آموزش Azure Data Factory--ادغام/تحویل مداوم

سرفصل ها و درس ها

معرفی Introduction

• از این دوره چه خواهیم آموخت؟ What We Will Learn From This Course ?

• دانلود منابع کامل و کدهای استفاده شده در این دوره Download Full Resources And Code Used In This Course

اصول اولیه Azure Azure Basics

• ایجاد حساب Azure با کارت اعتباری Create Azure Account With Credit Card

• نحوه استفاده از حساب Azure - پس از آزمایش رایگان، بدون خرج کردن پول How To Use Azure Account -- After Free Trial ,Without Spending Money

• ETL در مقابل ELT ETL Vs ELT

• اجزای کلیدی ADF و SSIS Key components Of ADF & SSIS

آزمایشگاه آزمایشی 1: معرفی کارخانه داده Azure Demo Lab 1: Introductions To Azure Data Factory

• مقدمه ای بر آزمایشگاه 1 Introduction To Lab 1

• ایجاد پایگاه داده Azure SQL Create Azure SQL Database

• با استفاده از Azure Query Editor و SSMS به پایگاه های داده Azure SQL دسترسی پیدا کنید Access Azure SQL Databases Using Azure Query Editor & SSMS

• اتصال به پایگاه داده Azure SQL از On-Premise با استفاده از SSMS و ایجاد جداول جدید Connect To Azure SQL Data Base From On-Premise Using SSMS & Create New Tables

• یک حساب ذخیره سازی ایجاد کنید Create A Storage Account

• با استفاده از Azure Storage Explore به حساب ذخیره سازی متصل شوید Connect To Storage Account Using Azure Storage Explore

• نمونه Azure Data Factory را در Azure ایجاد کنید Create Azure Data Factory Instance In Azure

• کارخانه داده لاجورد برای اولین بار Azure Data Factory For The First Time

• ایجاد سرویس پیوندی (اتصال به منبع و مقصد) Create Linked Service (Connection To Source & Destinations)

• مجموعه داده‌ها را برای جداول منبع و فایل‌های مقصد ایجاد کنید Create Data Set For Source Tables And Destinations Files

• ایجاد خط لوله و پیکربندی فعالیت کپی (Azure SQL DB به حساب ذخیره سازی) Create Pipeline And Configure Copy Activity (Azure SQL DB To Storage Account)

• اجرای خط لوله ما و نظارت بر اجرای خط لوله ما Execute Our Pipeline And Monitor Our Pipeline Executions

• منابع Azure خود را پاک کنید Clean Your Azure Resources

Azure را تمرین کنید (تسک 1 و راه حل: نسخه جدید) Practice Azure (Task 1 & Solution: New Version)

• وظیفه 1: درک خود را بررسی کنید Task 1: Check Your Understanding

• یک گروه منبع جدید به نام ADF ایجاد کنید Create New Resource Group Called ADF

• یک حساب ذخیره سازی جدید در Azure ایجاد کنید Create A New Storage Account In Azure

• Azure Data Lake V2 چیست What is Azure Data Lake V2

• ذخیره‌سازی دریاچه خرما در Azure ایجاد کنید Create Date Lake Storage in Azure

• پایگاه داده و جداول Azure SQL را برای این نسخه آزمایشی قسمت 1 ایجاد کنید Create Azure SQL Data Base & Tables For This Demo Part 1

• جداول ایجاد کنید و داده ها را در Azure SQL DB قرار دهید Create Tables and Insert Data into Azure SQL DB

• نمونه‌های کارخانه داده‌های Azure و خدمات مرتبط ایجاد کنید Create Azure Data Factory Instances & Linked Services

• ایجاد مجموعه تاریخ چندگانه (برای دسترسی به Azure SQL، حساب ذخیره‌سازی و Data Lake) Create Multiple Date Set ( To Access Azure SQL, Storage Account & Data Lake)

• یک خط لوله با فعالیت های کپی چندگانه ایجاد کنید Create A Pipeline With Multiple Copy Activities

• منابع خود را پاک کنید Clean Your Resources

پارامترها در Azure Data Factory Parameters In Azure Data Factory

• از پارامتر در مجموعه داده خود برای ایجاد خطوط لوله پویا استفاده کنید Use Parameter In your Data Set To Create Dynamic Pipelines

