🇩🇪
Programm
Day One 

Module 1: Introduction to Data Warehousing
  • Relational databases
  • Data warehousing concepts
  • The intersection of data warehousing and big data Overview of data management in AWS
  • Hands-on lab 1: Introduction to Amazon Redshift 

Module 2: Introduction to Amazon Redshift
  • Conceptual overview
  • Real-world use cases
  • Hands-on lab 2: Launching an Amazon Redshift cluster

Module 3: Launching clusters
  • Building the cluster
  • Connecting to the cluster
  • Controlling access
  • Database security
  • Load data
  • Hands-on lab 3: Optimizing database schemas

Day Two 

Module 4: Designing the database schema
  • Schemas and data types
  • Columnar compression
  • Data distribution styles
  • Data sorting methods 

Module 5: Identifying data sources
  • Data sources overview
  • Amazon S3
  • Amazon DynamoDB
  • Amazon EMR
  • Amazon Kinesis Data Firehose
  • AWS Lambda Database Loader for Amazon Redshift
  • Hands-on lab 4: Loading real-time data into an Amazon Redshift database 

Module 6: Loading data
  • Preparing Data
  • Loading data using COPY
  • Maintaining tables
  • Concurrent write operations
  • Troubleshooting load issues
  • Hands-on lab 5: Loading data with the COPY command

Day Three


Module 7: Writing queries and tuning for performance
  • Amazon Redshift SQL
  • User-Defined Functions (UDFs)
  • Factors that affect query performance
  • The EXPLAIN command and query plans
  • Workload Management (WLM)
  • Hands-on lab 6: Configuring workload management

Module 8: Amazon Redshift Spectrum
  • Amazon Redshift Spectrum
  • Configuring data for Amazon Redshift Spectrum Amazon Redshift Spectrum Queries
  • Hands-on lab 7: Using Amazon Redshift Spectrum

Module 9: Maintaining clusters
  • Audit logging
  • Performance monitoring
  • Events and notifications
  • Lab 8: Auditing and monitoring clusters
  • Resizing clusters
  • Backing up and restoring clusters
  • Resource tagging and limits and constraints
  • Hands-on lab 9: Backing up, restoring and resizing clusters

Module 10: Analyzing and visualizing data
  • Power of visualizations
  • Building dashboards
  • Amazon QuickSight editions and features
Ziele
Data Warehousing auf AWS führt Sie ein in die Konzepte, Strategien und bewährten Methoden für die Konzeptionierung einer Cloud-basierten Data Warehousing-Lösung mit Amazon Redshift, dem Data Warehouse in AWS in Petabyte-Größe. Dieser Kurs demonstriert, wie Daten für das Data Warehouse mithilfe anderer AWS-Services wie Amazon DynamoDB, Amazon EMR, Amazon Kinesis Firehose und Amazon S3 gesammelt, gespeichert und vorbereitet werden. Zudem wird demonstriert, wie Sie Business-Intelligence-Tools für Ihre Datenanalysen nutzen können.

Nach Abschluss dieses Kurses werden die Teilnehmer*innen in der Lage sein:
  • Diskutieren Sie die Kernkonzepte von Data Warehousing und die Überschneidung zwischen Data Warehousing und Big Data-Lösungen.
  • Starten eines Amazon Redshift-Clusters und Verwenden der Komponenten, Merkmale und Funktionen zur Implementierung eines Data Warehouse in der Cloud
  • Verwendung anderer AWS-Daten- und Analyseservices wie Amazon DynamoDB, Amazon EMR, Amazon Kinesis und Amazon S3, um zur Data-Warehousing-Lösung beizutragen
  • Architektur des Data Warehouse
  • Identifizieren von Leistungsproblemen, Optimieren von Abfragen und Abstimmen der Datenbank für eine bessere Leistung
  • Verwendung von Amazon Redshift Spectrum zur Analyse von Daten direkt aus einem Amazon S3-Bucket
  • Verwendung von Amazon QuickSight zur Durchführung von Datenanalyse- und Visualisierungsaufgaben mit dem Data Warehouse
 
Voraussetzungen
  • Vertrautheit mit relationalen Datenbanken und Datenbankentwurfskonzepten