Append vs. CDC

Al ingerir datos, debemos considerar algo más que las características de los propios datos entrantes. También hay que pensar en cómo se relacionan con los conjuntos de datos existentes de los que forman parte. Como vimos en el vídeo, podemos clasificar la ingesta de datos en dos grandes categorías: añadir datos (append) y Change Data Capture (CDC).

Este ejercicio forma parte del curso

Introducción a Databricks SQL

Ejercicio interactivo práctico

Pon en práctica la teoría con uno de nuestros ejercicios interactivos

Empezar ejercicio

Este ejercicio forma parte del curso

Introducción a Databricks SQL

IntermedioNivel de habilidad

4.7+

Comienza el curso gratis

Crea una base sólida de data warehousing con la Databricks Data Intelligence Platform. Aprenderás cómo Databricks y la arquitectura lakehouse preparan a tu organización para una pila moderna de SQL y BI. También explorarás los componentes clave del producto Databricks SQL, desde técnicas de almacenamiento de datos hasta optimizaciones de cómputo.

Exercise 1: SQL en la Data Intelligence Platform Exercise 2: Beneficios del lakehouse para SQL Exercise 3: Explorando Databricks SQL Exercise 4: Explorar algunos datos Exercise 5: Partner Connect Exercise 6: Activos clave de Databricks SQL Exercise 7: Clasificar los activos de Databricks SQL Exercise 8: Crea una consulta Exercise 9: Crea una visualización

Crea una base de datos sólida para la arquitectura lakehouse. Aprenderás a ingerir, transformar y modelar tus datos usando las capacidades de Databricks SQL. Explorarás enfoques basados en la interfaz gráfica y programáticos para construir la arquitectura medallion y crear un ecosistema de datos listo para cualquier carga de trabajo analítica.

Exercise 1: Ingesta de datos Exercise 2: Ingesta de datos con interfaz gráfica (GUI)Exercise 3: Hidratando el lakehouse Exercise 4: Subir datos manualmente Exercise 5: Usar COPY INTO Exercise 6: Aprovechar Auto Loader Exercise 7: Transformar datos Exercise 8: SQL y la arquitectura medallón Exercise 9: Crear una capa de datos de café Exercise 10: Limpiar tablas en bruto Exercise 11: Creación de la capa Silver Exercise 12: Crear una tabla de siniestros con primas elevadas

Crea potentes insights de datos con Databricks SQL. Aprenderás a escribir consultas, crear visualizaciones y alimentar paneles usando las capacidades integradas de Databricks. Practicarás cómo aprovechar código SQL, filtros y parámetros para crear una aplicación analítica robusta para tus usuarios finales.

Exercise 1: Consultas en la Data Intelligence Platform Exercise 2: Activos analíticos en Databricks SQL Exercise 3: Consultar nuestro conjunto de datos de café Exercise 4: Análisis de reclamaciones de seguros Exercise 5: Ampliar consultas con funciones Exercise 6: Visualizar resultados de consultas Exercise 7: Crear una aplicación analítica Exercise 8: El papel de Partner Connect Exercise 9: Un panel de datos de café Exercise 10: Añadir filtros a los paneles Exercise 11: Uso de parámetros en consultas Exercise 12: Crea un panel ejecutivo

En el capítulo final, aprenderás técnicas más avanzadas que aprovechan los principales diferenciadores de la plataforma Databricks. Verás cómo manejar datos de alta velocidad y cambios rápidos usando funciones de ventana, y cómo combinar conjuntos de datos a medida que llegan.

Exercise 1: Patrones comunes de ingeniería de datos Exercise 2: Append vs. CDC

Ejercicio actual

Exercise 3: Actualizar datos de ventas de café Exercise 4: Optimizar datos con SQL Exercise 5: Usar INSERT Exercise 6: Usar MERGE Exercise 7: Patrones avanzados de análisis de datos Exercise 8: Comprender las funciones de ventana y las subconsultas Exercise 9: Análisis de ventas de café por tienda Exercise 10: Escribir una subconsulta Exercise 11: Usar una función de ventana Exercise 12: Usar ventanas y subconsultas juntas Exercise 13: Resumen del curso