• پارامتر در خط لوله و اجرای یک خط لوله پارامتری با خط لوله اجرایی Parameter in Pipeline & Execute a Parameterized Pipeline With Execute Pipeline

فعالیت های مختلف جریان کنترل را در ADF قسمت 1 بیاموزید Learn Different Control Flow Activities In ADF Part 1

• درک نیازهای ما Understanding Our Requirements

• استفاده از Get Metadata Activity Use Of Get Metadata Activity

• از Wait Activity برای به تاخیر انداختن فرآیند ما استفاده کنید Use Wait Activity To Delay Our Process

• استفاده از ForEach Activity Use Of ForEach Activity

• استفاده از If Condition Activity Use Of If Condition Activity

• استفاده از فعالیت حذف Use Of Delete Activity

• وظیفه Assignment

• نسخه ی نمایشی: فایل های با اندازه خاص را از حساب ذخیره سازی خود حذف کنید Demo: Delete Specific Size Files Form Your Storage Account

فعالیت های مختلف جریان کنترل را در ADF بیاموزید Learn Different Control Flow Activities In ADF

• از Get Metadata Activity با Azure SQL Server استفاده کنید Use Get Metadata Activity With Azure SQL Server

• جستجوی فعالیت در Azure Data Factory Lookup Activity In Azure Data Factory

• برای هر فعالیت در کارخانه داده Azure ForEach Activity In Azure Data Factory

• ForEach Activity در Azure Data Factory (کپی کردن داده ها به صورت پویا با جستجو) ForEach Activity In Azure Data Factory (Copy Data Dynamically With Lookup)

• تا فعالیت در کارخانه داده Azure Until Activity In Azure Data Factory

• منتظر اجرا تا زمان خاصی باشید Wait Execution Until A Specific Time

• منتظر بمانید تا یک فایل وجود داشته باشد (دمو برای If Condition Activity & Set Variables) Wait Until A file Exist (Demo For If Condition Activity & Set Variables)

پروژه دنیای واقعی و موارد استفاده Real World Project & Use Cases

• فایل های جدید و تغییر یافته را بر اساس آخرین تاریخ اصلاح به صورت تدریجی کپی کنید Incrementally copy new and changed files based on Last Modified Date

• تفاوت بین بار افزایشی و بار کامل (انیمیشن) Difference Between Incremental Load and Full Load (Animation)

• چگونه می‌توانیم بار افزایشی را در ADF پیاده‌سازی کنیم (جدول منفرد - فقط درج) How We Could Implement Incremental Load In ADF (Single Table - Insert Only)

• ایجاد زیرساخت برای نمایش بار افزایشی Create Infrastructure For Incremental Load Demo

• جداول منبع و جداول مقصد ایجاد کنید Create Source Tables and Destination Tables

• ایجاد مجموعه داده و خدمات مرتبط Create Dataset And Linked services

• یک کارخانه داده Azure با بار کامل ایجاد کنید Create A Full Load Azure Data Factory

• یک بار افزایشی را در کارخانه داده Azure اعمال کنید Implement A Incremental Load In Azure Data Factory

• SCD/ابعاد آهسته در حال تغییر چیست؟ What is SCD / Slowly changing dimension?

• چگونه SCD نوع 1 را در Azure Data Factory پیاده سازی کنیم؟ How To Implement SCD Type 1 In Azure Data Factory?

• نسخه ی نمایشی: SCD نوع 1 Demo: SCD Type 1

اعلان‌های ایمیل سفارشی Azure Data Factory Azure Data Factory Custom Email Notifications

• مقدمه ای بر برنامه های منطقی Azure Introduction To Azure Logic Apps

• اجازه می دهد تا یک برنامه منطقی برای ارسال ایمیل ایجاد کنیم Lets Create A Logic Apps To Send A Email

• ایجاد منابع و مجموعه داده Create Resources & Data Set

• با استفاده از Azure Data Factory Web Activity برنامه های منطقی Azure را فراخوانی کنید Invoke Azure Logic Apps Using Azure Data Factory Web Activity

• ارسال پیام سفارشی از ADF به برنامه Azure Logic Pass Custom Message From ADF To Azure Logic App

