آموزش Snowflake - انبار داده ابر و تحلیل End-to-End

در این دوره پلتفرم داده ابری را با Snowflake می سازید و شغل خود را در مهندسی داده، علم داده و رایانش ابری تسریع می کنید.

آنچه یاد خواهید گرفت

• درک اصول انبار داده - دانش پایه ای از انبار داده، از جمله مفاهیم، اصول و نحوه ارتباط آن ها با Snowflake به دست می آورید.
• تسلط به تکنیک‌ های مدل‌ سازی داده - بهترین شیوه ها برای طراحی مدل‌ های داده کارآمد برای بهینه‌ سازی عملکرد و ذخیره‌ سازی در Snowflake را می آموزید.
• بررسی معماری Snowflake - معماری منحصر به فرد Snowflake و نحوه پشتیبانی آن از انبار داده cloud-native و تحلیل را درک می کنید.
• ایجاد و مدیریت انبارهای داده در Snowflake - مهارت های عملی را در ایجاد و مدیریت انبارهای داده با استفاده از رابط و ابزارهای Snowflake توسعه می دهید.
• بارگذاری و لغو بارگذاری موثر داده - بارگذاری و لغو بارگذاری داده را با استفاده از متدهای مختلف از جمله راه حل های ذخیره سازی خارجی (AWS، آژور، GCP) یاد می گیرید.
• مدیریت موثر فرمت‌ های داده پیچیده - با استفاده از Snowflake با فرمت‌ های پیچیده مانند جی سان و Parket مدیریت می کنید.
• پیاده سازی تبدیلات داده - در انجام تبدیلات در طول فرآیند بارگذاری داده برای پاکسازی و ساختاردهی کارآمد داده تخصص کسب می کنید.
• یادگیری ویژگی های بهینه سازی عملکرد Snowflake - کش کردن، خوشه بندی و نظارت بر منابع را می آموزید تا از عملیات های داده مقرون به صرفه و با کارایی بالا اطمینان حاصل کنید.
• استفاده از Time Travel و Fail Safe و کلون Zero-Copy - ویژگی های پیشرفته Snowflake مانند Time Travel و Fail Safe و کلون Zero-Copy را برای بازیابی داده بررسی می کنید.
• مدیریت اشتراک‌ گذاری ایمن داده - نحوه اشتراک‌ گذاری ایمن داده در داخل و خارج از محیط‌ های Snowflake، از جمله با کاربران غیر Snowflake را می آموزید.
• پیاده سازی بهترین شیوه ها برای مدیریت Snowflake - به مدیریت حساب، مدیریت دسترسی و اعمال بهترین شیوه‌ ها برای استفاده کارآمد از Snowflake مسلط می شوید.

پیش نیازهای دوره

• اشتیاق و عزم راسخ برای گذاشتن نشان خود در جهان

توضیحات دوره

Snowflake، پلتفرم انبار داده مبتنی بر ابر است که برای مدیریت حجم عظیمی از داده ساختار یافته و نیمه ساختار یافته طراحی شده است. Snowflake از ابتدا برای استفاده از زیرساخت های ابری ساخته شده که مقیاس پذیری، عملکرد و سهولت استفاده را ارائه می دهد. Snowflake به هیچ ارائه دهنده ابر خاصی وابسته نیست و روی AWS، مایکروسافت آژور و Google Cloud Platform (GCP) اجرا می‌ شود و انعطاف‌ پذیری را برای کسب‌ و کارها برای استفاده از پلتفرم ابری ترجیحی خود فراهم می‌ کند.

معماری، مقیاس‌ پذیری و ویژگی‌ های پیشرفته Snowflake آن را به یک پلتفرم قدرتمند و مدرن برای انبار داده‌، تجزیه و تحلیل و مهندسی داده‌ تبدیل کرده است. انعطاف‌ پذیری آن برای مدیریت مجموعه داده‌ های عظیم، داده‌ ساختار یافته و نیمه ساختار یافته و قابلیت‌ های چند ابری، آن را به عنوان یک انتخاب ارجح برای کسب‌ و کارهایی که به دنبال استفاده از پلتفرم‌ های داده cloud-native هستند، قرار داده است.

