آموزش (GCP-PDE) نگهداری و اتوماسیون حجم‌های کاری داده (Data Workloads) - 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 برای اجرای قابل‌اعتماد و مقرون‌به‌صرفه حجم‌های کاری داده، به‌ویژه با افزایش پیچیدگی، مقیاس و اهمیت تجاری خط لوله‌های داده (Pipelines)، با چالش روبرو هستند. در این دوره آموزشی با عنوان «نگهداری و اتوماسیون حجم‌های کاری داده (GCP-PDE)»، شما توانایی اتوماسیون، بهینه‌سازی و مانیتورینگ خط لوله‌های داده را کسب می‌کنید تا عملکرد آن‌ها در شرایط واقعی و عملیاتی، ثابت و پایدار باشد. ابتدا، نحوه بهینه‌سازی هزینه‌های ذخیره‌سازی و پردازش را بررسی خواهید کرد تا اطمینان حاصل شود که حجم‌های کاری حیاتی همیشه منابع مورد نیاز خود را در اختیار دارند. سپس، یاد می‌گیرید که چگونه گردش کارهای تکرارپذیر و خودکار را با استفاده از Cloud Composer و استراتژی‌های زمان‌بندی طراحی کنید تا خط لوله‌ها بدون وقفه اجرا شوند. در نهایت، مدیریت حجم‌های کاری، نظارت بر سلامت سیستم، عیب‌یابی خطاها و ساخت معماری‌های تحمل‌پذیر در برابر نقص (Fault-tolerant) را می‌آموزید تا قطعی‌ها و مشکلات داده‌ای را به‌طور بهینه مدیریت کنید. پس از اتمام این دوره، شما مهارت‌ها و دانش لازم برای مدیریت حجم‌های کاری داده جهت حفظ خط لوله‌های کارآمد، قابل‌اعتماد و آماده برای محیط عملیاتی (Production) در Google Cloud را به دست آورده و آمادگی لازم برای پاسخ به سوالات این بخش در آزمون گواهینامه Professional Data Engineer را خواهید داشت.

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: ساختار هزینه‌های Cloud Storage Minimizing Costs: Cost Structures for Cloud Storage

  • کاهش هزینه‌ها: ساختار هزینه‌های BigQuery Minimizing Costs: Cost Structures for BigQuery

  • کاهش هزینه‌ها: ساختار هزینه‌های 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 سازماندهی گردش کار Apache Airflow for Workflow Orchestration

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

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

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

مدیریت و سازماندهی حجم‌های کاری 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 عیب‌یابی فرآیندها Monitoring and Troubleshooting Processes

  • مانیتورینگ ابری (Cloud Monitoring) Cloud Monitoring

  • لاگینگ 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

آمادگی برای آزمون Exam Preparation

  • آمادگی برای آزمون Exam Preparation

  • نمونه سوالات آزمون Examples of Exam Questions

نمایش نظرات

آموزش (GCP-PDE) نگهداری و اتوماسیون حجم‌های کاری داده (Data Workloads)
جزییات دوره
2h 2m
25
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(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.