آموزش مهندسی داده با AWS قسمت 1

مقدمه Introduction

• مهندسی داده با AWS (در حال پیشرفت) Data engineering with AWS (In progress)

1. مهندسی داده 1. Data Engineering

• مروری بر مهندسی داده Overview of data engineering

• اهمیت مهندسی داده Importance of data engineering

• انواع داده ها Types of data

• مروری بر دریاچه های داده Overview of data lakes

• مقدمه ای بر خط لوله مهندسی داده Introduction to data engineering pipeline

2. منابع داده 2. Data Sources

• مروری بر منابع داده Overview of data sources

• نمای کلی DynamoDB DynamoDB overview

• آشنایی با پارتیشن ها و استریم های DynamoDB Understanding DynamoDB partitions and streams

• آزمایشگاه: CLI را برای ایجاد جداول DynamoDB تنظیم کنید Lab: Set up CLI to create DynamoDB tables

• آزمایشگاه: جداول DynamoDB را از طریق اسکریپت پایتون ایجاد کنید Lab: Create DynamoDB tables via Python script

• چالش: DynamoDB Challenge: DynamoDB

• راه حل: DynamoDB Solution: DynamoDB

3. بلع 3. Ingestion

• بررسی اجمالی بلع داده ها و ملاحظات طراحی Data ingestion overview and design considerations

• چشم انداز فناوری بلع Ingestion technology landscape

• بررسی اجمالی جریان های داده Kinesis Kinesis Data Streams overview

• تولید کنندگان و مصرف کنندگان کینزیس Kinesis producers and consumers

• کینسیس دیتا فایرهوز Kinesis Data Firehose

• دمو Firehose Demo Firehose

4. ذخیره سازی 4. Storage

• بررسی اجمالی ذخیره سازی داده ها و ملاحظات طراحی Data storage overview and design considerations

• چشم انداز فناوری ذخیره سازی Storage technology landscape

• نمای کلی کش الاستیک Elastic cache overview

• نمای کلی آمازون S3 Amazon S3 overview

• کلاس های ذخیره سازی آمازون S3 و قوانین چرخه حیات Amazon S3 storage classes and lifecycle rules

• نسخه آمازون S3 و رمزگذاری Amazon S3 Versioning and encryption

• اعلان‌های امنیتی و رویدادهای آمازون S3 Amazon S3 security and event notifications

• چالش: آمازون S3 Challenge: Amazon S3

• راه حل: آمازون S3 Solution: Amazon S3

نتیجه Conclusion

• مراحل بعدی Next steps