• مقادیر پارامترهای سیستم را از ADF به برنامه های منطقی Azure منتقل کنید Pass System Parameter Values From ADF To Azure Logic Apps

• پیکربندی Azure Data Factory برای ارسال اعلان ایمیل ناموفق - آخرین فعالیت Configure Azure Data Factory To Send A Failed email notification -Last Activity

• پیکربندی Azure Data Factory برای ارسال اعلان ایمیل ناموفق -Any Activity Configure Azure Data Factory To Send A Failed email notification -Any Activity

پارامترهای زمان اجرا و مجموعه داده یکپارچه میزبانی خود (نسخه جدید آزمایشگاه 3) Self Hosted Integration Runtime & Data Set Parameters (Lab 3 New Version )

• مقدمه ای بر آزمایشگاه 3 Introduction To Lab 3

• برای این نسخه آزمایشی منابع Azure ایجاد کنید Create Azure Resources For This Demo

• زمان اجرا یکپارچه میزبانی خود را برای دسترسی به دستگاه‌های داخلی ایجاد کنید Create Self Hosted Integration Run Time To Access On-Premise Devices

• انجام Copy Activity بدون پارامتر Perform Copy Activity Without Parameter

• ایجاد خطوط لوله با فعالیت جستجو Create Pipelines With Lookup Activity

• خطوط لوله را با جستجو و برای هر فعالیت ایجاد کنید Create Pipelines With Lookup & For Each Activity

Mapping Data Flow Demo Part 1 (ماژول جدید اضافه شده در دسامبر 2022) Mapping Data Flow Demo Part 1 (New Module Added On Dec 2022)

• مقدمه‌ای بر نگاشت جریان داده Introductions to Mapping Data Flow

• نحوه استفاده از Data Flow UI قسمت 1 How To Use Data Flow UI Part 1

• نحوه استفاده از Data Flow UI قسمت 2 How To Use Data Flow UI Part 2

• نحوه استفاده از Data Flow UI قسمت 3 How To Use Data Flow UI Part 3

• مقدمه ای بر تبدیل های مورد نیاز Introduction's To Required Transformations

• تبدیل منبع: مشتری Source Transformations: Customer

• رانش طرحواره در تبدیل منبع Schema drift in Source Transformations

• تبدیل منبع در جریان داده های نقشه برداری: پرداخت ها Source Transformations In Mapping Data Flow: Payments

• تبدیل منبع: سفارشات Source Transformations: Orders

• تبدیل‌های فیلتر: داده‌های پرداخت را محدود کنید Filter Transformations: Restrict Payments Data

• تکلیف: تبدیل‌ها را فیلتر کنید تا داده‌های مشتری را محدود کنید Assignment: Filter Transformations To Restrict Customer Data

• راه حل ها: تبدیل ها را فیلتر کنید تا داده های مشتری را محدود کنید Solutions: Filter Transformations To Restrict Customer Data

• Transformations را انتخاب کنید: ستون های مربوطه را از جدول مشتری انتخاب کنید Select Transformations: Select Relevant Columns From Customer Table

• تکلیف: ستون های مربوطه را از جدول پرداخت ها انتخاب کنید Assignment: Select Relevant Columns From Payments Table

• راه حل: ستون های مربوطه را از جدول پرداخت ها انتخاب کنید Solution : Select Relevant Columns From Payments Table

• ستون های مربوطه را از جدول سفارشات انتخاب کنید Select Relevant Columns From Orders Table

• به تحولات بپیوندید: به مشتریان و سفارشات بپیوندید Join Transformations: Join Customers & Orders

• تکلیف: از Join Transformations برای پیوستن به سفارشات مشتریان با پرداخت استفاده کنید Assignment: Use Join Transformations To Join Customers-Orders With Payments

• راه حل ها: از Join Transformations برای پیوستن به سفارشات مشتریان با پرداخت استفاده کنید Solutions : Use Join Transformations To Join Customers-Orders With Payments

• ستون های ناخواسته را با استفاده از Transformations Select حذف کنید Remove unwanted columns using Select Transformations

