Data Warehousing with BigQuery: Storage Design, Query Optimization, and AdministrationDWBQ-SDQAGOGoogleGO-DWBQ-SDQA1.0<ul>
<li>Beschreiben Sie die Grundlagen der BigQuery-Architektur.</li><li>Implementierung von Speicher- und Schemaentwurfsmustern zur Verbesserung der Leistung.</li><li>Verwenden Sie DML und planen Sie Datenübertragungen zum Einlesen von Daten.</li><li>Anwendung bewährter Verfahren zur Verbesserung der Leseeffizienz und Optimierung der Abfrageleistung.</li><li>Verwalten Sie Kapazitäten und automatisieren Sie Arbeitslasten.</li><li>Verstehen von Mustern und Anti-Mustern zur Optimierung von Abfragen und Verbesserung der Leseleistung.</li><li>Verwenden Sie Protokollierungs- und Überwachungstools, um Nutzungsmuster zu verstehen und zu optimieren.</li><li>Anwendung bewährter Sicherheitsverfahren zur Verwaltung von Daten und Ressourcen.</li><li>Erstellen und Bereitstellen verschiedener Kategorien von Modellen für maschinelles Lernen mit BigQuery ML.</li></ul><p>Grundlagen von Big Data und maschinellem Lernen</p><ul>
<li>Grundlagen der BigQuery-Architektur</li><li>Speicher- und Schema-Optimierungen</li><li>Aufnahme von Daten</li><li>Ändern von Daten</li><li>Verbesserung der Leseleistung</li><li>Optimieren und Fehlerbehebung von Abfragen</li><li>Arbeitslastmanagement und Preisgestaltung</li><li>Protokollierung und Überwachung</li><li>Sicherheit in BigQuery</li><li>Automatisieren von Arbeitsbelastungen</li><li>Maschinelles Lernen in BigQuery</li></ul><h5>Modul 01 Grundlagen der BigQuery-Architektur</h5><h6>Themen</h6><ul>
<li>Einführung</li><li>BigQuery-Kerninfrastruktur</li><li>BigQuery-Speicher</li><li>BigQuery-Abfrageverarbeitung</li><li>BigQuery-Daten-Mischung</li></ul><h6>Zielsetzungen</h6><ul>
<li>Erläutern Sie die Vorteile der säulenförmigen Speicherung.</li><li>Verstehen, wie BigQuery Daten verarbeitet.</li><li>Lernen Sie die Grundlagen des Shuffle-Service von BigQuery kennen, um die Abfrageeffizienz zu verbessern.</li></ul><h6>Aktivitäten</h6><ul>
<li>Labore und Demos</li></ul><h5>Modul 02 Speicher- und Schema-Optimierungen</h5><h6>Themen</h6><ul>
<li>BigQuery-Speicher</li><li>Partitionierung und Clustering</li><li>Verschachtelte und wiederholte Felder</li><li>ARRAY- und STRUCT-Syntax</li><li>Bewährte Praktiken</li></ul><h6>Zielsetzungen</h6><ul>
<li>Vergleichen Sie die Leistung verschiedener Schemata (Schneeflocken, denormalisierte, verschachtelte und wiederholte Felder).</li><li>Partitionieren und Clustern von Daten für bessere Leistung</li><li>Verbesserung des Schemadesigns durch verschachtelte und wiederholte Felder.</li><li>Beschreiben Sie zusätzliche bewährte Verfahren wie den Ablauf von Tabellen und Partitionen</li></ul><h6>Aktivitäten</h6><ul>
<li>Labore und Demos</li></ul><h5>Modul 03 Dateneingabe</h5><h6>Themen</h6><ul>
<li>Data Ingestion Options</li><li>Batch-Ingestion</li><li>Streaming-Ingestion</li><li>Veraltete Streaming-API</li><li>BigQuery-Speicher-Schreib-API</li><li>Materialisierung von Abfragen</li><li>Abfrage externer Datenquellen</li><li>Datenübertragungsdienst</li></ul><h6>Zielsetzungen</h6><ul>