Snowflake چگونه کار می کند؟

Snowflake با استفاده از یک معماری منحصر به فرد عمل می کند که ذخیره سازی و رایانش را جدا می کند و امکان مقیاس بندی مستقل منابع را فراهم می کند.

متدولوژی کلیدی عملکرد آن شامل موارد زیر است:

• ذخیره سازی داده - Snowflake داده را در فرمتی فشرده و ستونی در ذخیره سازی ابری ذخیره می کند. داده به طور منطقی در پایگاه داده ها، اسکیماها و جداول سازماندهی می شوند، اما از نظر فیزیکی، Snowflake نحوه ذخیره و بهینه سازی داده را در بک اند مدیریت می کند.
• لایه رایانش (انبارهای مجازی) - منابع رایانش که انبارهای مجازی نامیده می شوند، خوشه های مستقلی از منابع هستند که کوئری ها و حجم های کاری را پردازش می کنند. انبارهای مجازی را می توان بر اساس نیازهای عملکردی مقیاس بندی کرد و می توانند چندین کوئری موازی را بدون تداخل با یکدیگر اجرا کنند.
• لایه سرویس های ابری - این لایه، متادیتا، بهینه سازی، امنیت و تجزیه کوئری را مدیریت می کند. این لایه احراز هویت، برنامه ریزی کوئری و مدیریت تراکنش را انجام می دهد و به Snowflake امکان می دهد ویژگی هایی مانند مقیاس بندی خودکار، اشتراک گذاری داده و کنترل های دسترسی را ارائه دهد.

جداسازی ذخیره سازی و رایانش باعث می شود Snowflake بسیار انعطاف پذیر باشد. شما می توانید حجم زیادی از داده را بدون نگرانی در مورد هزینه های رایانش در زمانی که داده کوئری نمی شوند ذخیره کنید. برعکس، می‌ توانید منابع رایانش را برای کوئری های درخواستی بدون تأثیر بر هزینه ذخیره‌ سازی مقیاس بندی کنید.

این دوره برای چه کسانی مناسب است؟

• مهندسان داده - که به دنبال ایجاد پایپ لاین های داده و مدیریت تبدیلات داده در Snowflake هستند.
• تحلیلگران داده که هدفشان انجام کوئری، گزارش دهی و تحلیل داده روی پلتفرم های داده مبتنی بر ابر است.
• مبتدیان و تازه کارانی که مشتاق شغلی در انبار داده ابری و Snowflake هستند.
• معماران داده که معماری های داده ابری مقیاس پذیر را با استفاده از ویژگی های Snowflake طراحی می کنند.
• معماران راه حل که راه حل های جامعی را طراحی می کنند که Snowflake را برای مدیریت کارآمد داده و تحلیل یکپارچه می کند.
• مهندسان ابر که پیاده سازی و مدیریت زیرساخت ابری برای عملیات های داده را در Snowflake را انجام می دهند.
• متخصصان هوش تجاری که از Snowflake برای تحلیل، گزارش‌ دهی و تولید بینش های کسب و کار استفاده می‌ کنند.
• توسعه دهندگان ETL که فرآیندهای استخراج، تبدیل و بارگذاری (ETL) را با استفاده از Snowflake برای جابجایی و تبدیل کارآمد داده انجام می دهند.
• دانشمندان داده که با مجموعه داده های بزرگ، انجام تحلیل پیشرفته و استفاده از Snowflake برای گردش کارهای یادگیری ماشین کار می کنند.
• مهندسان داده ابری که بر توسعه راه حل های داده در ابر با استفاده از زیرساخت Snowflake متمرکز شده اند.
• مدیران پایگاه داده (DBA) که به پلتفرم های داده ابری مانند Snowflake برای مدیریت و بهینه سازی ذخیره سازی و دسترسی به داده منتقل می شوند.
• توسعه دهندگان که نیاز به یکپارچه سازی Snowflake با سایر اپلیکیشن ها و سرویس ها دارند.
• متخصصان IT که در حال انتقال به راه حل های داده مبتنی بر ابر با هدف گسترش تخصص داده ابری خود هستند.