Découvrez ce qui distingue le lakehouse des architectures traditionnelles, comment le modèle en médaillons organise les données et où se trouvent les éléments dans la plateforme Databricks.

Pourquoi le Lakehouse ?

Découvrir les fonctionnalités de fiabilité du lakehouse

Compromis entre lakehouse et entrepôt de données

L'architecture en médaillon

Explorez les couches du médaillon

Faire correspondre les charges de travail aux couches du médaillon

Architecture de la plateforme

Plan de contrôle vs plan de données

Où sont stockés les journaux d'audit?

Le paradigme Lakehouse

Démarrez la bonne grappe pour la tâche, configurez‑la pour optimiser les coûts et la performance, maîtrisez l'environnement des carnets et reliez votre travail à Git — le tout dans l'espace de travail Databricks.

Types de grappe et environnements d'exécution

Créer et configurer un cluster

Options

Cluster polyvalent

Cluster de tâches

Cluster polyvalent ou cluster de tâches?

Gestion et configuration des grappes

Gérer et configurer une grappe

Restart

Terminate

Edit Configuration

Scénarios de gestion de grappes

Fondamentaux des notebooks

Créer un carnet multilingue

Choisir la bonne commande magique

Collaboration et contrôle de version

Explorer l'historique des versions du carnet

Notebook Versioning

Databricks Repos

Both

Repos vs. gestion des versions du notebook

Informatique et carnets

Protégez vos données avec Unity Catalog, partagez‑les en toute sécurité avec Delta Sharing et fédérez des requêtes vers des sources externes — le tout sans copier un seul octet.

Unity Catalog et traçabilité

Hiérarchie de Unity Catalog

Explorer les métadonnées de table dans Unity Catalog

Notions fondamentales de Delta Sharing

Créer un partage Delta

Ajouter une table à un Delta Share

Delta Sharing : types et compromis

Partage natif vs protocole ouvert

Coûts de partage entre nuages

Fédération du Lakehouse

Quand utiliser la fédération du Lakehouse

Configurer une connexion fédérée

Gouvernance et partage

Regroupez votre travail avec les Databricks Asset Bundles, déployez en production et réunissez le tout dans un scénario de synthèse.

Du déploiement manuel à l'automatisation

Examiner la structure d'un projet DAB

DAB vs déploiement traditionnel

À l'intérieur d'un ensemble d'actifs

Examiner et modifier un Asset Bundle

Retracer un travail, de la configuration au code

Tout réunir

Flux de travail lakehouse de bout en bout

Équilibrer sécurité, coûts et gouvernance

Félicitations !

Déploiement et prochaines étapes

Prêt à travailler avec une plateforme de données moderne qui réunit le meilleur des lacs de données et des entrepôts? Dans ce cours, vous découvrirez Databricks Lakehouse de A à Z. Apprenez comment l'architecture en médaillons organise les données brutes en informations fiables, lancez et configurez des grappes, et créez des carnets multi‑langages connectés à Git. Plongez ensuite dans la gouvernance avec Unity Catalog, partagez des données de façon sécurisée grâce à Delta Sharing, et déployez votre travail en production avec les Asset Bundles. À la fin, vous naviguerez avec assurance sur la plateforme Databricks et comprendrez comment ses composants clés s'articulent.

Les lacs de données offrent de la flexibilité, mais manquent de fiabilité. Les entrepôts de données offrent des performances élevées, mais ne peuvent pas gérer les données non structurées. Le lakehouse combine les deux — et Databricks est l’endroit où tout se rassemble. Dans ce cours, vous explorerez Databricks Lakehouse de fond en comble, en acquérant une expérience pratique des composants essentiels de la plateforme.
<br><br>
<h2>Comprendre l’architecture Lakehouse</h2>
Commencez par découvrir ce qui distingue le lakehouse des approches traditionnelles. Vous explorerez l’architecture medallion — les couches bronze, argent et or — qui transforme des données brutes et désordonnées en informations claires et prêtes pour l’entreprise. Puis familiarisez-vous avec l’espace de travail Databricks pour comprendre comment les catalogues, les schémas et les volumes organisent l’ensemble.
<br><br>
<h2>Maîtrisez Compute et les notebooks</h2>
Apprenez à choisir le bon cluster pour la tâche, à configurer la mise à l’échelle automatique et l’arrêt automatique pour maîtriser les coûts, et à créer des notebooks qui combinent Python, SQL et Markdown. Vous connecterez également votre travail à Git grâce à Databricks Repos pour le contrôle de version et la collaboration en équipe.
<br><br>
<h2>Gérez et partagez les données en toute sécurité</h2>
Explorez Unity Catalog pour gérer les contrôles d’accès et suivre la lignée des données dans toute votre organisation. Puis utilisez Delta Sharing pour distribuer les données aux partenaires — sur Databricks ou toute autre plateforme — et interrogez des sources externes avec Lakehouse Federation, sans copier un seul octet.
<br><br>
<h2>Déployer en production avec les bundles d’éléments</h2>
Terminez en regroupant vos notebooks, pipelines et tâches dans des Databricks Asset Bundles pour des déploiements automatisés et reproductibles. Un scénario de synthèse rassemble tout afin que vous repartiez prêt à appliquer ces compétences en milieu de travail.

Introduction to Databricks

Apprenez le Lakehouse Databricks : architecture médaillon, clusters, gouvernance Unity Catalog.

Introduction à Databricks Lakehouse

Explorez le Lakehouse Databricks — de l’architecture medallion et des clusters à la gouvernance, au partage et au déploiement.

Ingénieur de données associé dans Databricks

Fonctionne automatiquement sans aucune configuration

Créer des branches et passer de l'une à l'autre

Pousser et tirer des changements vers/de un dépôt distant

Collaborer au moyen de flux de travail de demandes de tirage (pull requests)

Afficher l'historique des versions enregistrées

Restaurer une version antérieure d'un notebook

Repos vs. gestion des versions du notebook

Introduction à Databricks Lakehouse

Exercice interactif pratique