<li>Aufnahme von Batch- und Streaming-Daten.</li><li>Abfrage externer Datenquellen.</li><li>Planen Sie Datenübertragungen.</li><li>Verstehen, wie man die Storage Write API verwendet.</li></ul><h6>Aktivitäten</h6><ul>
<li>Labore und Demos</li></ul><h5>Modul 04 Ändern von Daten</h5><h6>Themen</h6><ul>
<li>Verwaltung von Änderungen in Data Warehouses</li><li>Umgang mit sich langsam ändernden Abmessungen (SCD)</li><li>DML-Anweisungen</li><li>DML Best Practices und häufige Probleme</li></ul><h6>Zielsetzungen</h6><ul>
<li>DML-Anweisungen schreiben.</li><li>Behebung häufiger DML-Leistungsprobleme und Engpässe.</li><li>Identifizieren Sie langsam wechselnde Dimensionen (SCD) in Ihren Daten und nehmen Sie Aktualisierungen vor.</li></ul><h5>Modul 05 Verbesserung der Leseleistung</h5><h6>Themen</h6><ul>
<li>BigQuery’s Cache</li><li>Materialisierte Ansichten</li><li>BI-Engine</li><li>Hoher Lesedurchsatz</li><li>BigQuery-Speicher-Lese-API</li></ul><h6>Zielsetzungen</h6><ul>
<li>Erforschen Sie den Cache von BigQuery.</li><li>Erstellen Sie materialisierte Ansichten.</li><li>Arbeiten Sie mit BI Engine, um Ihre SQL-Abfragen zu beschleunigen.</li><li>Verwenden Sie die Speicher-Lese-API für den schnellen Zugriff auf den von BigQuery verwalteten Speicher.</li><li>Erläutern Sie die Vorbehalte gegen die Verwendung externer Datenquellen.</li></ul><h6>Aktivitäten</h6><ul>
<li>Labore und Demos</li></ul><h5>Modul 06 Optimierung und Fehlerbehebung von Abfragen</h5><h6>Themen</h6><ul>
<li>Einfache Abfrage-Ausführung</li><li>SELECTs und Aggregation</li><li>JOINs und Skewed JOINs</li><li>Filtern und Ordnen</li><li>Bewährte Praktiken für Funktionen</li></ul><h6>Zielsetzungen</h6><ul>
<li>Interpretieren Sie BigQuery-Ausführungsdetails und den Abfrageplan.</li><li>Optimieren Sie die Abfrageleistung mit Hilfe der vorgeschlagenen Methoden für SQL-Anweisungen und -Klauseln.</li><li>Demonstration von Best Practices für Funktionen in geschäftlichen Anwendungsfällen.</li></ul><h6>Aktivitäten</h6><ul>
<li>Labore und Demos</li></ul><h5>Modul 07 Arbeitslastmanagement und Preisgestaltung</h5><h6>Themen</h6><ul>
<li>BigQuery-Steckplätze</li><li>Preismodelle und Schätzungen</li><li>Slot-Reservierungen</li><li>Kostenkontrolle</li></ul><h6>Zielsetzungen</h6><ul>
<li>Definieren Sie einen BigQuery-Slot.</li><li>Erläuterung von Preismodellen und Preisschätzungen (BigQuery UI, bq dry_run, jobs API).</li><li>Verstehen Sie Slot-Reservierungen, Verpflichtungen und Zuweisungen.</li><li>Ermittlung der besten Praktiken zur Kostenkontrolle.</li></ul><h6>Aktivitäten</h6><ul>
<li>Demos</li></ul><h5>Modul 08 Protokollierung und Überwachung</h5><h6>Themen</h6><ul>
<li>Cloud-Überwachung</li><li>BigQuery-Verwaltungsbereich</li><li>Cloud Audit Logs</li><li>INFORMATION_SCHEMA</li><li>Abfragepfad und häufige Fehler</li></ul><h6>Zielsetzungen</h6><ul>