• از Pivot در Mapping Data Flow استفاده کنید Use Pivot in Mapping Data Flow

• تحولات سینک در نگاشت جریان داده Sink Transformations In Mapping Data Flow

• جریان داده ما را با استفاده از فعالیت جریان داده اجرا کنید Execute Our Data Flow Using Data Flow Activity

• از پارامترها استفاده کنید تا جریان داده های خود را پویا کنید Use Parameters To Make Your Data Flow A Dynamic

بخش 2 نسخه نمایشی جریان داده نقشه برداری Mapping Data Flow Demo Part 2

• الزامات جدید New Requirements

• از مجموعه داده های درون خطی برای خواندن داده ها با استفاده از تبدیل منبع استفاده کنید Use Inline Data Set To Read Data Using Source Transformations

• واگذاری تحولات اتحادیه برای ترکیب داده ها از Sales NA و Sales SA Assignment Union Transformations To Combine Data From Sales NA & Sales SA

• تحولات اتحادیه راه حل ها برای ترکیب داده ها از فایل های فروش Solutions Union Transformations To Combine Data From Sales Files

• UnPivot Transformations در Azure Data Factory Mapping Flow Data UnPivot Transformations In Azure Data Factory Mapping Data Flow

• تبدیل ستون جدید استخراج کنید Derive New Column Transformations

• تبدیل ستون جدید استخراج کنید Derive New Column Transformations

• حذف ستون های ناخواسته با استفاده از Transformations Select Remove Unwanted Columns Using Select Transformations

• مقدمه ای برای جستجوی تبدیل Introductions To Lookup Transformations

• با استفاده از Join Transformations به جزئیات کارمندان و جزئیات فروش بپیوندید Join Employee Details And Sales Details Using Join Transformations

• داده های خود را با استفاده از تبدیل های جمعی خلاصه کنید Summarize Your Data Using Aggregate Transformations

• تحولات شعبه جدید New Branch Transformations

• تبدیل تقسیم شرطی Conditional Split Transformation

• دگرگونی‌های تقسیم شرطی آزمایشی در نگاشت جریان داده برای خروجی چندگانه Demo Conditional Split Transformations In Mapping Data Flow For Multiple Output

• از تبدیل های سینک با مجموعه داده های درون خطی استفاده کنید Use Sink Transformations With Inline Data Set

• جزئیات فروش کارکنان مجری نقشه برداری جریان داده Executer Employee Sales Details Mapping Data Flow

وظایف مبتنی بر سناریو زمان واقعی در کارخانه داده Azure Real Time Scenario Based Tasks in Azure Data Factory

• خواندن داده ها از Github: کپی داده ها از نقطه پایانی HTTP Read Data From Github : Copy Data From An HTTP Endpoint

• مشکل و راه حل Problem And Solutions

• از متغیرهای خط لوله استفاده کنید Use Pipeline Variables

• استفاده از پارامتر خط لوله Use Of Pipeline Parameter

• از Activity Lookup و برای هر فعالیت استفاده کنید Use Lookup Activity And For Each Activity

• راه حل های نهایی: جستجو برای هرکدام و فعالیت کپی Final Solutions : Lookup ForEach & Copy Activity

معرفی GitHub Introduction To GitHub

• آنچه از این ماژول خواهیم آموخت What We Will Learn From This Module

• نحوه ایجاد اکانت GitHub How To Create GitHub Account

• چگونه در GitHub خود مخزن و فایل ایجاد کنیم How To Create Repository And Files In Your GitHub

• نحوه ایجاد شعبه جدید How To Create New Branch

• چگونه تغییرات کد را از شاخه ویژگی GitHub به Master Branch ادغام کنیم How To Merge Code Changes From GitHub Feature Branch To Master Branch

• چگونه یک مخزن را از حساب GitHub خود حذف کنیم How To Delete A Repository From Your GitHub Account

ادغام Azure Data Factory با GitHub Integrate Azure Data Factory With GitHub

• یک مخزن (پوشه) GitHub برای Azure Data Factory ایجاد کنید Create A GitHub Repository (Folder) For Azure Data Factory

• ادغام مخزن GitHub با Azure Data Factory Integrate GitHub Repository With Azure Data Factory

• تغییرات خود را از Git به Azure Data Factory منتشر کنید Publish Your changes From Git To Azure Data Factory

