Utforma och implementera datamodellering med Azure Databricks
Medel
Datatekniker
Azure Databricks
Effektiv datamodellering utgör grunden för en högpresterande och underhållsbar dataplattform. Den här modulen utforskar hur du utformar inmatningslogik, väljer lämpliga verktyg och tabellformat, implementerar partitioneringsscheman, hanterar långsamt föränderliga dimensioner, väljer lämplig datakornighet och optimerar tabellprestanda genom klustringsstrategier i Azure Databricks med Unity Catalog.
Utbildningsmål
I slutet av den här modulen kommer du att kunna:
- Utforma datainmatningslogik och konfigurera datakällanslutningar
- Välj lämpligt datainmatningsverktyg för ditt scenario
- Välj mellan Delta Lake, Apache Iceberg och andra tabellformat
- Utforma och implementera effektiva datapartitioneringsscheman
- Välj och implementera långsamt föränderliga dimensionstyper
- Utforma och implementera temporala tabeller för ändringsspårning och granskning
- Välj lämplig datakornighet för fakta- och dimensionstabeller
- Utforma och implementera klustringsstrategier för frågeoptimering
- Utvärdera när hanterade respektive externa tabeller ska användas
Förutsättningar
Följande krav bör vara uppfyllda:
- Grundläggande förståelse för Azure Databricks-arbetsytor och Unity Catalog
- Kunskaper om begreppen SQL och informationslager
- Kunskaper om grunderna i Delta Lake