<li>Verwenden Sie Cloud Monitoring, um BigQuery-Metriken anzuzeigen.</li><li>Erkunden Sie das BigQuery-Verwaltungsfeld.</li><li>Verwenden Sie Cloud Audit-Protokolle.</li><li>Arbeiten Sie mit INFORMATION_SCHEMA-Tabellen, um Einblicke in Ihre BigQuery-Entitäten zu erhalten.</li></ul><h6>Aktivitäten</h6><ul>
<li>Labore und Demos</li></ul><h5>Modul 09 Sicherheit in BigQuery</h5><h6>Themen</h6><ul>
<li>Sichere Ressourcen mit IAM</li><li>Autorisierte Ansichten</li><li>Sichere Daten durch Klassifizierung</li><li>Verschlüsselung</li><li>Datenermittlung und -verwaltung</li></ul><h6>Zielsetzungen</h6><ul>
<li>Erkunden Sie die Datenerkennung mit Data Catalog.</li><li>Erörterung der Datenverwaltung mit DLP API und Datenkatalog.</li><li>Erstellen Sie IAM-Richtlinien (z. B. autorisierte Ansichten), um Ressourcen zu sichern.</li><li>Sichern Sie Daten mit Klassifizierungen (z. B. Richtlinien auf Zeilenebene).</li><li>Verstehen, wie BigQuery Verschlüsselung verwendet.</li></ul><h6>Aktivitäten</h6><ul>
<li>Labore und Demos</li></ul><h5>Modul 10 Automatisieren von Arbeitsbelastungen</h5><h6>Themen</h6><ul>
<li>Terminierungsabfragen</li><li>Skripting</li><li>Gespeicherte Prozeduren</li><li>Integration mit Big Data-Produkten</li></ul><h6>Zielsetzungen</h6><ul>
<li>Zeitplanabfragen.</li><li>Verwenden Sie Skripterstellung und gespeicherte Prozeduren, um benutzerdefinierte Transformationen zu erstellen.</li><li>Beschreiben Sie, wie Sie BigQuery-Workloads mit anderen Google Cloud Big Data-Produkten integrieren können.</li></ul><h6>Aktivitäten</h6><ul>
<li>Demos</li></ul><h5>Modul 11 Maschinelles Lernen in BigQuery</h5><h6>Themen</h6><ul>
<li>Einführung in BigQuery ML</li><li>Wie man mit BigQuery ML Vorhersagen macht</li><li>Wie man ein Empfehlungssystem mit BigQuery ML erstellt und einsetzt</li><li>Erstellen und Bereitstellen einer Lösung für die Nachfrageprognose mit BigQuery ML</li><li>Zeitreihenmodelle mit BigQuery ML</li><li>BigQuery ML-Erklärbarkeit</li></ul><h6>Zielsetzungen</h6><ul>
<li>Beschreiben Sie einige der verschiedenen Anwendungen von BigQuery ML.</li><li>Erstellen und Bereitstellen verschiedener Kategorien von Modellen für maschinelles Lernen mit BigQuery ML.</li><li>Verwenden Sie AutoML-Tabellen zur Lösung hochwertiger Geschäftsprobleme.</li></ul><h6>Aktivitäten</h6><ul>
<li>Labore und Demos</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/google-dwbq-sdqa"><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>- Beschreiben Sie die Grundlagen der BigQuery-Architektur.
- Implementierung von Speicher- und Schemaentwurfsmustern zur Verbesserung der Leistung.
- Verwenden Sie DML und planen Sie Datenübertragungen zum Einlesen von Daten.
- Anwendung bewährter Verfahren zur Verbesserung der Leseeffizienz und Optimierung der Abfrageleistung.
- Verwalten Sie Kapazitäten und automatisieren Sie Arbeitslasten.
- Verstehen von Mustern und Anti-Mustern zur Optimierung von Abfragen und Verbesserung der Leseleistung.
- Verwenden Sie Protokollierungs- und Überwachungstools, um Nutzungsmuster zu verstehen und zu optimieren.
- Anwendung bewährter Sicherheitsverfahren zur Verwaltung von Daten und Ressourcen.
