آموزش با استفاده از AWS Lake Formation یک دریاچه داده امن در AWS بسازید

Build a Secure Data Lake in AWS using AWS Lake Formation

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: راهنمای گام به گام راه‌اندازی دریاچه داده در AWS با استفاده از Lake formation، Glue، DataBrew، Athena، Redshift، Macie و غیره با استفاده از استودیو چسب AWS و دریافت داده‌ها از منابعی مانند RDS، Kinesis Firehose و DynamoDB شما یاد خواهید گرفت که چگونه داده‌ها را با استفاده از AWS Glue Studio و AWS Glue DataBrew تبدیل کنید. طرح‌ها و گردش‌های کاری در تشکیل دریاچه پیش نیازها: درک اولیه رایانش ابری درک اولیه از اینکه دریاچه داده و انبار داده چیست ضروری است اما لازم نیست یک حساب AWS فعال برای اینکه بتوان آن را دنبال کرد لازم است.

در این دوره، ما یک دریاچه داده با استفاده از AWS Lake Formation ایجاد می‌کنیم و قابلیت‌های انبار داده را به دریاچه داده می‌آوریم تا معماری دریاچه را با استفاده از Amazon Redshift شکل دهد. با استفاده از Lake Formation، ما همچنین داده‌ها را از منابع داده مختلف جمع‌آوری و فهرست‌بندی می‌کنیم، داده‌ها را به دریاچه داده S3 خود منتقل می‌کنیم و سپس آنها را تمیز و طبقه‌بندی می‌کنیم.

این دوره یک پیشرفت منطقی از اجرای پروژه در دنیای واقعی را با تجربه عملی در راه اندازی یک دریاچه داده، ایجاد خطوط لوله داده برای جذب و تبدیل داده های شما در آماده سازی برای تجزیه و تحلیل و گزارش دنبال می کند.


فصل 1

  • دریاچه داده را با استفاده از تشکیل دریاچه راه اندازی کنید

  • منابع داده های مختلف (MySQL RDS و Kinesis) ایجاد کنید

  • داده‌ها را از منبع داده MYSQL RDS در دریاچه داده با راه‌اندازی کارهای طرح و گردش کار در تشکیل دریاچه وارد کنید

  • پایگاه داده ما را با استفاده از خزنده فهرست کنید

  • از جداول کنترل شده برای مدیریت کنترل دسترسی و امنیت استفاده کنید

  • دریاچه داده ما را با استفاده از آتنا پرس و جو کنید


فصل 2،

  • استفاده از AWS Gluw DataBrew را برای نمایه سازی و درک داده های ما قبل از شروع کارهای پیچیده ETL کاوش کنید.

  • دستورالعمل‌هایی برای دستکاری داده‌ها در دریاچه داده ما با استفاده از تبدیل‌های مختلف ایجاد کنید

  • پاک کردن و عادی سازی داده ها

  • کارها را اجرا کنید تا دستور العمل ها را روی همه داده های جدید یا مجموعه داده های بزرگتر اعمال کنید


فصل 3

  • Glue Studio را معرفی کنید

  • تولید و نظارت بر کارهای ETL برای تغییر شکل داده های ما و انتقال آنها بین مناطق مختلف دریاچه داده ما

  • یک منبع DynamoDB ایجاد کنید و داده ها را با استفاده از چسب AWS در دریاچه داده ما وارد کنید


فصل 4

  • معرفی و ایجاد یک خوشه انتقال به سرخ برای آوردن قابلیت‌های datawarehouse به دریاچه داده ما برای شکل‌گیری معماری lakehouse

  • ایجاد مشاغل ETL برای انتقال داده ها از دریاچه ما به انبار برای تجزیه و تحلیل

  • از طیف انتقال به قرمز برای پرس و جو در برابر داده ها در دریاچه داده S3 خود بدون نیاز به داده های تکراری یا زیرساخت استفاده کنید


فصل 5

  • آمازون مکی را برای مدیریت امنیت داده‌ها و حریم خصوصی داده‌ها معرفی کنید و اطمینان حاصل کنید که می‌توانیم به شناسایی داده‌های حساس در مقیاس با رشد دریاچه داده‌هایمان ادامه دهیم




