تجزیه و تحلیل داده های بزرگ در Azure

Big Data Analytics on Azure

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

شرح دوره

Microsoft Azure خدمات قوی برای تجزیه و تحلیل داده های بزرگ ارائه می دهد. یکی از مؤثرترین راه‌ها این است که داده‌های خود را در Azure Data Lake Storage Gen2 ذخیره کنید و سپس با استفاده از Spark در Azure Databricks پردازش کنید.

Azure Stream Analytics (ASA) سرویس مایکروسافت برای تجزیه و تحلیل داده ها در زمان واقعی است. برخی از نمونه ها عبارتند از تجزیه و تحلیل معاملات سهام، تشخیص تقلب، تجزیه و تحلیل حسگر تعبیه شده، و تجزیه و تحلیل جریان کلیک وب. ASA از Stream Analytics Query Language استفاده می کند که نوعی از T-SQL است. این بدان معناست که هر کسی که SQL را می‌شناسد، زمان نسبتاً آسانی برای یادگیری نحوه نوشتن مشاغل برای Stream Analytics خواهد داشت.

در این دوره، شما نمونه‌های عملی را برای وارد کردن داده‌ها، اجرای پرس‌و‌جوها و خروجی نتایج با استفاده از هر دو سرویس تحلیلی دنبال می‌کنید. همچنین نحوه عیب یابی مشاغل Stream Analytics را یاد خواهید گرفت. سپس شما این فرصت را خواهید داشت که خودتان یک کار تجزیه و تحلیل جریان را با آزمایشگاه هدایت شده و عملی ما اجرا کنید. در نهایت، می‌توانید در آزمون ما شرکت کنید تا درک خود را از آنچه آموخته‌اید آزمایش کنید.

اهداف یادگیری

  • داده ها را در Azure Data Lake Storage (ADLS) دریافت کنید
  • از شش لایه امنیتی برای محافظت از داده ها در ADLS استفاده کنید
  • از Azure Databricks برای پردازش داده ها در ADLS استفاده کنید
  • عملکرد دریاچه های داده خود را نظارت و بهینه سازی کنید
  • یک کار تحلیل جریانی ایجاد و اجرا کنید
  • از پنجره های زمانی برای پردازش داده های جریانی استفاده کنید
  • مقیاس یک کار تجزیه و تحلیل جریان
  • خطاها را در کارهای Stream Analytics نظارت و عیب‌یابی کنید

پیش نیازها

  • دانش پایه پایگاه داده
  • تجربه SQL (توصیه می شود)
  • حساب Microsoft Azure (توصیه می شود)

مخاطب مورد نظر

  • هر کسی که به خدمات تجزیه و تحلیل کلان داده Azure علاقه دارد

بازخورد

اگر نظر یا پیشنهادی برای این دوره دارید، لطفاً با Cloud Academy در support@cloudacademy.com تماس بگیرید.


سرفصل ها و درس ها

مقدمه ای بر Azure Synapse Analytics Introduction to Azure Synapse Analytics

  • معرفی Introduction

  • بررسی اجمالی تحلیل سیناپس Azure Azure Synapse Analytics Overview

  • نسخه ی نمایشی SQL Pool بدون سرور Serverless SQL Pool Demo

  • نسخه ی نمایشی اختصاصی استخر SQL Dedicated SQL Pool Demo

  • نسخه ی نمایشی استخر جرقه Spark Pool Demo

  • نسخه ی نمایشی خط لوله Pipeline Demo

  • خلاصه Summary

اجرای Spark روی Azure Databricks Running Spark on Azure Databricks

  • معرفی Introduction

  • بررسی اجمالی Overview

  • برپایی Setup

  • نوت بوک Notebooks

  • شغل ها Jobs

  • خلاصه Summary

استفاده از Azure Data Lake Storage Gen2 Using Azure Data Lake Storage Gen2

  • معرفی Introduction

  • بررسی اجمالی Overview

  • ایجاد یک فایل سیستم Creating a Filesystem

  • امنیت Security

  • بلع داده ها Ingesting Data

  • دسترسی به ADLS از Azure Databricks Accessing ADLS from Azure Databricks

  • تجزیه و تحلیل داده ها با Azure Databricks Analyzing Data with Azure Databricks

  • نظارت و بهینه سازی Monitoring and Optimization

  • خلاصه Summary

مقدمه ای بر دریاچه دلتا بر روی آجرهای آژور Introduction to Delta Lake on Azure Databricks

