آموزش مدیریت و اتوماسیون ورک‌لودهای داده (GCP-PDE) - آخرین آپدیت

دانلود (GCP-PDE) Maintaining and Automating Data Workloads

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: سازمان‌ها اغلب با افزایش پیچیدگی، مقیاس و اهمیت تجاری خطوط لوله داده (Data Pipelines)، برای اجرای پایدار و مقرون‌به‌صرفه ورک‌لودهای داده با چالش مواجه هستند. در این دوره آموزشی با عنوان «مدیریت و اتوماسیون ورک‌لودهای داده (GCP-PDE)»، شما توانایی اتوماسیون، بهینه‌سازی و مانیتورینگ خطوط لوله داده را کسب می‌کنید تا در شرایط واقعی، عملکردی ثابت و بهینه داشته باشند. ابتدا، نحوه بهینه‌سازی هزینه‌های ذخیره‌سازی و پردازش را بررسی می‌کنید تا اطمینان حاصل شود که ورک‌لودهای حیاتی همیشه منابع لازم را در اختیار دارند. سپس، یاد می‌گیرید چگونه با استفاده از Cloud Composer و استراتژی‌های زمان‌بندی، جریان‌های کاری تکرارپذیر و خودکار طراحی کنید تا خطوط لوله بدون وقفه اجرا شوند. در نهایت، مدیریت ورک‌لودها، مانیتورینگ سلامت سیستم، عیب‌یابی خطاها و ساخت معماری‌های تحمل‌پذیر در برابر نقص (Fault-tolerant) را برای مدیریت هوشمند قطعی‌ها و مشکلات داده‌ها خواهید آموخت. در پایان این دوره، شما مهارت‌ها و دانش لازم برای مدیریت ورک‌لودهای داده جهت نگهداری خطوط لوله‌ی کارآمد، قابل اعتماد و آماده تولید در گوگل کلاود (Google Cloud) را کسب کرده و برای پاسخ به سوالات این بخش در آزمون گواهینامه Professional Data Engineer آماده خواهید بود.

سرفصل ها و درس ها

بهینه‌سازی هزینه‌ها و منابع داده Optimizing Data Costs and Resources

  • نیازمندی‌های سیستم و نرم‌افزاری System and Software Requirements

  • کاهش هزینه‌ها: عوامل اثرگذار بر هزینه Minimizing Costs: Cost Drivers

  • کاهش هزینه‌ها: ساختارهای هزینه در Cloud Storage Minimizing Costs: Cost Structures for Cloud Storage

  • کاهش هزینه‌ها: ساختارهای هزینه در BigQuery Minimizing Costs: Cost Structures for BigQuery

  • کاهش هزینه‌ها: ساختارهای هزینه در Dataflow Minimizing Costs: Cost Structures for Dataflow

  • کاهش هزینه‌ها: بهینه‌سازی‌های هزینه Minimizing Costs: Cost Optimizations

  • دمو: پیش‌محاسبه تجمیع‌ها با استفاده از Materialized Views Demo: Precompute Aggregations Using Materialized Views

  • کلاسترهای دائمی در مقابل کلاسترهای مبتنی بر Job Persistent vs. Job-based Clusters

طراحی اتوماسیون و تکرارپذیری Designing Automation and Repeatability

  • استفاده از Apache Airflow برای ارکستراسیون جریان کاری Apache Airflow for Workflow Orchestration

  • سرویس مدیریت شده برای Apache Airflow (سابقاً Cloud Composer) Managed Service for Apache Airflow (Formerly Cloud Composer)

  • دمو: ایجاد محیط مدیریت شده Airflow (Cloud Composer) Demo: Creating a Managed Airflow (Cloud Composer) Environment

  • دمو: اجرای جریان‌های کاری در مدیریت شده Airflow (Cloud Composer) Demo: Executing Workflows on Managed Airflow (Cloud Composer)

مدیریت و سازماندهی ورک‌لودها Managing and Organizing Workloads

  • مدل‌های قیمت‌گذاری BigQuery BigQuery Pricing Models

  • نسخه‌ها (Editions) و رزروها در BigQuery BigQuery Editions and Reservations

  • دمو: رزروها و تخصیص‌ها در BigQuery Demo: BigQuery Reservations and Assignments

  • پرس‌وجوهای تعاملی، دسته‌ای (Batch) و مستمر Interactive, Batch, and Continuous Queries

مانیتورینگ و فرآیندهای عیب‌یابی Monitoring and Troubleshooting Processes

  • مانیتورینگ ابری (Cloud Monitoring) Cloud Monitoring

  • لاگ‌گیری ابری (Cloud Logging) Cloud Logging

  • پنل مدیریت BigQuery و نماهای Information Schema BigQuery Admin Panel and Information Schema Views

ارزیابی و کاهش اثرات خرابی‌ها Assessing and Mitigating Impact of Failures

  • تکثیر داده و جایگزینی در خرابی: Cloud Storage Data Replication and Failover: Cloud Storage

  • تکثیر داده و جایگزینی در خرابی: BigQuery Data Replication and Failover: BigQuery

  • تکثیر داده و جایگزینی در خرابی: Cloud SQL Data Replication and Failover: Cloud SQL

  • دمو: در دسترس بودن بالا (HA) و Failover در Cloud SQL Demo: High Availability and Failover in Cloud SQL

آماده‌سازی برای آزمون Exam Preparation

  • آماده‌سازی برای آزمون Exam Preparation

  • نمونه سوالات آزمون Examples of Exam Questions

نمایش نظرات

آموزش مدیریت و اتوماسیون ورک‌لودهای داده (GCP-PDE)
جزییات دوره
2h 2m
25
(آخرین آپدیت)
1
از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.