نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
مفاهیم دیتابریکس (Databricks)، پایاسپارک (PySpark)، DLT (جداول زنده دلتا) با SQL، DLT با پایتون و موارد کاربردی DLT را بیاموزید.
این دوره به صورت جامع Azure Databricks DLT را پوشش میدهد:
- DLT با استفاده از SQL
- DLT با استفاده از پایتون
- DLT: ساخت Lakehouse با DLT
پیشنیازهای دوره:
پیمانه 1: راهاندازی و آشنایی با فضای کاری Azure Databricks
پیمانه 2: آشنایی با معماری Lakehouse و Delta Lake
پیمانه 3: توسعه جداول زنده دلتا (DLT)
- درک جداول زنده دلتا (DLT)
- آزمایشگاه: توسعه DLT با استفاده از فایل CSV
- آزمایشگاه: نحوه افزودن طرحواره (Schema) به دادههای CSV در DLT
- آزمایشگاه: توسعه DLT با استفاده از فایلهای JSON و Parquet
- آزمایشگاه: ساخت پایپلاین استریمینگ DLT با CSV
- آزمایشگاه: ساخت پایپلاین استریمینگ DLT با JSON
- آزمایشگاه: تبدیل داده در DLT - بخش 1
- آزمایشگاه: تبدیل داده در DLT - بخش 2
- آزمایشگاه: بررسی کیفیت داده در DLT
پیمانه 4: پایپلاینها و تکامل طرحواره در DLT
- آزمایشگاه: ایجاد اولین پایپلاین Delta Live Table
- آزمایشگاه: تکامل طرحواره (Schema Evolution) در DLT
- آزمایشگاه: تغییر طرحواره در پایپلاین DLT
- آزمایشگاه: ساخت پایپلاین استریمینگ DLT
- آزمایشگاه: تکامل طرحواره در پایپلاین استریمینگ DLT
- آزمایشگاه: بررسی کیفیت (Quality Check)
- آزمایشگاه: بررسیهای کیفیت قابل استفاده مجدد
- آزمایشگاه: DLT با SQL Server و پایپلاین پارامتری
پیمانه 5: پروژه پایانی و معماری Medallion Lakehouse
- مورد کاربرد پروژه (Project Use Case)
- معماری Medallion Lakehouse
- پیکربندی SQL Server
- ساخت: لایه ورود داده محصول (Product Ingestion Layer)
- ساخت: لایه ورود داده مشتری (Customer Ingestion Layer)
- ساخت: لایه ورود داده سفارش (Order Ingestion Layer)
- پیکربندی Event Hub و ایجاد تولیدکننده (Producer)
- ساخت: لایه ورود داده استریمینگ (Streaming Ingestion Layer)
- توسعه لایه برنزی (Bronze Layer)
- ساخت پایپلاین محصولات نقرهای (Silver Products Pipeline)
- ساخت پایپلاین مشتریان نقرهای (Silver Customer Pipeline)
- ساخت پایپلاین سفارشات نقرهای (Silver Order Pipeline)
- ساخت پایپلاین رویدادهای آنلاین نقرهای (Silver Online Event Pipeline)
- ساخت پایپلاین لاگهای وب نقرهای (Silver Weblogs Pipeline)
- ساخت لایه طلایی (GOLD Layer)
- ساخت کوئریهای KPI
- ساخت داشبورد
سرفصل ها و درس ها
مقدمه
Introduction
-
مقدمه
Introduction
-
تنظیمات حساب Azure
Azure Account Setup
-
تنظیمات فضای کاری (WorkSpace)
WorkSpace Setup
-
پیمایش رابط کاربری فضای کاری
Navigate Workspace UI
-
آزمایشگاه: نوتبوک چیست؟
Lab : What is Notebook
-
آزمایشگاه: ایجاد خوشهها
Lab : Create Clusters
-
آزمایشگاه: نصب کتابخانه
Lab : Install Library
-
آزمایشگاه: DBFS
Lab : DBFS
-
آزمایشگاه: DBUtils
Lab : DBUtils
دلتا لیک
Delta Lake
-
معماری Lakehouse داده چیست؟
What is Data Lakehouse Architecture
-
دلتا لیک چیست؟
What Is Delta Lake
-
آزمایشگاه: ایجاد جدول دلتا
Lab : Create Delta Table
-
آزمایشگاه: ورود (Ingestion) دلتا
Lab : Delta Ingestion
-
آزمایشگاه: بهروزرسانی / حذف / ادغام