• برای توسعه جدید و تغییرات کد، شاخه های ویژگی های مختلف ایجاد کنید Create Different Feature Branches For New Development & Code Changes

ادغام Azure Data Factory با Azure DevOps Integrate Azure Data Factory With Azure DevOps

• ایجاد حساب DevOps Create DevOps Account

• ایجاد پروژه و مخزن در DevOps و ادغام ADF با Azure Devops Create Project And Repository In DevOps And Integrate ADF With Azure Devops

• نحوه استفاده از Master Branch (شعبه همکاری برای انتشار تغییرات در ADF) How To Use Master Branch (Collaboration Branch For Publishing Changes To ADF)

• نحوه استفاده از شاخه های ویژگی Devops و درخواست برای حذف تغییرات کد خود How To Use Devops Feature Branches and Pull Request To Marge your Code Changes

دسترسی ایمن به داده های حساب ذخیره سازی Azure (با Azure Key Vault) Access Azure Storage Account Data In A Secure Way (With Azure Key Vault)

• نحوه استفاده از Azure Key Vault برای دسترسی به داده ها با استفاده از Connections String How To Use Azure Key Vault To Access Data By Using Connections String

• نحوه چرخاندن کلیدها برای کنترل دسترسی به داده های خود How To Rotate Keys To Control Your Data Access.

یکپارچه سازی و تحویل مداوم (CI/CD) در کارخانه داده Azure Continuous Integration & Delivery (CI/CD) in Azure Data Factory

• مقدمه ای بر یکپارچه سازی و تحویل مداوم در کارخانه داده Azure (CI/CD) Introduction To Continuous Integration & Delivery In Azure Data Factory (CI/CD)

• ایجاد گروه های منابع مختلف برای محیط های مختلف Create Different Resource Groups For Different Environments

• ایجاد سه حساب ذخیره سازی مختلف (توسعه/تولید و آزمایش) Create Three Different Storage Account (Development / Production & Test)

• کانتینرهای ورودی و خروجی را برای محیط های مختلف پیکربندی کنید Configure Input & Output Containers For Different Environment

• برای دسترسی به تاریخ خود به روشی ایمن، Key Vault ایجاد کنید Create Key Vault To Access Your Date in Secure Way

• استقرار نمونه های مختلف کارخانه داده های Azure در محیط های مختلف Deploy Different Azure Data Factory Instances In Different Environment

• Grant Azure Data Factory برای دسترسی به Key Vault Secret (برای Three Environment) Grant Azure Data Factory To Access Key Vault Secrete (For Three Environment)

• جزئیات اتصال حساب ذخیره سازی خود را در Azure Key Vault Secrete ذخیره کنید Store Your Storage Account Connection Details Inside Azure Key Vault Secrete

• یک خط لوله آزمایشی ایجاد کنید و اجرای برنامه ما را آزمایش کنید Create A Demo Pipeline & Test Our Application Execution

• ادغام Azure Data Factory با GitHub Use Feature Branch/Pull Request & Merge Integrate Azure Data Factory With GitHub Use Feature Branch/Pull Request & Merge

• یک پروژه DevOps ایجاد کنید و مصنوعات را به عنوان GitHub در نسخه جدید خود پیکربندی کنید Create A DevOps Project & Configure Artifacts As GitHub Inside Your New Release

• اولین نسخه ما را برای آزمایش محیط ایجاد کنید Create Our First Release To Test Environment

• استفاده از گروه متغیر و متغیر در انتشار خط لوله (برای استقرار پویا) Use Variable & Variable Group in A Pipeline Release ( For Dynamic Deployment)

• با استفاده از متغیر Environment ما نسخه دوم را برای آزمایش و تولید ایجاد کنید Create Second Release To Test and Production By Using Our Environment Variable

• انتشار ما را بر اساس انتشار ADF به صورت خودکار انجام دهید Automate Our Release Based On ADF Publishing

Triggers In Azure Data Factory (از دوره آمادگی آزمون DP-200) Triggers In Azure Data Factory (From DP-200 Exam Preparation Course)

• یادداشت Notes

• Azure Data Factory Triggers :: مقدمه Azure Data Factory Triggers :: Introductions

