομένα που θέλουν να χρησιμοποιήσουν το Apache Kylin για την κατασκευή πραγματικά-χρόνων αποθετηρίων δεδομένων και την εκτέλεση πολυδιάστατης ανάλυσης σε μεγάλους σύνολους δεδομένων.

Στο τέλος αυτής της εκπαιδευτικής μάθησης, οι συμμετέχοντες θα μπορέσουν να:

• Εγκαταστήσουν και ρυθμίσουν το Apache Kylin με πηγές στρีμινγ δεδομένων πραγματικά-χρόνων.
• Σχεδιάζουν και κατασκευάζουν OLAP κύβους για τόσο σημετοχή όσο και δεδομένα στρีμινγ.
• Εκτελούν περίπλοκες ερωτήσεις με λανθαντικό χρόνο ανταπόκρισης χρησιμοποιώντας τη διεπαφή SQL του Kylin.
• Συνδέουν το Kylin με εργαλεία BI για αλληλεπιδραστική προβολή δεδομένων.
• Οптιμοποιούν την απόδοση και ρυθμίζουν εφεξῆς τα πόρους στο Kylin.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Κύπρος (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες πληροφορικής μεσαίου επιπέδου που επιθυμούν να κατανοήσουν πλήρως το IBM DataStage τόσο από διοικητική όσο και από αναπτυξιακή άποψη, επιτρέποντάς τους να διαχειρίζονται και να χρησιμοποιούν αυτό εργαλείο αποτελεσματικά στους αντίστοιχους χώρους εργασίας τους.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Κατανοήστε τις βασικές έννοιες του DataStage.
• Μάθετε πώς μπορείτε να εγκαταστήσετε, να διαμορφώσετε και να διαχειριστείτε αποτελεσματικά περιβάλλοντα DataStage.
• Συνδεθείτε σε διάφορες πηγές δεδομένων και εξάγετε δεδομένα αποτελεσματικά από βάσεις δεδομένων, επίπεδα αρχεία και εξωτερικές πηγές.
• Εφαρμογή αποτελεσματικών τεχνικών φόρτωσης δεδομένων.

Αυτός ο διδασκαλικός, ζωντανός εκπαιδευτικός φορμαθμός στο Κύπρος (online ή αποδuhlhlh) προσβάλλει τους διευθυντές βάσης δεδομένων, τους εγκαταστήτες και τους αναλυτές μεταξύ επίπεδου που θέλουν να ειδικεύονται στις προηγμένες SQL λειτουργίες για μεγάλο κύβο δεδομένων επεξεργασίες και διαχείριση βάσης δεδομένων.

Το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Εκτελούν προηγμένες τεχνικές ερωτήσεων χρησιμοποιώντας συνδυάσεις, υποερωτήσεις και πολύπλοκους ένωσες.
• Πρόσθεση, ενημέρωση και διαγραφή δεδομένων, πινάκων, αποψεων και δείκτων με ακρίβεια.
• Βεβαιώσουν την ακεραιότητα δεδομένων μέσω συναλλαγών και επεξεργάζονται προσεκτικά την δομή βάσης δεδομένων.
• Δημιουργούν και λειτουργούν διαχείριση βάσης δεδομένων αποτελεσματικά για τη ισχυρή παραθήκη και εξόδου δεδομένων.

Αυτή η ζωντανή εκπαίδευση στο Κύπρος (διαδικτυακή ή επιτόπια) υπό την καθοδήγηση εκπαιδευτών απευθύνεται σε επαγγελματίες βάσεων δεδομένων μεσαίου επιπέδου που επιθυμούν να βελτιώσουν τις δεξιότητές τους στην ανάπτυξη και διαχείριση Oracle SQL.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Δημιουργήστε και βελτιστοποιήστε σύνθετα SQL ερωτήματα.
• Διαχειριστείτε αποτελεσματικά τις βάσεις δεδομένων χρησιμοποιώντας Oracle SQL εργαλεία.
• Εφαρμόστε βέλτιστες πρακτικές στην ανάπτυξη και συντήρηση βάσεων δεδομένων.
• Διαχειριστείτε την πρόσβαση των χρηστών και την ασφάλεια της βάσης δεδομένων σε περιβάλλον Oracle.

Το μάθημα αποτελεί μέρος του συνόλου δεξιοτήτων Data Scientist (Domain: Data and Technology).

