3 Tage EN / DE Max 16

Data Warehousing mit BigQuery: Speicherdesign, Query-Optimierung und Administration

In diesem Kurs lernen Sie die Interna von BigQuery und Best Practices für den Entwurf, die Optimierung und die Verwaltung Ihres Data Warehouse kennen. Durch eine Kombination aus Präsentation, Demos und Übungen erfahren Sie mehr über die BigQuery-Architektur und wie Sie eine optimale Speicherung und Schemata für die Datenaufnahme und -änderungen entwerfen können.Als Nächstes lernen Sie Techniken zur Verbesserung der Leseleistung, zur Optimierung von Abfragen, zur Verwaltung von Arbeitslasten und zur Verwendung von Protokollierungs- und Überwachungstools. Sie lernen auch die verschiedenen Preismodelle kennen. Schließlich lernen Sie verschiedene Methoden zur Datensicherung, zur Automatisierung von Arbeitslasten und zum Erstellen von Machine-Learning-Modellen mit BigQuery ML kennen.

€1.900,00 exkl. MwSt

Individuelle Terminplanung

Die Kurse finden als dedizierte Gruppen-Sessions statt. Nach Ihrer Buchung koordinieren wir einen Termin, der zu Ihrem Team passt.

Voraussetzungen

  • Absolvierung des Kurses „Einführung in Data Engineering“.
  • Vorkenntnisse in den folgenden Bereichen werden vorausgesetzt: Einführung in BigQuery, grundlegende Data-Warehousing-Konzepte, Konzepte der verteilten Datenverarbeitung und SQL.

Was Sie lernen werden

  • Grundlagen der BigQuery-Architektur beschreiben.
  • Speicher- und Schema-Designmuster implementieren, um die Leistung zu verbessern.
  • DML verwenden und Datenübertragungen planen, um Daten aufzunehmen.
  • Best Practices anwenden, um die Leseeffizienz zu verbessern und die Abfrageleistung zu optimieren.
  • Kapazität verwalten und Arbeitslasten automatisieren.
  • Muster versus Anti-Muster verstehen, um Abfragen zu optimieren und die Leseleistung zu verbessern.
  • Protokollierungs- und Überwachungstools verwenden, um Nutzungsmuster zu verstehen und zu optimieren.
  • Sicherheits-Best Practices anwenden, um Daten und Ressourcen zu verwalten.
  • Mehrere Kategorien von Machine-Learning-Modellen mit BigQuery ML erstellen und bereitstellen.

Kursablauf
Einführung BigQuery-Kerninfrastruktur BigQuery-Speicher BigQuery-Abfrageverarbeitung BigQuery-Datenmischung
BigQuery-Speicher Partitionierung und Clustering Verschachtelte und wiederholte Felder ARRAY- und STRUCT-Syntax Best Practices
Optionen für die Datenaufnahme Batch-Aufnahme Aufnahme-Streaming Legacy-Streaming-API BigQuery Storage Write API Abfrage-Materialisierung Externe Datenquellen abfragen Datenübertragungsdienst
Änderungsverwaltung in Data Warehouses Umgang mit langsam ändernden Dimensionen (SCD) DML-Anweisungen DML Best Practices und häufige Probleme
BigQuery-Cache Materialisierte Ansichten BI-Engine Lesevorgänge mit hohem Durchsatz BigQuery Storage Read API
Einfache Abfrageausführung SELECTs und Aggregation JOINs und schiefwinklige JOINS Filtern und Sortieren Best Practices für Funktionen
BigQuery-Slots Preismodelle und Schätzungen Slot-Reservierungen Kostenkontrolle
Cloud-Überwachung BigQuery Admin Panel Cloud-Audit-Protokolle INFORMATION SCHEMA Abfragepfad und häufige Fehler
Sichere Ressourcen mit IAM Autorisierte Ansichten Sichere Daten mit Klassifizierung Verschlüsselung Datenerkennung und -governance
Abfragen planen Skripting Gespeicherte Prozeduren Integration mit Big Data Produkten
Einführung in BigQuery ML So treffen Sie Vorhersagen mit BigQuery ML So erstellen und implementieren Sie ein Empfehlungssystem mit BigQuery ML So erstellen und implementieren Sie eine Lösung zur Nachfrageprognose mit BigQuery ML Zeitreihenmodelle mit BigQuery ML BigQuery ML Erklärbarkeit
Data Warehousing mit BigQuery: Speicherdesign, Query-Optimierung und Administration