- Erstellen und Bereitstellen verschiedener Kategorien von Modellen für maschinelles Lernen mit BigQuery ML.Grundlagen von Big Data und maschinellem Lernen- Grundlagen der BigQuery-Architektur
- Speicher- und Schema-Optimierungen
- Aufnahme von Daten
- Ändern von Daten
- Verbesserung der Leseleistung
- Optimieren und Fehlerbehebung von Abfragen
- Arbeitslastmanagement und Preisgestaltung
- Protokollierung und Überwachung
- Sicherheit in BigQuery
- Automatisieren von Arbeitsbelastungen
- Maschinelles Lernen in BigQueryModul 01 Grundlagen der BigQuery-Architektur
Themen
- Einführung
- BigQuery-Kerninfrastruktur
- BigQuery-Speicher
- BigQuery-Abfrageverarbeitung
- BigQuery-Daten-Mischung
Zielsetzungen
- Erläutern Sie die Vorteile der säulenförmigen Speicherung.
- Verstehen, wie BigQuery Daten verarbeitet.
- Lernen Sie die Grundlagen des Shuffle-Service von BigQuery kennen, um die Abfrageeffizienz zu verbessern.
Aktivitäten
- Labore und Demos
Modul 02 Speicher- und Schema-Optimierungen
Themen
- BigQuery-Speicher
- Partitionierung und Clustering
- Verschachtelte und wiederholte Felder
- ARRAY- und STRUCT-Syntax
- Bewährte Praktiken
Zielsetzungen
- Vergleichen Sie die Leistung verschiedener Schemata (Schneeflocken, denormalisierte, verschachtelte und wiederholte Felder).
- Partitionieren und Clustern von Daten für bessere Leistung
- Verbesserung des Schemadesigns durch verschachtelte und wiederholte Felder.
- Beschreiben Sie zusätzliche bewährte Verfahren wie den Ablauf von Tabellen und Partitionen
Aktivitäten
- Labore und Demos
Modul 03 Dateneingabe
Themen
- Data Ingestion Options
- Batch-Ingestion
- Streaming-Ingestion
- Veraltete Streaming-API
- BigQuery-Speicher-Schreib-API
- Materialisierung von Abfragen
- Abfrage externer Datenquellen
- Datenübertragungsdienst
Zielsetzungen
- Aufnahme von Batch- und Streaming-Daten.
- Abfrage externer Datenquellen.
- Planen Sie Datenübertragungen.
- Verstehen, wie man die Storage Write API verwendet.
Aktivitäten
- Labore und Demos
Modul 04 Ändern von Daten
Themen
- Verwaltung von Änderungen in Data Warehouses
- Umgang mit sich langsam ändernden Abmessungen (SCD)
- DML-Anweisungen
- DML Best Practices und häufige Probleme
Zielsetzungen
- DML-Anweisungen schreiben.
- Behebung häufiger DML-Leistungsprobleme und Engpässe.
- Identifizieren Sie langsam wechselnde Dimensionen (SCD) in Ihren Daten und nehmen Sie Aktualisierungen vor.
Modul 05 Verbesserung der Leseleistung
Themen
- BigQuery’s Cache
- Materialisierte Ansichten
- BI-Engine
- Hoher Lesedurchsatz
- BigQuery-Speicher-Lese-API
Zielsetzungen
- Erforschen Sie den Cache von BigQuery.
- Erstellen Sie materialisierte Ansichten.
- Arbeiten Sie mit BI Engine, um Ihre SQL-Abfragen zu beschleunigen.
- Verwenden Sie die Speicher-Lese-API für den schnellen Zugriff auf den von BigQuery verwalteten Speicher.
- Erläutern Sie die Vorbehalte gegen die Verwendung externer Datenquellen.
Aktivitäten
- Labore und Demos
Modul 06 Optimierung und Fehlerbehebung von Abfragen
Themen
- Einfache Abfrage-Ausführung
- SELECTs und Aggregation
- JOINs und Skewed JOINs
- Filtern und Ordnen
- Bewährte Praktiken für Funktionen
Zielsetzungen
- Interpretieren Sie BigQuery-Ausführungsdetails und den Abfrageplan.
