Les pipelines de données s'inscrivent généralement dans l'un des paradigmes EL (extraction et chargement), ELT (extraction, chargement et transformation) ou ETL (extraction, transformation et chargement). Ce cours indique quel paradigme utiliser pour le traitement de données par lot en fonction du contexte. Il présente également plusieurs technologies Google Cloud de transformation des données, y compris BigQuery, l'exécution de Spark sur Dataproc, les graphiques de pipelines dans Cloud Data Fusion et le traitement des données sans serveur avec Dataflow. Les participants mettront en pratique les connaissances qu'ils auront acquises en créant des composants de pipelines de données sur Google Cloud à l'aide de Qwiklabs.
Overview
Syllabus
- Introduction
- Dans ce module, nous vous présentons le cours et son déroulement.
- Présentation de la création de pipelines de données par lot
- Ce module passe en revue différentes méthodes de chargement de données (EL, ELT et ETL) et vous indique quand les utiliser.
- Exécuter Spark sur Dataproc
- Ce module vous apprend à exécuter Hadoop sur Dataproc, à exploiter Cloud Storage et à optimiser vos jobs Dataproc.
- Traitement des données sans serveur avec Dataflow
- Ce module vous explique comment utiliser Dataflow pour créer vos pipelines de traitement de données.
- Gérer des pipelines de données avec Cloud Data Fusion et Cloud Composer
- Ce module vous montre comment gérer des pipelines de données avec Cloud Data Fusion et Cloud Composer.
- Résumé du cours
- Résumé du cours
- Ressources du cours
- Liens PDF vers tous les modules
Taught by
Google Cloud Training
Related Courses
-
Building Resilient Streaming Analytics Systems on GCP en Français
-
Data Engineering on Google Cloud Platform en Français
-
Modernizing Data Lakes and Data Warehouses with GCP en Français
-
Data Engineer, Big Data and ML on Google Cloud en Français
-
Introduction to Data Engineering on Google Cloud - Français
-
Data Engineer, Big Data and ML on Google Cloud en Français
