Building Streaming Data Analytics Solutions on AWSBSDASAAWAmazon Web ServicesAW-BSDASA1.0<p>In diesem Kurs werden Sie lernen:</p>
<ul>
<li>Verstehen Sie die Funktionen und Vorteile einer modernen Datenarchitektur. Erfahren Sie, wie AWS-Streaming-Services in eine moderne Datenarchitektur passen.</li><li>Entwurf und Implementierung einer Lösung zur Analyse von Streaming-Daten</li><li>Identifizieren und Anwenden geeigneter Techniken wie Komprimierung, Sharding und Partitionierung zur Optimierung der Datenspeicherung</li><li>Auswahl und Einsatz geeigneter Optionen zur Aufnahme, Umwandlung und Speicherung von Echtzeit- und echtzeitnahen Daten</li><li>Wählen Sie die geeigneten Streams, Cluster, Themen, Skalierungsansätze und Netzwerktopologien für einen bestimmten geschäftlichen Anwendungsfall</li><li>Verstehen, wie sich Datenspeicherung und -verarbeitung auf die Analyse- und Visualisierungsmechanismen auswirken, die für die Gewinnung verwertbarer Geschäftseinblicke erforderlich sind</li><li>Sicheres Streaming von Daten im Ruhezustand und bei der Übertragung</li><li>Überwachen von Analyse-Workloads, um Probleme zu erkennen und zu beheben</li><li>Anwendung bewährter Kostenmanagementverfahren</li></ul><p>Wir empfehlen, dass die Teilnehmer dieses Kurses folgende Voraussetzungen erfüllen:</p>
<ul>
<li>Mindestens ein Jahr Erfahrung in der Datenanalyse oder direkte Erfahrung in der Entwicklung von Echtzeitanwendungen oder Streaming-Analyselösungen. Wir empfehlen das Whitepaper Streaming Data Solutions on AWS für diejenigen, die eine Auffrischung der Streaming-Konzepte benötigen.</li><li>Sie haben entweder Architecting on AWS oder Data Analytics Fundamentals abgeschlossen.</li><li>Abgeschlossener Aufbau von Data Lakes auf AWS</li></ul><p>Dieser Kurs richtet sich an:</p>
<ul>
<li>Dateningenieure und -architekten</li><li>Entwickler, die Echtzeitanwendungen und Lösungen zur Analyse von Streaming-Daten erstellen und verwalten möchten</li></ul><h4>Modul A: Überblick über Datenanalyse und die Datenpipeline</h4><ul>
<li>Anwendungsfälle der Datenanalyse</li><li>Nutzung der Datenpipeline für Analysen</li></ul><h4>Modul 1: Verwendung von Streaming Services in der Datenanalyse-Pipeline</h4><ul>
<li>Die Bedeutung der Analyse von Streaming-Daten</li><li>Die Pipeline für die Streaming-Datenanalyse</li><li>Streaming-Konzepte</li></ul><h4>Modul 2: Einführung in AWS Streaming Services</h4><ul>
<li>Streaming-Datendienste in AWS</li><li>Amazon Kinesis in Analyselösungen</li><li>Demonstration: Amazon Kinesis-Datenströme erforschen</li><li>Praxis-Labor: Einrichten einer Streaming-Bereitstellungspipeline mit Amazon Kinesis</li><li>Verwendung von Amazon Kinesis Data Analytics</li><li>Einführung in Amazon MSK</li><li>Überblick über Spark Streaming</li></ul><h4>Modul 3: Verwendung von Amazon Kinesis für Echtzeit-Datenanalysen</h4><ul>
<li>Untersuchung von Amazon Kinesis anhand einer Clickstream-Arbeitslast</li><li>Erstellen von Kinesis-Daten- und Lieferströmen</li><li>Demonstration: Produzenten und Konsumenten verstehen</li><li>Bau von Stromerzeugern</li><li>Gebäude Stromverbraucher</li><li>Erstellen und Bereitstellen von Flink-Anwendungen in Kinesis Data Analytics</li><li>Demonstration: Erkunden Sie Zeppelin-Notebooks für Kinesis Data Analytics</li><li>Praxis-Labor: Streaming-Analysen mit Amazon Kinesis Data Analytics und Apache Flink</li></ul><h4>Modul 4: Sichern, Überwachen und Optimieren von Amazon Kinesis</h4><ul>
<li>Optimieren Sie Amazon Kinesis, um verwertbare Geschäftseinblicke zu gewinnen</li><li>Bewährte Verfahren für Sicherheit und Überwachung</li></ul><h4>Modul 5: Verwendung von Amazon MSK in Streaming Data Analytics-Lösungen</h4><ul>
<li>Anwendungsfälle für Amazon MSK</li><li>MSK-Cluster erstellen</li><li>Demonstration: Bereitstellen eines MSK-Clusters</li><li>Einspeisung von Daten in Amazon MSK</li><li>Praxis-Labor: Einführung in die Zugangskontrolle mit Amazon MSK</li><li>Umwandlung und Verarbeitung in Amazon MSK</li></ul><h4>Modul 6: Sichern, Überwachen und Optimieren von Amazon MSK</h4><ul>
<li>Optimierung von Amazon MSK</li><li>Demonstration: Skalierung des Amazon MSK-Speichers</li><li>Praxis-Labor: Amazon MSK-Streaming-Pipeline und Anwendungsbereitstellung</li><li>Sicherheit und Überwachung</li><li>Demonstration: Überwachung eines MSK-Clusters</li></ul><h4>Modul 7: Entwurf von Streaming Data Analytics-Lösungen</h4><ul>
<li>Überprüfung von Anwendungsfällen</li><li>Klassenübung: Entwerfen eines Arbeitsablaufs für die Streaming-Datenanalyse</li></ul><h4>Modul B: Entwicklung von modernen Datenarchitekturen auf AWS</h4><ul>
<li>Moderne Datenarchitekturen</li></ul><p><em>Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <span class="cms-link-marked"><a class="fl-href-prod" href="/swisscom/en/course/amazon-bsdasa"><svg role="img" aria-hidden="true" focusable="false" data-nosnippet class="cms-linkmark"><use xlink:href="/css/img/icnset-linkmarks.svg#linkmark"></use></svg>hier</a></span>.</em></p>In diesem Kurs werden Sie lernen:
- Verstehen Sie die Funktionen und Vorteile einer modernen Datenarchitektur. Erfahren Sie, wie AWS-Streaming-Services in eine moderne Datenarchitektur passen.