• تریگرهای برنامه ریزی شده در کارخانه داده Azure Scheduled Triggers In Azure Data Factory

• ماشه پنجره غلتشی در کارخانه داده Azure Tumbling Window Trigger in Azure Data Factory

• راه‌اندازی کارخانه داده Azure بر اساس رویداد Blob Trigger Azure Data Factory Based On Blob Event

• نحوه استفاده از تریگر رویداد با پارامتر How To Use Event Trigger With Parameter

• نحوه ایجاد تریگر وابسته با ماشه پنجره غلتشی How To Create Dependent Trigger With Tumbling Window Trigger

تسلط بر Power BI Mastering Power BI

• مقدمه ای بر پروژه Power BI Introduction To Power BI Project

• Power BI را نصب کنید Install Power BI

• منبع اطلاعات Data Source

• وارد کردن داده ها به Power BI Import Data Into Power BI

• رفع مشکل ستون با استفاده از Power Query/Transform Data Fix The Column Issue Using Power Query / Transform Data

• آماده سازی داده: استخراج ستون/داده جدید با استفاده از افزودن ستون ها Data Preparation: Deriving New Column/Data Using Add Columns

• آماده سازی داده ها: پاکسازی اولیه داده ها با استفاده از Power BI Data Preparation: Basic Data Cleaning Using Power BI

• تجسم Power BI: Slicers را اضافه کنید Power BI Visualization: Add Slicers

• تجسم Power BI: کارت اضافه کنید Power BI Visualization: Add Cards

• تجسم Power BI: یک نمودار پای Power BI ایجاد کنید Power BI Visualization: Create a Power BI Pie Chart

• تجسم Power BI: یک نوار و نمودارهای ستونی Power BI ایجاد کنید Power BI Visualization: Create A Power BI Bar and column charts

• تجسم Power BI: تجسم مبتنی بر نقشه در Power BI Power BI Visualization : Map-Based Visualization in Power BI

مقدمه ای بر NoSql و Cosmos DB- نحوه دسترسی به Cosmos از ADF Introduction To NoSql & Cosmos DB- How To Access Cosmos From ADF

• مقدمه ای بر Azure Cosmos DB An Introduction To Azure Cosmos DB

• یک پایگاه داده Azure Cosmos DB ایجاد کنید و داده ها را ذخیره کنید Create an Azure Cosmos DB Database And Save Data

• Query را اجرا کنید (داده های پرس و جو در پایگاه داده Azure Cosmos DB شما) Execute Query (Query data in your Azure Cosmos DB database)

• کپی داده ها از Azure SQL به پایگاه داده Cosmos DB با استفاده از Azure Data Factory Copy Data From Azure SQL To Cosmos DB database Using Azure Data Factory

مقدمه ای بر SSIS و Azure Introduction To SSIS & Azure

• نحوه دانلود و نصب ویژوال استودیو 2019 How to Download and Install Visual Studio 2019

• بسته ویژگی SSIS و Azure را برای SSIS نصب کنید Install SSIS & Azure Feature Pack For SSIS

• وظیفه 1: با استفاده از وظیفه SSIS داده ها را در حساب ذخیره سازی Azure آپلود کنید Task 1: Upload Data Into Azure Storage Account Using SSIS task

• وظیفه 2: خواندن داده ها از حساب ذخیره سازی Azure با استفاده از SSIS Task 2: Read Data from Azure Storage Account Using SSIS

Azure Synapse Analytics Azure Synapse Analytics

• مقدمه ای بر Azure Synapse Analytics Introduction To Azure Synapse Analytics

• نسخه ی نمایشی (Synapse Analytics Studio) Demo (Synapse Analytics Studio)

• Azure Synapse Analytics را ایجاد کنید Create Azure Synapse Analytics

• ایجاد Azure SQL برای نسخه ی نمایشی 1 Create Azure SQL For Demo 1

• از طریق SSMS به Azure Synapse SQL Pool متصل شوید Connect To Azure Synapse SQL Pool From SSMS

• Synapse Studio را باز کنید Open Synapse Studio

• استخر اختصاصی SQL ایجاد کنید Create Dedicated SQL Pool

• جداول را در SQL Pool خود ایجاد کنید و دستورات SQL را اجرا کنید Create Tables In Your SQL Pool & Execute SQL Statements

