آموزش ایجاد و نظارت بر خطوط لوله داده برای راه حل پردازش دسته ای

Create and Monitor Data Pipelines for a Batch Processing Solution

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: تجزیه و تحلیل داده ها در لایه سرویس دهی با فرآیند داده به خوبی طراحی و اجرا شده است. این دوره به شما ملاحظات کلیدی و اصول طراحی ایجاد و نظارت بر خطوط لوله داده برای راه حل پردازش دسته ای را آموزش می دهد. به عنوان یک متخصص داده، ممکن است از شما خواسته شود که یک خط لوله داده سرتاسر برای راه حل پردازش دسته ای طراحی و پیاده سازی کنید. در این دوره آموزشی، ایجاد و نظارت بر خطوط لوله داده برای راه حل پردازش دسته ای، شما یاد خواهید گرفت که خطوط لوله داده را برای یک راه حل پردازش دسته ای طراحی و پیاده سازی کنید. ابتدا، ذخیره‌سازی داده‌های موجود در Azure را بررسی خواهید کرد. در مرحله بعد، راه‌حل‌های پردازش دسته‌ای را با استفاده از Azure Data Factory و ذخیره‌سازی داده‌های موجود کشف و توسعه خواهید داد. در نهایت، نحوه خودکارسازی فرآیند پردازش داده و نحوه نظارت بر بهینه سازی و کارایی را خواهید آموخت. وقتی این دوره را به پایان رساندید، مهارت ها و دانش یک متخصص داده را خواهید داشت که برای ساخت و نظارت بر خطوط لوله داده سرتاسر لازم است.

سرفصل ها و درس ها

مرور دوره Course Overview

  • بررسی اجمالی دوره Course Overview

کار با Data Storage Working with Data Storage

  • بررسی اجمالی Overview

  • معماری حالت دسته ای Batch Mode Architecture

  • یک روش ذخیره سازی داده در Azure را انتخاب کنید Choose a Data Storage Approach in Azure

  • تهیه و پیکربندی منابع Provision and Configure Resources

  • خلاصه Summary

ایجاد و ارکستر داده حرکت داده Creating and Orchestrating Data Movement

  • بررسی اجمالی Overview

  • بررسی سناریوی Globomantics Reviewing the Globomantics Scenario

  • آماده سازی داده ها برای آپلود Preparing Data for Upload

  • پیکربندی منبع داده Configuring the Data Source

  • پیکربندی مقصد داده Configuring the Data Destination

  • دسترسی به Data Lake Storage - پیکربندی Key Vault Accessing Data Lake Storage - Configuring Key Vault

  • دسترسی به ذخیره‌سازی دریاچه داده - ایجاد جداول ابعاد Accessing Data Lake Storage - Creating the Dimension Tables

  • هماهنگ سازی پردازش داده با خطوط لوله Synapse - خدمات و مجموعه داده های مرتبط Orchestrating Data Processing with Synapse Pipelines - Linked Services and Datasets

  • هماهنگ سازی پردازش داده ها با خطوط لوله سیناپس Orchestrating Data Processing with Synapse Pipelines

  • خلاصه Summary

طراحی و پیاده سازی لایه سرویس Design and Implement the Serving Layer

  • بررسی اجمالی Overview

  • نماهای گزارش را طراحی و اجرا کنید Design and Implement the Report Views

  • ایمن سازی لایه سرویس Securing the Serving Layer

  • طراحی گزارش Power BI Designing the Power BI Report

  • خلاصه Summary

نظارت بر ذخیره سازی و پردازش داده ها Monitoring Data Storage and Processing

  • بررسی اجمالی Overview

  • نمای کلی مانیتور Azure Azure Monitor Overview

  • ایجاد یک تنظیمات تشخیصی Creating a Diagnostic Setting

  • تجزیه و تحلیل متریک ها و گزارش ها Analyzing Metrics and Logs

  • خلاصه Summary

نمایش نظرات

آموزش ایجاد و نظارت بر خطوط لوله داده برای راه حل پردازش دسته ای
جزییات دوره
1h 29m
26
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
14
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Bismark Adomako Bismark Adomako

بیسمارک معتقد است که آموزش دیگر یکبار سرمایه گذاری نیست ، بلکه درعوض یک مادام العمر است و نویسندگان و مربیان بزرگ می توانند نقش بی بدیلی در یافتن و پیشرفت شغلی کامل داشته باشند. وی دارای مدرک لیسانس علوم مهندسی کامپیوتر با تخصص مهندسی نرم افزار ، هوش مصنوعی و محاسبات توزیع شده است. او دوره های رباتیک و بینایی رایانه را به عنوان رهبر دانش آموز در حالی که در مدرسه بود ، تدریس کرد و به عنوان مهندس نرم افزار و دستیار پروژه در شورای انگلیس کارآموزی و مشاوره کرد. وی در حال حاضر به عنوان یک توسعه دهنده هوش تجاری و داده های بزرگ کار می کند و به عنوان دانشمند داده در Ecobank eProcess International SA در حال توسعه مدل های یادگیری ماشین است که برخی از آنها شامل مدل Customer360 متشکل از یک مدل تقسیم بندی مشتری ، مدل ریزش مشتری و فروش متقابل مشتری (محصول توصیه) مدل. وی دارای دانش سطح سازمانی در ادغام داده ها برای برنامه های کاربردی دامنه BI و مدیریت داده است.