سرفصل ها و درس ها

معرفی Introduction

  • معرفی دوره Introduction to the course

معرفی Introduction

راه اندازی دریاچه داده با تشکیل دریاچه AWS Setting up the Data Lake with AWS Lake formation

  • پیکربندی تشکیل دریاچه S3 Configuring S3 lake formation

  • ورود فایل ساده به دریاچه داده Simple file ingestion into the data lake

  • برای دریافت داده‌ها از MySQL RDS از طرح‌ها و گردش‌های کاری در Lake formation استفاده کنید Use blueprints and workflows in Lake formation for ingesting data from MySQL RDS

  • داده‌های بی‌درنگ را با استفاده از کینسیس فایرهوز به دریاچه داده وارد کنید Ingest real-time data using Kinesis firehose into the data lake

  • امنیت و مدیریت دریاچه داده ما با جداول کنترل شده Security and governance of our data lake with governed tables

راه اندازی دریاچه داده با تشکیل دریاچه AWS Setting up the Data Lake with AWS Lake formation

تهیه و تجزیه و تحلیل داده ها در دریاچه داده ما با استفاده از AWS Glue DataBrew Preparation and analysis of data in our data lake using AWS Glue DataBrew

  • مقدمه ای بر AWS Glue DataBrew Introduction to AWS Glue DataBrew

  • تجزیه و تحلیل و تبدیل داده ها در دریاچه داده ما با Glue DataBrew Analysis and transformation of data in our data lake with Glue DataBrew

  • دستور العمل های DataBrew را ایجاد کنید و آنها را در مجموعه داده های بزرگتر اعمال کنید Create DataBrew recipes and applying them to a larger datasets

تهیه و تجزیه و تحلیل داده ها در دریاچه داده ما با استفاده از AWS Glue DataBrew Preparation and analysis of data in our data lake using AWS Glue DataBrew

با استفاده از AWS Glue Studio کارهای ETL را نویسنده، اجرا و نظارت کنید Author, run and monitor ETL jobs using AWS Glue Studio

  • آشنایی با AWS Glue Studio Introduction to AWS Glue Studio

  • کارهای ETL را برای جابجایی داده ها بین مناطق مختلف در دریاچه داده ما ایجاد می کند Author ETL jobs for moving data between the different zones in our data lake

  • داده ها را از DynamoDB با استفاده از چسب AWS به دریاچه داده وارد کنید و آن را فهرست کنید Ingest data from DynamoDB into the data lake using AWS Glue and catalog it

با استفاده از AWS Glue Studio کارهای ETL را نویسنده، اجرا و نظارت کنید Author, run and monitor ETL jobs using AWS Glue Studio

داده های ما را برای تجزیه و تحلیل و گزارش آماده کنید Prepare our data for analytics and reporting

  • معرفی آمازون Redshift و راه اندازی خوشه Amazon Redshfit ما Introduction to Amazon Redshift and setting up our Amazon Redshfit cluster

  • کار نویسنده ETL برای انتقال داده ها از دریاچه داده ما به انبار Redshift Author ETL job for moving data from our data lake into the Redshift warehouse

  • استفاده از Redshift Spectrum برای جستجوی داده‌های واقع در دریاچه داده ما Using Redshift Spectrum for querying data located in our data lake

داده های ما را برای تجزیه و تحلیل و گزارش آماده کنید Prepare our data for analytics and reporting

جایزه Bonus

  • معرفی آمازون Macie برای مدیریت امنیت داده ها و حریم خصوصی در دریاچه ما Introduction to Amazon Macie for managing data security and privacy in our lake

جایزه Bonus

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش با استفاده از AWS Lake Formation یک دریاچه داده امن در AWS بسازید
جزییات دوره
3.5 hours
16
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,875
4.3 از 5
دارد
دارد
دارد
Yomi Owoyemi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Yomi Owoyemi Yomi Owoyemi

معمار فنی