آموزش با Google BigQuery یک خط لوله بدون کد ETL بسازید - آخرین آپدیت
دانلود Build a No-Code ETL Pipeline with Google BigQuery
مقدمه Introduction
-
آنچه یاد خواهید گرفت What you will learn
-
مقدمه Introduction
1. خطوط لوله داده در BigQuery 1. Data Pipelines in BigQuery
-
Google Cloud چیست؟ What is Google Cloud?
-
نحوه کنترل هزینه ها در Google Cloud How to control costs in Google Cloud
-
پروژه دنیای واقعی در BigQuery Real-world project in BigQuery
-
BigQuery چیست؟ What is BigQuery?
-
آشنایی با خطوط لوله ETL و ELT Introduction to ETL and ELT pipelines
-
نحوه سازماندهی داده ها در SQL How data is organized in SQL
2. داده ها را به BigQuery وارد کنید 2. Ingest Data into BigQuery
-
چگونه بار داده ها کار می کنند How data load will work
-
مسائل مربوط به انتقال داده ها را شناسایی کنید Identify data transfer issues
-
انتقال برنامه با سرویس انتقال Schedule transfers with Transfer Service
-
چگونه داده ها را مدیریت خواهیم کرد How we will manage data
-
در BigQuery جدول ایجاد کنید Create table in BigQuery
-
از سرویس انتقال به داده های مصرف استفاده کنید Use Transfer Service to ingest data
-
Google Cloud Storage چیست؟ What is Google Cloud Storage?
-
آشنایی با داده ها Introduction to data
-
مسائل مشترک با انتقال داده Common issues with data transfer
-
داده ها را در Google Cloud Storage قرار دهید Put data in Google Cloud Storage
-
آشنایی با سرویس انتقال داده BigQuery Introduction to BigQuery Data Transfer Service
3. داده ها را در BigQuery پردازش کنید 3. Process Data in BigQuery
-
قیمت گذاری BigQuery را درک کنید Understand BigQuery pricing
-
جدول تحلیلی ایجاد کنید Create analytics table
-
پردازش داده ها ، قسمت اول Process data, part one
-
جداول را در BigQuery ایجاد و اصلاح کنید Create and modify tables in BigQuery
-
رابط BigQuery The BigQuery interface
-
پردازش داده ها ، قسمت دوم Process data, part two
-
پرس و جو را برنامه ریزی کنید و مسائل را مدیریت کنید Schedule query and manage issues
4. ساخت داشبورد در استودیوی Looker 4. Build a Dashboard in Looker Studio
-
یک منبع داده ایجاد کنید Create a data source
-
یک داشبورد اساسی ایجاد کنید Create a basic dashboard
-
مقدمه ای برای استودیوی Looker Introduction to Looker Studio
-
سری زمانی Time series
-
داشبورد را به اشتراک بگذارید و برنامه ریزی کنید Share and schedule dashboard
-
ویژگی های استودیوی Looker را کاوش کنید Explore Looker Studio features
-
زمینه های محاسبه شده Calculated fields
5. نتیجه گیری 5. Conclusion
-
منابع را تمیز کنید Clean up resources
-
مراحل بعدی Next steps
https://donyad.com/d/b7789c
Vlad Gheorghe
Vlad Gheorghe معمار راه حل های داده سازمانی ، یک متخصص در زیرساخت های ابری و پشته داده های مدرن و علاقه مندان به هوش مصنوعی است.
VLAD سیستم عامل های داده در مقیاس بزرگ را که روزانه 100TB+ را پردازش می کند ، ساخته است. وی با همکاری با استارتاپ های پیشرو برلین ، راه حل هایی را با استفاده از Spark ، AWS ، GCP و Databricks ، مقیاس بندی سیستم عامل های داده را از ابتدا برای ارائه خدمات 100K+ ماهانه انجام داد. او انبارهای داده را برای عملکرد و هزینه بهینه کرده و از طریق گزینه های معماری هوشمند و بهترین شیوه ها ، به پیشرفت های قابل توجهی در زمان اجرا رسیده است. دوره "شهودی SQL برای تجزیه و تحلیل" او به 250K+ بیننده رسیده است ، و مقالات فنی وی 30k+ بازدید را به خود اختصاص داده است. VLAD به عنوان مهندس داده حرفه ای Google تأیید شده است. او علاقه مند به راهنمایی نسل بعدی متخصصان داده و ساختن راه حل های داده با تأثیر بالا است.
نمایش نظرات