Lab : Update / Delete / Merge
-
آزمایشگاه: اعتبارسنجی طرح (Schema)
Lab : Schema Validation
-
آزمایشگاه: ستونهای تولید شده
Lab : Generated Columns
پایتون: جدولهای زنده دلتا
Python : Delta Live Table
-
درک جدولهای زنده دلتا
Understanding Delta Live Tables
-
ایجاد پایپلاین با پایتون
Create-Pipeline-Python
-
ایجاد پایپلاین با پایتون – بخش ۲
Create-Pipeline-Python - 2
-
تعریف طرح (Schema) در DLT
Define Schema into DLT
-
چگونگی مدیریت تکامل طرح (Schema Evolution) در DLT
How to handle Schema Evolution in DLT
-
پایپلاین DLT با استفاده از JSON
DLT Pipeline using JSON
-
مسطحسازی JSON در DLT
DLT JSON Flatten
-
DLT – پایپلاین جریانی
DLT - Streaming Pipeline
-
ستون نجات یافته چیست؟
What is rescued Column
-
9-تکامل جریان
9-Streaming_evolution
-
نحوه اعمال بررسیهای کیفیت در DLT
How to apply Quality Checks into DLT
-
نحوه اعمال چندین بررسی کیفیت
How to apply Multiple Quality Checks
-
استثنای سهمیه (Quota Exception) در DLT چیست؟
What is Quota Exception in DLT
جدول زنده دلتا: (SQL)
Delta Live Table : (SQL)
-
آزمایشگاه: ایجاد پایپلاین DLT با استفاده از SQL
Lab : Create DLT Pipeline using SQL
-
آزمایشگاه: استخراج جداول جدید از کلمه کلیدی LIVE
Lab : Derive new tables from LIVE keyword
-
آزمایشگاه: ایجاد پایپلاین جریانی با استفاده از SQL
Lab : Create Streaming Pipeline using SQL
-
آزمایشگاه: استخراج جداول جدید از کلمه کلیدی STREAM
Lab : Derive new tables from STREAM keyword
-
آزمایشگاه: تکامل طرح (Schema Evolution)
Lab : Schema Evolution
-
آزمایشگاه: اعمال قوانین بررسی کیفیت
Lab : Apply Quality Checks Rules
-
تمرین: توسعه جدولهای زنده دلتا با استفاده از فایلهای JSON و Parquet
Exercise:Develop Delta Live Tables using JSON & Parquet File
مورد استفاده: ساخت Lakehouse خردهفروشی با استفاده از DLT
Use Case : Build Retail Lakehouse using DLT
-
مورد استفاده پروژه
Project Use Case
-
معماری Lakehouse مدالیون
Medallion Lakehouse architecture
-
پیکربندی SQL Server
Configure SQL Server
-
ساخت: لایه ورود (Ingestion) محصول
Build : Product Ingestion Layer
-
ساخت: لایه ورود (Ingestion) مشتری
Build : Customer Ingestion Layer
-
ساخت: لایه ورود (Ingestion) سفارش
Build : Order Ingestion Layer
-
پیکربندی Event Hub و ایجاد تولیدکننده
Configure Event Hub & Create Producer
-
ساخت: لایه ورود (Ingestion) جریانی
Build : Streaming Ingestion Layer
-
توسعه لایه برنزی
Develop Bronze Layer
-
ساخت پایپلاین محصولات نقرهای
Build Silver Products Pipeline
-
ساخت پایپلاین مشتریان نقرهای
Build Silver Customer Pipeline
-
ساخت پایپلاین سفارشات نقرهای
Build Silver Order Pipeline
-
ساخت پایپلاین رویدادهای آنلاین نقرهای
Build Silver Online Event Pipeline
-
ساخت پایپلاین لاگهای وب نقرهای
Build Silver Weblogs Pipeline
-
ساخت لایه طلایی
Build GOLD layer
-
ساخت کوئریهای KPI
Build KPI Queries
-
ساخت داشبورد
Build Dashboard
DLT: تولیدکننده داده (dbldatagen)
DLT : Data Generator (dbldatagen)
-
نحوه تولید داده ساختگی برای DLT
How to generate mock data for DLT
نمایش نظرات