1 Tag EN / DE Max 16

BigQuery-Workloads mit Dataform orchestrieren

Dataform ist ein Dienst für Datenanalysten zur Entwicklung, zum Testen, zur Versionskontrolle und zur Planung komplexer SQL-Workflows für die Datentransformation in BigQuery. In diesem Kurs werden Sie die Komponenten von Dataform Core kennenlernen, erfahren, wie man Tabellen und Abhängigkeiten in SQLX definiert, BigQuery-Tabellen und -Ansichten dokumentiert, die BigQuery-Sicherheitseinstellungen versteht und wie man diese mit Dataform verwaltet, Zusicherungen schreibt, SQL-Workflows ausführt und weitere fortgeschrittene Anwendungsfälle erkundet.

€920,00 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

Kenntnisse in SQL-Datenanalyse und BigQuery

Was Sie lernen werden

  • Verstehen Sie die Komponenten von Dataform Core.
  • Erstellen Sie Tabellen und Ansichten in BigQuery mithilfe von Dataform.
  • Dokumentieren Sie BigQuery-Tabellen und -Ansichten.
  • Verstehen Sie die BigQuery-Sicherheitseinstellungen mithilfe von Dataform.
  • Verwenden Sie Zusicherungen, um Daten in Dataform-Workflows zu validieren.
  • Führen Sie Dataform-SQL-Workflows automatisiert aus.

Kursablauf
SQL-Workflow Repositories und Arbeitsbereiche Standarddateien und -ordner Kompilierte Diagramme
Datenquelle deklarieren. Tabelle erstellen. Inkrementelle Tabelle erstellen. Partitionierungs- und Clustering-Optionen festlegen. Leere Tabelle erstellen. Externe BigLake-Tabelle erstellen. Ansichten und materialisierte Ansichten erstellen. Abhängigkeiten definieren.
Spaltenbeschreibungen verwenden. Global definierte JavaScript-Konstanten verwenden. Labels hinzufügen.
IAM-Dataset und Tabellen-/Ansichtszugriff Spaltenbasierte Sicherheit Zeilenbasierte Sicherheit
Integrierte Assertions verwenden. Manuelle Assertions erstellen. Assertions zur Datenvalidierung in Dataform-Workflows verwenden.
Lebenszyklus des Dataform-Codes. Was während der Kompilierung passiert. Kompilierungsergebnisse anpassen und planen. Workflows ausführen (UI, Cloud Scheduler, Cloud Composer). Protokollierung und Überwachung.
BigLake-Tabelle nach Dateiupload mit Cloud Run-Funktionen erstellen. Machine Learning-Pipeline mit BigQuery ML erstellen. Mit langsam ändernden Dimensionen Typ 2 arbeiten.
BigQuery-Workloads mit Dataform orchestrieren