- Optimieren Sie die Abfrageleistung mit Hilfe der vorgeschlagenen Methoden für SQL-Anweisungen und -Klauseln.
- Demonstration von Best Practices für Funktionen in geschäftlichen Anwendungsfällen.
Aktivitäten
- Labore und Demos
Modul 07 Arbeitslastmanagement und Preisgestaltung
Themen
- BigQuery-Steckplätze
- Preismodelle und Schätzungen
- Slot-Reservierungen
- Kostenkontrolle
Zielsetzungen
- Definieren Sie einen BigQuery-Slot.
- Erläuterung von Preismodellen und Preisschätzungen (BigQuery UI, bq dry_run, jobs API).
- Verstehen Sie Slot-Reservierungen, Verpflichtungen und Zuweisungen.
- Ermittlung der besten Praktiken zur Kostenkontrolle.
Aktivitäten
- Demos
Modul 08 Protokollierung und Überwachung
Themen
- Cloud-Überwachung
- BigQuery-Verwaltungsbereich
- Cloud Audit Logs
- INFORMATION_SCHEMA
- Abfragepfad und häufige Fehler
Zielsetzungen
- Verwenden Sie Cloud Monitoring, um BigQuery-Metriken anzuzeigen.
- Erkunden Sie das BigQuery-Verwaltungsfeld.
- Verwenden Sie Cloud Audit-Protokolle.
- Arbeiten Sie mit INFORMATION_SCHEMA-Tabellen, um Einblicke in Ihre BigQuery-Entitäten zu erhalten.
Aktivitäten
- Labore und Demos
Modul 09 Sicherheit in BigQuery
Themen
- Sichere Ressourcen mit IAM
- Autorisierte Ansichten
- Sichere Daten durch Klassifizierung
- Verschlüsselung
- Datenermittlung und -verwaltung
Zielsetzungen
- Erkunden Sie die Datenerkennung mit Data Catalog.
- Erörterung der Datenverwaltung mit DLP API und Datenkatalog.
- Erstellen Sie IAM-Richtlinien (z. B. autorisierte Ansichten), um Ressourcen zu sichern.
- Sichern Sie Daten mit Klassifizierungen (z. B. Richtlinien auf Zeilenebene).
- Verstehen, wie BigQuery Verschlüsselung verwendet.
Aktivitäten
- Labore und Demos
Modul 10 Automatisieren von Arbeitsbelastungen
Themen
- Terminierungsabfragen
- Skripting
- Gespeicherte Prozeduren
- Integration mit Big Data-Produkten
Zielsetzungen
- Zeitplanabfragen.
- Verwenden Sie Skripterstellung und gespeicherte Prozeduren, um benutzerdefinierte Transformationen zu erstellen.
- Beschreiben Sie, wie Sie BigQuery-Workloads mit anderen Google Cloud Big Data-Produkten integrieren können.
Aktivitäten
- Demos
Modul 11 Maschinelles Lernen in BigQuery
Themen
- Einführung in BigQuery ML
- Wie man mit BigQuery ML Vorhersagen macht
- Wie man ein Empfehlungssystem mit BigQuery ML erstellt und einsetzt
- Erstellen und Bereitstellen einer Lösung für die Nachfrageprognose mit BigQuery ML
- Zeitreihenmodelle mit BigQuery ML
- BigQuery ML-Erklärbarkeit
Zielsetzungen
- Beschreiben Sie einige der verschiedenen Anwendungen von BigQuery ML.
- Erstellen und Bereitstellen verschiedener Kategorien von Modellen für maschinelles Lernen mit BigQuery ML.
- Verwenden Sie AutoML-Tabellen zur Lösung hochwertiger Geschäftsprobleme.
Aktivitäten
- Labore und DemosDieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.3 Tage1950.001950.001995.002095.002095.002220.001950.001950.001980.006770.001950.002755.002450.00