- Entwurf und Implementierung einer Lösung zur Analyse von Streaming-Daten
- Identifizieren und Anwenden geeigneter Techniken wie Komprimierung, Sharding und Partitionierung zur Optimierung der Datenspeicherung
- Auswahl und Einsatz geeigneter Optionen zur Aufnahme, Umwandlung und Speicherung von Echtzeit- und echtzeitnahen Daten
- Wählen Sie die geeigneten Streams, Cluster, Themen, Skalierungsansätze und Netzwerktopologien für einen bestimmten geschäftlichen Anwendungsfall
- Verstehen, wie sich Datenspeicherung und -verarbeitung auf die Analyse- und Visualisierungsmechanismen auswirken, die für die Gewinnung verwertbarer Geschäftseinblicke erforderlich sind
- Sicheres Streaming von Daten im Ruhezustand und bei der Übertragung
- Überwachen von Analyse-Workloads, um Probleme zu erkennen und zu beheben
- Anwendung bewährter KostenmanagementverfahrenWir empfehlen, dass die Teilnehmer dieses Kurses folgende Voraussetzungen erfüllen:
- Mindestens ein Jahr Erfahrung in der Datenanalyse oder direkte Erfahrung in der Entwicklung von Echtzeitanwendungen oder Streaming-Analyselösungen. Wir empfehlen das Whitepaper Streaming Data Solutions on AWS für diejenigen, die eine Auffrischung der Streaming-Konzepte benötigen.
- Sie haben entweder Architecting on AWS oder Data Analytics Fundamentals abgeschlossen.
- Abgeschlossener Aufbau von Data Lakes auf AWSDieser Kurs richtet sich an:
- Dateningenieure und -architekten
- Entwickler, die Echtzeitanwendungen und Lösungen zur Analyse von Streaming-Daten erstellen und verwalten möchtenModul A: Überblick über Datenanalyse und die Datenpipeline
- Anwendungsfälle der Datenanalyse
- Nutzung der Datenpipeline für Analysen
Modul 1: Verwendung von Streaming Services in der Datenanalyse-Pipeline
- Die Bedeutung der Analyse von Streaming-Daten
- Die Pipeline für die Streaming-Datenanalyse
- Streaming-Konzepte
Modul 2: Einführung in AWS Streaming Services
- Streaming-Datendienste in AWS
- Amazon Kinesis in Analyselösungen
- Demonstration: Amazon Kinesis-Datenströme erforschen
- Praxis-Labor: Einrichten einer Streaming-Bereitstellungspipeline mit Amazon Kinesis
- Verwendung von Amazon Kinesis Data Analytics
- Einführung in Amazon MSK
- Überblick über Spark Streaming
Modul 3: Verwendung von Amazon Kinesis für Echtzeit-Datenanalysen
- Untersuchung von Amazon Kinesis anhand einer Clickstream-Arbeitslast
- Erstellen von Kinesis-Daten- und Lieferströmen
- Demonstration: Produzenten und Konsumenten verstehen
- Bau von Stromerzeugern
- Gebäude Stromverbraucher
- Erstellen und Bereitstellen von Flink-Anwendungen in Kinesis Data Analytics
- Demonstration: Erkunden Sie Zeppelin-Notebooks für Kinesis Data Analytics
- Praxis-Labor: Streaming-Analysen mit Amazon Kinesis Data Analytics und Apache Flink
Modul 4: Sichern, Überwachen und Optimieren von Amazon Kinesis
- Optimieren Sie Amazon Kinesis, um verwertbare Geschäftseinblicke zu gewinnen
- Bewährte Verfahren für Sicherheit und Überwachung
Modul 5: Verwendung von Amazon MSK in Streaming Data Analytics-Lösungen
- Anwendungsfälle für Amazon MSK
- MSK-Cluster erstellen
- Demonstration: Bereitstellen eines MSK-Clusters
- Einspeisung von Daten in Amazon MSK
- Praxis-Labor: Einführung in die Zugangskontrolle mit Amazon MSK
- Umwandlung und Verarbeitung in Amazon MSK
Modul 6: Sichern, Überwachen und Optimieren von Amazon MSK
- Optimierung von Amazon MSK
- Demonstration: Skalierung des Amazon MSK-Speichers
- Praxis-Labor: Amazon MSK-Streaming-Pipeline und Anwendungsbereitstellung
- Sicherheit und Überwachung
- Demonstration: Überwachung eines MSK-Clusters
Modul 7: Entwurf von Streaming Data Analytics-Lösungen
- Überprüfung von Anwendungsfällen
- Klassenübung: Entwerfen eines Arbeitsablaufs für die Streaming-Datenanalyse
Modul B: Entwicklung von modernen Datenarchitekturen auf AWS
- Moderne DatenarchitekturenDieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.1 Tag590.00750.00750.00750.00900.00870.00750.00675.00930.00750.00