AWS - Data Warehousing on AWS

In diesem Seminar wird demonstriert, wie Daten für das Data Warehouse mithilfe anderer AWS-Services wie Amazon DynamoDB, Amazon EMR, Amazon Kinesis Firehose und Amazon Simple Storage Service (Amazon S3) gesammelt, gespeichert und vorbereitet werden.

Wir zeigen Ihnen außerdem, wie Sie Business Intelligence (BI)-Tools zur Analyse Ihrer Daten einsetzen können.

Dieser Kurs führt Sie in die Konzepte, Strategien und bewährten Methoden für die Konzeptionierung einer Cloud-basierten Data Warehousing-Lösung mit Amazon Redshift ein, dem Data Warehouse in AWS in Petabyte-Größe.

Die Schwerpunkte in diesem Kurs sind unter anderem:
- Evaluieren der Beziehung zwischen Amazon Redshift und anderen Big-Data-Systemen
- Auswerten von Fallbeispielen für Arbeitslasten von Data Warehouses und Behandeln von Fallstudien, die die Implementierung der AWS Daten- und Analyseservices als Teil der Data Warehousing-Lösung demonstrieren
- Auswählen eines geeigneten Amazon-Redshift-Knotentyps und passende Größe. Verstehen welche Sicherheitsfunktionen für Amazon Redshift geeignet sind, wie z. B. Verschlüsselung, IAM-Berechtigungen und Datenbankberechtigungen

Hinweis:
Kurssprache ist Deutsch, die Unterlagen sind in englischer Sprache (teilweise in digitaler Form).
Dieses Seminar führen wir in Kooperation mit der Fast Lane GmbH AWS Training Partner (ATP) durch.

Inhalt:

• Die Beziehung zwischen Amazon Redshift und anderen Big Data-Systemen evaluieren
• Fallbeispiele für Arbeitslasten von Data Warehouses evaluieren und von Fallstudien behandeln, die die Implementierung der AWS Datenund Analyseservices als Teil der Data Warehousing-Lösung demonstrieren
• Einen Amazon Redshift-Knotentyp in der für Ihre Datenbedürfnisse geeigneten Größe auswählen
• Für Amazon Redshift geeignete Sicherheitsfunktionen verstehen, wie z.B. Verschlüsselung, IAM-Berechtigungen und Datenbankberechtigungen
• Einen Amazon Redshift-Cluster in Betrieb nehmen und Komponenten und Funktionen zur Implementierung eines Data Warehouse in der Cloud nutzen
• Weitere AWSund Analyseservices wie Amazon DynamoDB, Amazon EMR, Amazon Kinesis Firehose und Amazon S3 als Beitrag zur Data Warehousing-Lösung verwenden
• Ansätze und Methoden zur Konzeptionierung von Data Warehouses evaluieren
• Datenquellen bestimmen und Anforderungen evaluieren, die sich auf das Data Warehouse-Konzept auswirken
• Data Warehouse im Hinblick auf die effektive Nutzung von Komprimierung, Datenverteilung und Sortiermethoden entwerfen
• Daten laden und entladen sowie Aufgaben der Datenwartung durchführen
• Abfragen verfassen und Abfragepläne zur Optimierung der Abfrageleistung auswerten
• Die Datenbank zur Ressourcenzuweisung konfigurieren, etwa des Speichers für Abfrage-Queues, und die Kriterien definieren, um Ihren konfigurierten Abfrage-Queues für eine bessere Verarbeitung bestimmte Abfragetypen zuzuweisen
• Ereignisbenachrichtigungen über Aktivitäten im Data Warehouse mithilfe von Funktionen und Services, wie Amazon Redshift Database Audit Logging, Amazon CloudTrail, Amazon CloudWatch und Amazon Simple Notification Service (Amazon SNS), überprüfen, überwachen und empfangen
• Betriebsaufgaben vorbereiten, etwa Größenänderung des Amazon Redshift-Clusters und Verwendung von Snapsots für das Backup und die Wiederherstellung von Clustern
• Eine BI-Anwendung zur Durchführung von Datenanalysen und Visualisierungsaufgaben anhand Ihrer Daten verwenden