CommencerCommencer gratuitement

Page d’accueil
Cours
Introduction à NoSQL

Alimenter des bases de données orientées colonnes

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Cet exercice fait partie du cours

Introduction à NoSQL

DébutantNiveau de compétence

4.8+

Commencer le cours gratuitement

Découvrez les bases des bases de données NoSQL et leur utilisation dans une architecture de données moderne. Apprenez à identifier les avantages et limites des bases orientées colonnes, documentaires, clé-valeur et graphe pour mettre les données à disposition des processus en aval et des utilisateurs.

Exercise 1: Introduction à NoSQL Exercise 2: Interroger des bases de données NoSQL Exercise 3: Explorer des données de type document Exercise 4: Cas d’utilisation et applications de NoSQL Exercise 5: Magasins de données NoSQL tabulaires Exercise 6: Bases de données orientées colonnes Exercise 7: Interroger une base de données orientée colonnes Exercise 8: Filtrer une base de données orientée colonnes Exercise 9: Entrepôts de données NoSQL non tabulaires Exercise 10: Identifier les bases NoSQL tabulaires et non tabulaires Exercise 11: Interroger des bases de données orientées documents Exercise 12: Interroger des documents imbriqués avec Postgres JSON

Plongez dans les bases orientées colonnes avec Snowflake. Apprenez à alimenter des tables Snowflake à l’aide de plusieurs outils, et maîtrisez les fondamentaux du micro-partitionnement et du clustering pour optimiser les performances via le query pruning. Exploitez les CTE (common table expressions), ainsi que les vues matérialisées et non matérialisées, pour fluidifier les workflows d’analytique. Faites vos premiers pas avec les données semi-structurées grâce au type VARIANT de Snowflake.

Exercise 1: Alimenter des bases de données orientées colonnes

Exercice en cours

Exercise 2: CREATE TABLE avec Snowflake Exercise 3: Alimenter des tables Snowflake Exercise 4: COPY INTO et CREATE TABLE ... AS avec Snowflake Exercise 5: Techniques avancées pour les bases de données orientées colonnes Exercise 6: Micro-partitionnement et data clustering avec Snowflake Exercise 7: Élagage de requêtes avec les micro-partitions Exercise 8: Tirer parti des micro-partitions et du clustering des données Exercise 9: Flux d’analyse pour les bases de données orientées colonnes Exercise 10: Expressions de table communes avec Snowflake Exercise 11: Construire un workflow analytique avec Snowflake Exercise 12: VIEWs matérialisées vs non matérialisées Exercise 13: Travailler avec des données semi-structurées dans Snowflake Exercise 14: Types de données semi-structurées dans Snowflake Exercise 15: Interroger des données semi-structurées dans Snowflake Exercise 16: Interroger des données semi-structurées imbriquées

Explorez en profondeur le monde des données documentaires avec JSON dans Postgres, et les subtilités des données semi-structurées. Apprenez à extraire et transformer des données de documents, au niveau supérieur comme imbriqué, à l’aide de nombreux opérateurs et fonctions intégrés.

Exercise 1: Comprendre les données JSON dans Postgres Exercise 2: Données JSON et JSONB dans Postgres Exercise 3: Exécuter des requêtes avec sqlalchemy et pandas Exercise 4: Interroger des données JSON et JSONB depuis Postgres Exercise 5: Stocker des données JSON dans Postgres Exercise 6: Charger des données semi-structurées dans Postgres Exercise 7: Convertir des données tabulaires en JSON Exercise 8: Extraire des clés d'objets JSON avec Postgres Exercise 9: Interroger des données JSON avec Postgres Exercise 10: Interroger des données JSON au niveau supérieur Exercise 11: Identifier le type de données JSON Exercise 12: Travailler avec des objets JSON imbriqués Exercise 13: Filtrer des bases de documents avec Postgres JSON Exercise 14: Techniques avancées de requêtes JSON dans Postgres Exercise 15: Opérateurs flèche et dièse-flèche Exercise 16: #> et #>>Exercise 17: Extraire des données de document Exercise 18: Manipuler des données de documents

Passez au niveau supérieur avec NoSQL en maîtrisant les fondamentaux des bases clé-valeur. Découvrez les cas d’usage courants des données clé-valeur et apprenez à utiliser Redis et Python pour lire et écrire des données. Terminez par une vue d’ensemble des bases de données graphe et de leur place dans la pile de données moderne.

Exercise 1: Introduction aux bases de données clé-valeur Exercise 2: Bases de données clé-valeur Exercise 3: Bases de données clé-valeur vs bases de données orientées documents Exercise 4: Se connecter à un cluster Redis Exercise 5: Stocker et récupérer des données clé-valeur Exercise 6: Stocker des données clé-valeur avec Redis Exercise 7: Récupérer des données clé-valeur avec Redis Exercise 8: Stocker des dictionnaires Python avec Redis Exercise 9: Bases de données orientées graphe Exercise 10: Comprendre les bases de données de graphes Exercise 11: Fournisseurs de bases de données graphe Exercise 12: Utiliser les bases de données orientées graphe Exercise 13: Pour conclure !