Modul 1: Untersuchen von Rechen- und Speicheroptionen für Daten-Engineering-Workloads
- Einführung in Azure Synapse Analytics
- Beschreiben von Azure Databricks
- Einführung in den Azure Datenmeer-Speicher
- Die Architektur des Datenmeeres beschreiben
- Arbeiten mit Datenströmen, mit hilfe von Azure Stream Analytics
Modul 2: Führen Sie interaktive Abfragen mit serverlosen SQL-Pools von Azure Synapse Analytics aus
- Erkunden Sie die Funktionen der serverlosen SQL-Poolsvon AzureSynapse
- Abfragen vonDaten im Meer mit Hilfevon serverlosen SQL-Pools von Azure Synapse
- Erstellen Sie Metadatenobjekte in serverlosen SQL-Pools von Azure Synapse
- Sichern Sie Daten und verwalten Sie Benutzer in serverlosen SQL-Poolsvon Azure Synapse
Modul 3: Datenexploration und -transformation in Azure Databricks
- Beschreiben von Azure Databricks
- Lesen und Schreiben von Daten in Azure Databricks
- Arbeiten mit DataFrames in Azure Databricks
- Arbeiten mit erweiterten Methoden von DataFrames in Azure Databricks
Modul 4: Erforschen, Transformieren und Laden von Daten in das Data Warehouse mit Apache SparkIn diesem
- Verstehen von Big Data Engineering mit Apache Spark in Azure Synapse Analytics
- Daten mit Apache Spark-Notebooks in Azure Synapse Analytics einlesen
- Daten mit DataFrames in Apache Spark Pools in Azure Synapse Analytics zu transformieren
- Integration von SQL- und Apache Spark-Pools in Azure Synapse Analytics
Modul 5: Einlesen und Laden von Daten in das Data Warehouse
- Verwendung von bewährten Praktiken für das Laden von Daten in Azure Synapse Analytics
- Ingestion im Petabyte-Bereich mit Azure Data Factory
Modul 6: Datenumwandlung mit Azure Data Factory oder Azure Synapse Pipelines
- Datenintegration mit Azure Data Factory oder Azure Synapse Pipelines
- Codefreie Transformation in großem Maßstab mit Azure Data Factory oder Azure Synapse Pipelines
Modul 7: Orchestrierung von Datenbewegungen und -transformationen in Azure Synapse Pipelines
- Orchestrierung der Datenbewegung und -umwandlung in Azure Data Factory
Modul 8: End-to-End-Sicherheit mit Azure Synapse Analytics
- Sichern eines Data Warehouse in Azure Synapse Analytics
- Konfigurieren und Verwalten von Geheimnissen in Azure Key Vault
- Implementierung von Compliance-Kontrollen für sensible Daten
Modul 9: Hybrid Transactional Analytical Processing HTAP) mit Azure Synapse Link unterstützen
- Entwicklung hybrider transaktionaler und analytischer Verarbeitung mit Azure Synapse Analytics
- Konfigurieren von Azure Synapse Link mit Azure Cosmos DB
- Abfrage von Azure Cosmos DB mit Apache Spark-Pools
- Abfrage von Azure Cosmos DB mit serverlosen SQL-Pools
Modul 10: Stream-Verarbeitung in Echtzeit mit Stream Analytics
- Zuverlässiges Messaging für Big Data-Anwendungen mithilfe von Azure Event Hubs aktivieren
- Arbeiten mit Datenströmen mithilfe von Azure Stream Analytics
- Einlesen von Datenströmen mit Azure Stream Analytics
- Verwendung von Stream Analytics zur Verarbeitung von Echtzeitdaten aus Event Hubs
- Verwendung von Stream Analytics-Fensterfunktionen zur Erstellung von Aggregaten und zur Ausgabe an Synapse Analytics
- Den Azure Stream Analytics-Job skalieren, um den Durchsatz durch Partitionierung zu erhöhen
- Repartitionierung der Stream-Eingabe zur Optimierung der Parallelisierung
Modul 11: Erstellen einer Stream Processing-Lösung mit Event Hubs und Azure Databricks
- Verarbeiten von Streaming-Daten mit Azure Databricks structured streaming