Data Engineering v Microsoft Fabric

• Porozumíte principům a komponentům medallion architektury
• Naučíte se, jak efektivně nastavit prostředí a konfigurovat nastavení tenantu
• Prozkoumáte různé metody extrakce a načítání dat pomocí Dataflows Gen2, Pipelines a Notebooks
• Zvládnete techniky kopírování a opětovného použití dat v OneLake
• Ovládnete profilování, čištění a transformaci dat pomocí praktických příkladů
• Ponoříte se do možností ukládání dat, včetně Data Warehouse a Data Lakes, a naučíte se, jak zabezpečit data
• Objevíte, jak automatizovat Dataflows pomocí orchestračních pipelines
• Naučíte se, jak monitorovat a optimalizovat výkon pomocí pokročilých technik
• Pochopíte verzování a nasazování změn pomocí Git integrace a deployment pipelines

Kurz je zaměřen na datové inženýry a vývojáře, kteří se chtějí naučit efektivně pracovat v prostředí Microsoft Fabric. Dále je kurz vhodný pro business analytiky a datové architekty, kteří si chtějí zlepšit své dovednosti v oblasti správy a optimalizace dat.

• Základní znalost relačních databází a jazyka SQL
• Základní zkušenost s data warehouses nebo data lakes
• Základní porozumění konceptům extrakce, načítání, profilování a transformace dat
• Základní zkušenost s nástroji pro datovou analýzu a integraci dat (např. ETL procesy, data pipelines)
• Znalost verzování a Git integrace výhodou

1. Nastavení prostředí a vysvětlení principů

• Medaillon architecture - principy a komponenty:
  • Data Lakes, Data Warehouses, strukturovaná analytika, sémantické modely, analytické engines
  • nastavení tenantu, jak vybrat kapacitu, jak nad tím uvažovat

2. Data Ingestion a kopírování dat

• Průzkum způsobů načtení dat
  • Dataflows Gen2
  • Pipelines
  • Notebooks
• Kopírování a přepoužití dat v rámci OneLake
  • shortcuts
  • rozhodovací metodika přístupu
  • kdy jakou metodu zvolit, jak nad tím architektonicky přemýšlet + praktická aplikace, výroba

3. Data profiling, čištění a transformace

• Data profiling
  • principy
  • implementace a možnosti v notebooks a dataflows gen2
• Data cleaning and transforming
  • sestavení čistících mechanismů na základě výsledků datové profilace
  • implementace datových transformací
  • slowly changing dimensions, atd.

4. Uložení dat

• Rozdíly mezi Data Warehousem a Lakehousem a jejich vytvoření
• Dotazování na data v rámci DWH a Lakehouse
  • SQL dotazy a visual queries
  • vnitroitemové dotazy, meziitemové dotazy
• Komponenty v rámci DWH a Lakehouse
  • store procedures, functions, roles, schemas, RLS, CLS, data masking, atd.
  • kdy použít warehouse, lakehouse, jak pracovat s jejich daty, jak vytvářet jejich podružné komponenty, jak zabezpečit data

5. Automatizace

• Orchestrační pipeline
  • Koordinace – sekvencování data workflows
  • Závislosti - správa pořadí exekucí
  • Integrace - propojení s komponenty medallion architektury
• Vnitřní orchestrace notebooků
  • jak využít data pipelines pro orchestraci návazných pipelines, notebooků, dataflows, store procedures
  • jak orchestrovat notebooky v rámci aktivní session
  • implementace fail-over scénářů

6. Monitoring & optimalizace

• Optimalizace výkonu
• Bližší pohled na techniky vylepšující výkon
  • Partitioning
  • komprese
  • V-order
  • vacuuming
• Admin perspektiva
  • monitoring kapacit – sledování využití zdrojů
  • metriky efektivity – měření efektivity zpracování dat

7. Verzování a nasazování změn

• Git integrace
• Deployment pipelines

Předchozí kurzy

Úvod do Microsoft Fabric [GOC680]

Související kurzy

Azure Data Factory [GOC647]