Créer des lacs de données et des entrepôts de données sur Google Cloud

Overview

Bien que les approches traditionnelles utilisant des lacs de données et des entrepôts de données puissent être efficaces, elles présentent des inconvénients, en particulier dans les grands environnements d'entreprise. Ce cours présente le concept de data lakehouse et les produits Google Cloud utilisés pour en créer un. Une architecture de lakehouse utilise des sources de données basées sur des normes ouvertes et combine les meilleures fonctionnalités des lacs et des entrepôts de données, ce qui permet de pallier de nombreuses lacunes.

Syllabus

Présentation du cours

Présenter les sujets qui seront abordés dans le cours et les compétences que les participants vont acquérir.

Introduction à l'ingénierie des données moderne sur Google Cloud

Ce module présente les concepts de base des lacs de données et des entrepôts de données, et pose les bases des architectures modernes sur Google Cloud.

Créer un lakehouse avec Cloud Storage, des formats ouverts et BigQuery

Ce module présente le concept de lakehouse et les produits Google Cloud les plus couramment utilisés pour créer un data lakehouse moderne à l'aide de formats Open Source.

Moderniser les entrepôts de données avec BigQuery et BigLake

Ce module présente BigQuery comme la pierre angulaire d'un entrepôt de données moderne et BigLake pour unifier l'accès au lac et à l'entrepôt de données.

Modèles de lakehouse avancés et gouvernance des données

Ce module se concentre sur les modèles architecturaux avancés pour le lakehouse, y compris le traitement des données, l'orchestration et la gouvernance complète des données dans BigQuery, Cloud Storage et BigLake.

Ateliers et bonnes pratiques

Ce module propose des ateliers pour approfondir les compétences dans les outils et technologies utilisés par un lakehouse sur Google Cloud, ainsi qu'un aperçu des bonnes pratiques, des erreurs courantes et des tendances futures.

Résumé du cours

Résumer les capacités architecturales et opérationnelles du data lakehouse centré sur BigQuery, en abordant la gouvernance, l'analyse avancée et le machine learning