Apache Druid είναι ένα ανοικτού πηγαίου κώδικα, κατανεμημένο σε στήλη, κατανεμημένο κατάστημα δεδομένων που είναι γραμμένο σε Java . Σχεδιάστηκε έτσι ώστε να απορροφάει γρήγορα μεγάλες ποσότητες δεδομένων συμβάντων και να εκτελεί ερωτήματα OLAP χαμηλής καθυστέρησης σε αυτά τα δεδομένα. Το Druid χρησιμοποιείται συνήθως στις εφαρμογές επιχειρηματικής ευφυΐας για την ανάλυση μεγάλου όγκου δεδομένων σε πραγματικό χρόνο και ιστορικών δεδομένων. Είναι επίσης κατάλληλο για την τροφοδοσία γρήγορων, διαδραστικών, αναλυτικών πινάκων ελέγχου για τελικούς χρήστες. Το Druid χρησιμοποιείται από εταιρείες όπως το Alibaba, το Airbnb, η Cisco , το eBay, το Netflix, το Paypal και το Yahoo.

Σε αυτήν την καθοδηγούμενη από εκπαιδευτή, ζωντανή πορεία, εξετάζουμε ορισμένους από τους περιορισμούς των λύσεων αποθήκης δεδομένων και συζητούμε πώς ο Druid μπορεί να επαινέσει αυτές τις τεχνολογίες για να σχηματίσει μια ευέλικτη και κλιμακούμενη στοίβα αναλυτικών ροών. Περνάμε πολλά παραδείγματα, προσφέροντας στους συμμετέχοντες την ευκαιρία να εφαρμόσουν και να δοκιμάσουν λύσεις Druid με βάση το εργαστήριο.

Μορφή του μαθήματος

• Διάλεξη μέρους, συζήτηση μέρος, βαριά πρακτική πρακτική, περιστασιακές δοκιμές για να μετρήσετε την κατανόηση

Σε αυτή τη ζωντανή εκπαίδευση που καθοδηγείται από εκπαιδευτές στο Κύπρος, οι συμμετέχοντες θα μάθουν πώς να δημιουργούν ένα Data Vault.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Κατανοήστε τις έννοιες της αρχιτεκτονικής και του σχεδιασμού πίσω από το Data Vault 2.0 και την αλληλεπίδρασή του με τα Big Data, NoSQL και AI.
• Χρησιμοποιήστε τεχνικές αποθήκευσης δεδομένων για να ενεργοποιήσετε τον έλεγχο, την ανίχνευση και την επιθεώρηση ιστορικών δεδομένων σε μια αποθήκη δεδομένων.
• Αναπτύξτε μια συνεπή και επαναλαμβανόμενη διαδικασία ETL (Extract, Transform, Load).
• Κατασκευάστε και αναπτύξτε αποθήκες υψηλής κλιμάκωσης και επαναλήψεως.

Το Amazon Redshift είναι μια υπηρεσία αποθήκης δεδομένων σε κλίμακα petabyte που βασίζεται σε σύννεφο στο AWS.

Σε αυτή τη ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών, οι συμμετέχοντες θα μάθουν τις βασικές αρχές του Amazon Redshift.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Εγκατάσταση και διαμόρφωση Amazon Redshift
• Φόρτωση, διαμόρφωση, ανάπτυξη, αναζήτηση και οπτικοποίηση δεδομένων με το Amazon Redshift

Ακροατήριο

• προγραμματιστές
• Επαγγελματίες Πληροφορικής

Μορφή του μαθήματος

• Μέρος διάλεξη, μέρος συζήτηση, ασκήσεις και βαριά πρακτική εξάσκηση

Σημείωμα

• Για να ζητήσετε μια εξατομικευμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσουμε.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Κύπρος (διαδικτυακό ή επιτόπου) απευθύνεται σε διαχειριστές που επιθυμούν να δημιουργήσουν Greenplum Database λύσεις επιχειρηματικής ευφυΐας και αποθήκευσης δεδομένων.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να αντιμετωπίζουν τις ανάγκες επεξεργασίας με το Greenplum.
• Να εκτελούν λειτουργίες ETL για επεξεργασία δεδομένων.
• Να χρησιμοποιούν τα υπάρχοντα πλαίσια επεξεργασίας ερωτήσεων.