Hinweis: Dieser Kurs ist zusätzlich mit Inhalten des Kurses Building Data Analytics Solutions using Amazon Redshift angereichert.
Dieser Kurs zeigt, wie Daten ins Data Warehouse aufgenommen, gespeichert und umgewandelt werden können. Zu den behandelten Themen gehören: der Zweck von Amazon Redshift, wie Amazon Redshift geschäftliche und technische Herausforderungen angeht, Funktionen und Möglichkeiten von Amazon Redshift, Entwerfen einer Data-Warehousing-Lösung auf AWS durch Anwendung von Best Practices auf der Grundlage des Well-Architected Framework, Integration mit AWS- und Nicht-AWS-Produkten und -Services, Leistungsoptimierung, Orchestrierung sowie Sicherung und Überwachung von Amazon Redshift.
Tag 1
Modul 1: Data-Warehouse-Konzepte
- Moderne Datenarchitektur
- Einführung in die Geschichte des Kurses
- Data Warehousing mit Amazon Redshift
- Amazon Redshift Serverlose Architektur
- Praktisches Lab: Starten und Konfigurieren eines Amazon Redshift Serverless Data Warehouse
Modul 2: Einrichten von Amazon Redshift
- Datenmodelle für Amazon Redshift
- Datenverwaltung in Amazon Redshift
- Verwalten von Berechtigungen in Amazon Redshift
- Praktisches Lab: Einrichten eines Data Warehouse mit Amazon Redshift Serverless
Modul 3: Laden von Daten
- Überblick über die Datenquellen
- Laden von Daten aus Amazon Simple Storage Service (Amazon S3)
- Extrahieren, Transformieren und Laden (ETL) und Extrahieren, Laden und Transformieren (ELT)
- Laden von Streaming-Daten
- Laden von Daten aus relationalen Datenbanken
- Praktisches Lab: Befüllen des Data Warehouse
Tag 2
Modul 4: Vertiefung in SQL Query Editor v2 und Notebooks
- Eigenschaften von Amazon Redshift Query Editor v2
- Vorführung: Verwendung von Amazon Redshift Query Editor v2
- Erweiterte Abfragen
- Praktisches Lab: Datenverarbeitung auf AWS
Modul 5: Sicherung und Wiederherstellung
- Wiederherstellung im Katastrophenfall
- Sichern und Wiederherstellen von Amazon Redshift mit Bereitstellung
- Sichern und Wiederherstellen von Amazon Redshift Serverless
Modul 6: Amazon Redshift Leistungsoptimierung
- Faktoren, die sich auf die Abfrageleistung auswirken
- Tabellenpflege und materialisierte Ansichten
- Abfrage-Analyse
- Verwaltung der Arbeitslast
- Anleitung zum Tuning
- Amazon Redshift-Überwachung
- Praktisches Lab: Leistungsoptimierung des Data Warehouse
Modul 7: Absicherung von Amazon Redshift
- Einführung in die Sicherheit und Compliance von Amazon Redshift
- Authentifizierung mit Amazon Redshift
- Zugriffskontrolle mit Amazon Redshift
- Datenverschlüsselung mit Amazon Redshift
- Auditing und Compliance mit Amazon Redshift
- Praktisches Lab: Absicherung von Amazon Redshift
Tag 3
Modul 8: Orchestrierung
- Überblick über die Datenorchestrierung
- Orchestrierung mit AWS Step Functions
- Orchestrierung mit Amazon Managed Workflows für Apache Airflow (MWAA)
- Praktisches Lab: Orchestrierung der Data Warehouse-Pipeline
Modul 9: Amazon Redshift ML
- Überblick über maschinelles Lernen
- Erste Schritte mit Amazon Redshift ML
- Amazon Redshift ML-Workflow-Szenarien
- Verwendung von Amazon Redshift ML
- Praktisches Lab: Vorhersage der Kundenabwanderung mit Amazon Redshift ML
Modul 10: Gemeinsame Nutzung von Amazon-Redshift-Daten
- Überblick über die gemeinsame Nutzung von Daten in Amazon Redshift
- Amazon DataZone für Daten als Service
Modul 11: Nachbereitung
- Praktisches Lab: Übungsaufgaben am Ende des Kurses