Finde heraus, was das Lakehouse von traditionellen Architekturen unterscheidet, wie das Medaillon-Muster Daten organisiert und wo sich alles innerhalb der Databricks-Plattform befindet.

Warum das Lakehouse?

Entdecke die Zuverlässigkeitsfunktionen des Lakehouse

Abwägungen: Lakehouse vs. Warehouse

Die Medaillon-Architektur

Erkunde die Medaillon-Schichten

Workloads den Medaillon-Ebenen zuordnen

Plattformarchitektur

Control Plane vs. Data Plane

Wo werden Audit-Logs gespeichert?

Das Lakehouse-Paradigma

Starte den passenden Cluster für die Aufgabe, konfiguriere ihn für Kosten und Leistung, beherrsche die Notebook-Umgebung und verbinde deine Arbeit mit Git – alles im Databricks-Workspace.

Cluster-Typen und Runtimes

Cluster erstellen und konfigurieren

All-purpose- oder Jobs-Cluster?

Cluster verwalten und konfigurieren

Einen Cluster verwalten und konfigurieren

Szenarien zum Clustermanagement

Grundlagen von Notebooks

Ein mehrsprachiges Notebook erstellen

Die passende Magic Command auswählen

Zusammenarbeit und Versionskontrolle

Versionsverlauf von Notebooks erkunden

Repos vs. Notebooks-Versionierung

Compute und Notebooks

Sichere deine Daten mit Unity Catalog ab, teile sie sicher mit Delta Sharing und föderiere Abfragen auf externe Quellen – ganz ohne ein einziges Byte zu kopieren.

Unity Catalog und Lineage

Unity-Catalog-Hierarchie

Tabellenmetadaten in Unity Catalog erkunden

Grundlagen von Delta Sharing

Erstelle eine Delta Share

Eine Tabelle zu einer Delta Share hinzufügen

Delta Sharing: Typen und Trade-offs

Natives vs. Open-Protocol-Sharing

Kosten beim Teilen über Clouds hinweg

Lakehouse-Föderation

Optionen

Ins Lakehouse ingesten

Föderieren (am Ursprungsort abfragen)

Wann Lakehouse Federation verwenden

Schritte für die Föderationseinrichtung

Eine föderierte Verbindung einrichten

Governance und Sharing

Packe deine Arbeit mit Databricks Asset Bundles, deploye in die Produktion und führe alles in einem Capstone-Szenario zusammen.

Von manueller zu automatisierter Bereitstellung

Untersuche die Struktur eines DAB-Projekts

DAB vs. traditionelle Bereitstellung

Ein Blick in ein Asset Bundle

Ein Asset Bundle prüfen und ändern

Verfolge einen Job von der Konfiguration bis zum Code

Alles zusammenführen

End-to-End-Lakehouse-Workflow

Sicherheit, Kosten und Governance ausbalancieren

Glückwunsch!

Deployment und nächste Schritte

Bereit für eine moderne Datenplattform, die das Beste aus Data Lakes und Data Warehouses vereint? In diesem Kurs lernst du das Databricks Lakehouse von Grund auf kennen. Erfahre, wie die Medaillon-Architektur Rohdaten in vertrauenswürdige Insights verwandelt, starte und konfiguriere Cluster und erstelle mehrsprachige Notebooks, die mit Git verbunden sind. Tauche dann in Governance mit Unity Catalog ein, teile Daten sicher mit Delta Sharing und bringe deine Arbeit mit Asset Bundles in die Produktion. Am Ende bewegst du dich souverän auf der Databricks-Plattform und verstehst, wie die wichtigsten Komponenten zusammenpassen.

Data Lakes bieten Flexibilität, aber es fehlt ihnen an Zuverlässigkeit. Data Warehouses liefern Leistung, können aber unstrukturierte Daten nicht verarbeiten. Der Lakehouse-Ansatz vereint beides – und in Databricks kommt alles zusammen. In diesem Kurs erkundest du das Databricks Lakehouse von Grund auf und sammelst praktische Erfahrung mit den Kernkomponenten der Plattform.
<br><br>
<h2>Verstehe die Lakehouse-Architektur</h2>
Beginnen Sie damit, herauszufinden, was das Lakehouse von traditionellen Ansätzen unterscheidet. Sie erkunden die Medallion-Architektur — Bronze-, Silber- und Gold-Layer —, die rohe, unstrukturierte Daten in saubere, geschäftsrelevante Erkenntnisse verwandelt. Dann machen Sie sich im Databricks-Arbeitsbereich mit der Struktur vertraut, um zu verstehen, wie Kataloge, Schemas und Volumes alles organisieren.
<br><br>
<h2>Compute und Notebooks meistern</h2>
Lerne, den richtigen Cluster für die jeweilige Aufgabe auszuwählen, Autoscaling und Auto-Termination zu konfigurieren, um Kosten zu kontrollieren, und Notebooks zu erstellen, die Python, SQL und Markdown kombinieren. Außerdem verbindest du deine Arbeit über Databricks Repos mit Git für Versionskontrolle und Teamzusammenarbeit.
<br><br>
<h2>Daten sicher verwalten und teilen</h2>
Erkunden Sie Unity Catalog, um Zugriffssteuerungen zu verwalten und die Datenherkunft in Ihrer gesamten Organisation nachzuverfolgen. Dann nutzen Sie Delta Sharing, um Daten an Partner zu verteilen – auf Databricks oder jeder anderen Plattform – und fragen Sie externe Quellen mit Lakehouse Federation ab, ganz ohne auch nur ein Byte zu kopieren.
<br><br>
<h2>Mit Asset Bundles in die Produktion bereitstellen</h2>
Schließen Sie ab, indem Sie Ihre Notebooks, Pipelines und Jobs in Databricks Asset Bundles für wiederholbare, automatisierte Bereitstellungen verpacken. Ein Capstone-Szenario führt alles zusammen, damit du bereit bist, diese Fähigkeiten im Job anzuwenden.

Introduction to Databricks

Lernen Sie das Databricks Lakehouse: Medaillon-Architektur, Cluster, Unity Catalog, Delta Sharing.

Einführung in das Databricks Lakehouse

Entdecken Sie das Databricks Lakehouse – von Medaillon-Architektur und Clustern bis hin zu Governance, Sharing und Bereitstellung.

Erkunde das Databricks Lakehouse – von Medaillon-Architektur und Clustern bis hin zu Governance, Sharing und Deployment.

Associate Data Engineer in Databricks

Quelldaten für eine nächtliche ETL-Pipeline, die täglich läuft

Trainingsdaten für ein Machine-Learning-Modell

Aggregation der Gold-Schicht, die ein Live-Dashboard versorgt

CRM-Datenbank, vom Sales-Team verwaltet, stündlich aktualisiert

Vierteljährliche Referenztabelle, vom Finance-Team gepflegt

Externe Compliance-Datenbank für Ad-hoc-Audit-Joins

Wann Lakehouse Federation verwenden

Interaktive praktische Übung