  • معرفی Introduction

  • بررسی اجمالی Overview

  • استفاده از دریاچه دلتا Using Delta Lake

  • بهینه سازی دریاچه دلتا Optimizing Delta Lake

  • خلاصه Summary

طراحی جریان داده در Azure Designing Data Flows in Azure

  • معرفی Introduction

  • مبانی جریان داده Data Flow Basics

  • چرخه حیات داده Data Lifecycle

  • تعیین الزامات جریان داده Determining Data Flow Requirements

  • مزایای جریان داده در فضای ابری Benefits of Data Flow in the Cloud

  • ارزیابی جریان داده مورد نیاز Assessing Data Flow Requirements

  • Azure Storage Azure Storage

  • Azure Data Lake Storage Azure Data Lake Storage

  • کارخانه داده لاجورد Azure Data Factory

  • خدمات پایگاه داده Database Services

  • Azure HDInsight Azure HDInsight

  • Azure Databricks Azure Databricks

  • Azure Synapse Analytics Azure Synapse Analytics

  • انبار داده های مدرن The Modern Data Warehouse

  • یک نسخه آزمایشی کارخانه Azure ایجاد کنید Create an Azure Factory Demo

  • یک خط لوله با یک نسخه نمایشی فعالیت جریان داده ایجاد کنید Create a Pipeline with a Data Flow Activity Demo

  • ساخت نسخه ی نمایشی منطق تحول Build Transformation Logic Demo

  • افزودن نسخه ی نمایشی منطق تحول Adding Transformation Logic Demo

  • اجرای و نظارت بر دمو جریان داده Running and Monitoring the Data Flow Demo

  • خلاصه Summary

مدیریت تغییرات آهسته ابعاد با خطوط لوله تحلیل سیناپس Azure Handling Slowly Changing Dimensions With Azure Synapse Analytics Pipelines

  • معرفی Introduction

  • به آرامی تغییر ابعاد Slowly Changing Dimensions

  • مروری بر مثال Overview of the Example

  • DEMO: ایجاد جریان داده DEMO: Creating the Data Flow

  • DEMO: اجرای جریان داده DEMO: Running the Data Flow

  • خلاصه Summary

مقدمه ای بر Azure Stream Analytics Introduction to Azure Stream Analytics

  • معرفی Introduction

  • بررسی اجمالی Overview

  • ایجاد و اجرای یک شغل Creating and Running a Job

  • زمان ویندوز Time Windows

  • اجرای یک شغل پیچیده تر Running a More Complex Job

  • نظارت بر Monitoring

  • مقیاس بندی Scaling

  • عیب یابی Troubleshooting

  • نتیجه Conclusion

نمایش نظرات

تجزیه و تحلیل داده های بزرگ در Azure
جزییات دوره
4h 5m
62
CloudAcademy CloudAcademy
(آخرین آپدیت)
3,941
5 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Guy Hummel Guy Hummel

گای اولین وب سایت آموزشی خود را در سال 1995 راه اندازی کرد و از آن زمان به مردم کمک می کند تا فناوری های IT را بیاموزند. او مدیر سیستم، مدرس، مهندس فروش، مدیر فناوری اطلاعات و کارآفرین بوده است. در جدیدترین سرمایه‌گذاری خود، او یک شرکت زیرساخت آموزشی مبتنی بر ابر را تأسیس و رهبری کرد که آزمایشگاه‌های مجازی را برای برخی از بزرگترین فروشندگان نرم‌افزار در جهان فراهم می‌کرد. اشتیاق پسر این است که فناوری پیچیده را برای درک آسان می کند. فعالیت های او در خارج از محل کار شامل فیل سواری و چتربازی (البته نه در همان زمان) بوده است.

Guy Hummel Guy Hummel

گای اولین وب سایت آموزشی خود را در سال 1995 راه اندازی کرد و از آن زمان به مردم کمک می کند تا فناوری های IT را بیاموزند. او مدیر سیستم، مدرس، مهندس فروش، مدیر فناوری اطلاعات و کارآفرین بوده است. در جدیدترین سرمایه‌گذاری خود، او یک شرکت زیرساخت آموزشی مبتنی بر ابر را تأسیس و رهبری کرد که آزمایشگاه‌های مجازی را برای برخی از بزرگترین فروشندگان نرم‌افزار در جهان فراهم می‌کرد. اشتیاق پسر این است که فناوری پیچیده را برای درک آسان می کند. فعالیت های او در خارج از محل کار شامل فیل سواری و چتربازی (البته نه در همان زمان) بوده است.