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

Pourquoi le Lakehouse ?

Découvrir les fonctionnalités de fiabilité du lakehouse

Compromis entre lakehouse et entrepôt de données

L’architecture en médaillons

Explorez les couches du modèle medallion

Faire correspondre les charges de travail aux couches du médaillon

Architecture de la plateforme

Control plane vs. data plane

Où sont stockés les journaux d’audit ?

Le paradigme Lakehouse

Démarrez le cluster adapté à votre besoin, configurez-le pour optimiser coûts et performances, maîtrisez l’environnement de notebook et connectez votre travail à Git — le tout depuis l’espace de travail Databricks.

Types de clusters et runtimes

Créer et configurer un cluster

Cluster All-Purpose ou Jobs ?

Gérer et configurer les clusters

Gérer et configurer un cluster

Scénarios de gestion de cluster

Notions essentielles sur les notebooks

Créer un notebook multilingue

Choisir la bonne commande magique

Collaboration et gestion de version

Explorer l’historique des versions d’un notebook

Repos vs. historisation des notebooks

Calcul et Notebooks

Sécurisez vos données avec Unity Catalog, partagez-les en toute confiance avec Delta Sharing, et fédérez des requêtes vers des sources externes — sans copier le moindre octet.

Unity Catalog et lignage

Hiérarchie Unity Catalog

Explorer les métadonnées d’une table dans Unity Catalog

Principes fondamentaux de Delta Sharing

Créer un Delta Share

Ajouter une table à un Delta Share

Delta Sharing : types et compromis

Partage natif vs protocole ouvert

Coûts du partage inter-cloud

Fédération du Lakehouse

Options

Ingérer dans le Lakehouse

Fédérer (requête sur place)

Quand utiliser la Lakehouse Federation

Étapes de configuration de la fédération

Configurer une connexion fédérée

Gouvernance et Partage

Emballez votre travail avec Databricks Asset Bundles, déployez-le en production, puis 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 Asset Bundle

Examiner et modifier un Asset Bundle

Suivre un job de la configuration au code

Réunir toutes les pièces

Flux de travail lakehouse de bout en bout

Trouver l’équilibre entre sécurité, coûts et gouvernance

Félicitations !

Déploiement et prochaines étapes

Prêt à travailler avec une plateforme de données moderne qui combine le meilleur des data lakes et des entrepôts de données ? Dans ce cours, vous découvrirez Databricks Lakehouse de A à Z. Apprenez comment l’architecture en médaillons transforme des données brutes en insights fiables, mettez en route et configurez des clusters, et créez des notebooks multilingues connectés à Git. Plongez ensuite dans la gouvernance avec Unity Catalog, partagez des données en toute sécurité avec Delta Sharing, et déployez votre travail en production avec Asset Bundles. À la fin, vous saurez naviguer sereinement sur la plateforme Databricks et comprendrez comment ses composants clés s’articulent.

Les data lakes offrent de la flexibilité, mais manquent de fiabilité. Les entrepôts de données offrent de bonnes performances, mais ne peuvent pas gérer les données non structurées. Le lakehouse combine les deux — et Databricks est l’endroit où tout prend forme. 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 — couches bronze, argent et or — qui transforme des données brutes et désordonnées en insights propres, prêts 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 l’autoscaling et l’auto-termination pour maîtriser les coûts, et à créer des notebooks qui combinent Python, SQL et Markdown. Vous relierez également votre travail à Git via Databricks Repos pour le contrôle de version et la collaboration en équipe.
<br><br>
<h2>Gouverner et partager 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, le tout sans copier un seul octet.
<br><br>
<h2>Déployer en production avec des bundles d’assets</h2>
Terminez en empaquetant vos notebooks, pipelines et jobs 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 situation professionnelle.

Introduction to Databricks

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

Introduction à Databricks Lakehouse

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

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

Associate Data Engineer in Databricks

Données sources pour un pipeline ETL nocturne exécuté chaque jour

Données d’entraînement pour un modèle de Machine Learning

Agrégation de la couche Gold qui alimente un tableau de bord en direct

Base CRM gérée par l’équipe commerciale, mise à jour toutes les heures

Table de référence trimestrielle maintenue par l’équipe finance

Base de conformité externe pour des jointures d’audit ad hoc

Quand utiliser la Lakehouse Federation

Exercice interactif pratique