Building Batch Data Analytics Solutions on AWS (BBDAS)

Modul A: Überblick über Datenanalyse und die Datenpipeline\n\n\n- Anwendungsfälle der Datenanalyse\n- Nutzung der Datenpipeline für Analysen\nModul 1: Einführung in Amazon EMR\n\n\n- Verwendung von Amazon EMR in Analyselösungen\n- Amazon EMR-Cluster-Architektur\n- Interaktive Demo 1: Starten eines Amazon EMR-Clusters\n- Strategien für das Kostenmanagement\nModul 2: Datenanalyse-Pipeline mit Amazon EMR: Ingestion und Speicherung\n\n\n- Speicheroptimierung mit Amazon EMR\n- Techniken für die Datenübernahme\nModul 3: Leistungsstarke Batch-Datenanalyse mit Apache Spark auf Amazon EMR\n\n\n- Apache Spark auf Amazon EMR Anwendungsfälle\n- Warum Apache Spark auf Amazon EMR\n- Spark-Konzepte\n- Interaktive Demo 2: Verbinden mit einem EMR-Cluster und Ausführen von Scala-Befehlen mit der Spark-Shell\n- Umwandlung, Verarbeitung und Analyse\n- Verwendung von Notebooks mit Amazon EMR\n- Praxisübung 1: Datenanalyse mit niedriger Latenz mit Apache Spark auf Amazon EMR\nModul 4: Verarbeitung und Analyse von Batch-Daten mit Amazon EMR und Apache Hive\n\n\n- Verwendung von Amazon EMR mit Hive zur Verarbeitung von Stapeldaten\n- Umwandlung, Verarbeitung und Analyse\n- Praxisübung 2: Batch-Datenverarbeitung mit Amazon EMR und Hive\n- Einführung in Apache HBase auf Amazon EMR\nModul 5: Serverlose Datenverarbeitung\n\n\n- Serverlose Datenverarbeitung, -umwandlung und -analyse\n- Verwendung von AWS Glue mit Amazon EMR-Arbeitslasten\n- Praxisübung 3: Orchestrierung der Datenverarbeitung in Spark mit AWS Step Functions\nModul 6: Sicherheit und Überwachung von Amazon EMR-Clustern\n\n\n- Sicherung von EMR-Clustern\n- Interaktive Demo 3: Client-seitige Verschlüsselung mit EMRFS\n- Überwachung und Fehlerbehebung von Amazon EMR-Clustern\n- Demo: Überprüfung der Apache Spark-Cluster-Historie\nModul 7: Entwurf von Batch Data Analytics-Lösungen\n\n\n- Anwendungsfälle der Batch-Datenanalyse\n- Tätigkeit: Entwurf eines Arbeitsablaufs für die Batch-Datenanalyse\nModul B: Entwicklung von modernen Datenarchitekturen auf AWS\n\n\n- Moderne Datenarchitekturen

Teilnehmer mit mindestens einem Jahr Erfahrung im Umgang mit Open-Source-Datenframeworks wie Apache Spark oder Apache Hadoop profitieren von diesem Kurs.

Dieser Kurs richtet sich an:\n\n\n- Ingenieure für Datenplattformen\n- Architekten und Betreiber, die Datenanalyse-Pipelines aufbauen und verwalten