• ایجاد Spark Pool با استفاده از Synapse Analytics Create Spark Pool Using Synapse Analytics

• ایجاد نوت بوک و پایگاه داده با استفاده از Spark Pool Create Notebook and Database Using Spark Pool

• استخر OnDemand SQL ایجاد کنید Create OnDemand SQL pool

• دسترسی به منبع داده خارجی و ایجاد جداول خارجی Access External Data source and Create External Tables

• مقدمه ای بر نسخه ی نمایشی (Pipelines در Synapse Analytics) Introduction To Demo (Pipelines In Synapse Analytics)

• ایجاد خطوط لوله در Azure Synapse Analytics Create Pipelines In Azure Synapse Analytics

مواد آموزشی اضافی (آماده سازی آزمون DP 203) Additional Learning Materials (DP 203 Exam Preparation)

• پوشش داده پویا Dynamic Data Masking

• نسخه ی نمایشی: پوشش داده پویا در Azure Demo: Dynamic Data Masking In Azure

• حساب ذخیره سازی Azure چیست؟ What Is Azure Storage Account?

• نسخه ی نمایشی: ایجاد و کاربردهای حساب ذخیره سازی Azure Demo: Azure Storage Account Creations And Uses

• نحوه استفاده از Storage Explore From Portal How To Use Storage Explore From Portal

• حافظه کاوش نسخه دسکتاپ Storage Explore Desktop Version

• افزونگی در منطقه اولیه و ثانویه Redundancy In Primary And Secondary Region

• دسترسی به داده ها را در منطقه ثانویه بخوانید Read Access To Data in The Secondary Region

سوالات مصاحبه Interview Questions

• سوال 1 Question 1

• سوال 2 Question 2

• سوال 3 Question 3

• سوال 4 Question 4

• سوال 5 Question 5

• سوال 6 Question 6

• سوال 7 Question 7

• سوال 8 Question 8

• سوال 9 Question 9

تسلط بر دگرگونی‌های جریان داده‌های جنگی مختلف در ADF Master Different Wrangling Data Flow Transformations in ADF

• نحوه استفاده از جریان داده های متخاصم در کارخانه داده Azure (گروه بر اساس تبدیل) How To Use Wrangling Data Flows in Azure Data Factory (Group By Transformations)

• تحولات و اقدامات رایج در جریان داده های متخاصم Common Transformations and Actions In Wrangling Data Flow

• ستون‌های شرطی و سایر تبدیل‌های رایج در جریان داده‌های متخاصم Conditional Columns & Other Common Transformations In Wrangling Data Flow

• تبدیل‌های ادغامی: جریان‌های داده‌های متضاد Merge Transformations:: Wrangling data flows

بخش 1 نمایش جریان داده نقشه برداری (ماژول قدیمی) Mapping Data Flow Demo Part 1 (Old Module)

• جریان های داده نقشه برداری در Azure Data Factor 26-12-2022 چیست What Is Mapping data flows In Azure Data Factor 26-12-2022

• منبع و گناه در جریان داده نقشه برداری Azure Source And Sin in Azure Mapping Data Flow

• تبدیل کل در جریان داده های نقشه برداری Aggregate Transformation In Mapping Data Flow

• تبدیل های فیلتر در جریان داده های نقشه برداری Filter Transformations In Mapping Data Flow

• نسخه ی نمایشی تبدیل تقسیم شرطی Conditional Split Transformation Demo

• تبدیل داده های ستون مشتق شده Derived Column Data Transformations

• تحولات شعبه جدید New Branch Transformations

• مرتب سازی تحولات Sort Transformations

• Transformation را انتخاب کنید Select Transformation

• استفاده از Join Transformation و انواع Join Transformation در ADF Use Of Join Transformation & Types Of Join Transformations In ADF

• نحوه استفاده از Join Transformations در ADF How To Use Join Transformations In ADF

• تغییر شکل وجود دارد و برای فیلتر کردن داده های شما وجود ندارد Exist And Does not Exist Transformation To Filter Your Data

ویدیوهای قدیمی - حذف شده Old Videos-Deleted

• ویدیوهای قدیمی Old videos

جایزه Bonus

• جایزه Bonus