آموزش مدیریت و اتوماسیون جریان‌های کاری داده در Snowflake - آخرین آپدیت

دانلود Orchestrate and Automate Data Workflows in Snowflake

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: مدیریت و اتوماسیون جریان‌های کاری داده (Data Workflows) برای تضمین عملیات به‌موقع، قابل اعتماد و کارآمد در پلتفرم‌های مدرن داده حیاتی است. با این حال، بسیاری از متخصصان داده در ساخت خط لوله‌های (Pipelines) قدرتمندی که هم مقیاس‌پذیر باشند و هم نظارت بر آن‌ها آسان باشد، با چالش روبرو هستند. در این دوره آموزشی با عنوان «مدیریت و اتوماسیون جریان‌های کاری داده در Snowflake»، شما توانایی ساخت خط لوله‌های خودکار و منعطف را با استفاده از قابلیت‌های بومی Snowflake کسب خواهید کرد. در ابتدا، نحوه استفاده از Snowflake Tasks برای زمان‌بندی و اجرای عملیات SQL تکرار شونده، نظارت بر اجرا و تعبیه منطق رویه‌ای با استفاده از Snowflake Scripting را بررسی خواهید کرد. سپس، یاد می‌گیرید که چگونه از Streams برای پیاده‌سازی Change Data Capture (CDC) در خط لوله‌های داده افزایشی استفاده کنید تا درج‌ها، به‌روزرسانی‌ها و حذف‌ها را به‌طور بهینه ردیابی نمایید. در نهایت، نحوه ساخت جریان‌های کاری چندمرحله‌ای با استفاده از وابستگی‌های تسک (Task Dependencies)، پیاده‌سازی مکانیزم‌های بازیابی و نظارت، و یکپارچه‌سازی Snowflake Tasks با ابزارهای ارکستراسیون خارجی مانند Airflow و dbt را خواهید آموخت. پس از پایان این دوره، شما مهارت‌ها و دانش لازم در زمینه ارکستراسیون و اتوماسیون جریان کاری در Snowflake را خواهید داشت تا بتوانید با اطمینان، خط لوله‌های داده مقیاس‌پذیر و قابل نگهداری ایجاد کنید.

سرفصل ها و درس ها

اتوماسیون جریان‌های کاری داده با Snowflake Tasks Automating Data Workflows with Snowflake Tasks

  • معرفی دوره Course Introduction

  • آشنایی با Snowflake Tasks Introduction to Snowflake Tasks

  • دمو: ایجاد و زمان‌بندی یک تسک Demo: Creating and Scheduling a Task

  • دمو: مشاهده اجرای تسک‌ها و تحلیل منطق تلاش مجدد Demo: View Task Runs and Analyze Retry Logic

  • دمو: ایجاد یک تسک اسکریپتی با منطق شرطی Demo: Create a Scripted Task with Conditional Logic

ردیابی تغییرات داده با Streams برای خط لوله‌های افزایشی Tracking Change Data with Streams for Incremental Pipelines

  • درک مفهوم Streams و Change Data Capture Understanding Streams and Change Data Capture

  • دمو: ایجاد و کوئری گرفتن از Streams Demo: Creating and Querying Streams

  • دمو: مدیریت مصرف Stream و پردازش مجدد Demo: Managing Stream Consumption and Reprocessing

  • دمو: اعمال تغییرات با دستورات Merge Demo: Applying Changes with Merge Statements

ساخت خط لوله‌های چندمرحله‌ای با زنجیره‌سازی تسک‌ها Building Multi-step Pipelines with Task Chaining

  • دمو: ایجاد یک خط لوله سه‌مرحله‌ای با زنجیره‌سازی تسک‌ها Demo: Creating a Three-step Pipeline with Task Chaining

  • دمو: استفاده از Branching برای تلاش مجدد در مراحل شکست‌خورده Demo: Using Branching to Retry Failed Steps

  • بهینه‌سازی برای محاسبات و کارایی زمان‌بندی Optimizing for Compute and Scheduling Efficiency

طراحی جریان‌های کاری منعطف و قابل نظارت Designing Resilient and Observable Workflows

  • لاگ‌گیری و حسابرسی (Auditing) Logging and Auditing

  • دمو: لاگ‌گیری و حسابرسی در Snowflake Tasks Demo: Logging and Auditing in Snowflake Tasks

  • استراتژی‌های عیب‌یابی و بازیابی Debugging and Recovery Strategies

  • دمو: بازیابی از تسک‌های نادیده گرفته شده و ازسرگیری خط لوله Demo: Recover from a Skipped Task and Resume Pipeline

  • یکپارچه‌سازی با ابزارهای ارکستراسیون خارجی External Orchestration Integration

  • گام‌های بعدی Next Steps

نمایش نظرات

آموزش مدیریت و اتوماسیون جریان‌های کاری داده در Snowflake
جزییات دوره
1h 8m
18
(آخرین آپدیت)
2
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Bismark Adomako Bismark Adomako

بیسمارک معتقد است که آموزش دیگر یکبار سرمایه گذاری نیست ، بلکه درعوض یک مادام العمر است و نویسندگان و مربیان بزرگ می توانند نقش بی بدیلی در یافتن و پیشرفت شغلی کامل داشته باشند. وی دارای مدرک لیسانس علوم مهندسی کامپیوتر با تخصص مهندسی نرم افزار ، هوش مصنوعی و محاسبات توزیع شده است. او دوره های رباتیک و بینایی رایانه را به عنوان رهبر دانش آموز در حالی که در مدرسه بود ، تدریس کرد و به عنوان مهندس نرم افزار و دستیار پروژه در شورای انگلیس کارآموزی و مشاوره کرد. وی در حال حاضر به عنوان یک توسعه دهنده هوش تجاری و داده های بزرگ کار می کند و به عنوان دانشمند داده در Ecobank eProcess International SA در حال توسعه مدل های یادگیری ماشین است که برخی از آنها شامل مدل Customer360 متشکل از یک مدل تقسیم بندی مشتری ، مدل ریزش مشتری و فروش متقابل مشتری (محصول توصیه) مدل. وی دارای دانش سطح سازمانی در ادغام داده ها برای برنامه های کاربردی دامنه BI و مدیریت داده است.