Odkryj, czym lakehouse różni się od tradycyjnych architektur, jak wzorzec medalionowy organizuje dane i co gdzie znajduje się na platformie Databricks.

Dlaczego lakehouse?

Odkryj funkcje niezawodności lakehouse

Lakehouse a hurtownia danych — kompromisy

Architektura medalionowa

Eksploracja warstw architektury medallion

Dopasuj zadania do warstw architektury medalionowej

Architektura platformy

Płaszczyzna sterowania a płaszczyzna danych

Gdzie są przechowywane dzienniki audytu?

Paradygmat Lakehouse

Uruchom odpowiedni klaster do zadania, skonfiguruj go pod kątem kosztów i wydajności, opanuj środowisko notebooków i połącz swoją pracę z Gitem — wszystko w obrębie przestrzeni roboczej Databricks.

Typy klastrów i środowiska uruchomieniowe

Tworzenie i konfigurowanie klastra

Opcje

Klaster ogólnego przeznaczenia

Klaster zadań

Klaster ogólnego przeznaczenia czy klaster zadań?

Zarządzanie klastrami i ich konfiguracja

Zarządzanie klastrem i jego konfiguracja

Restart

Terminate

Edit Configuration

Scenariusze zarządzania klastrem

Podstawy notebooków

Utwórz notatnik wielojęzykowy

Wybór właściwej komendy magic

Współpraca i kontrola wersji

Poznaj historię wersji notatnika

Wersjonowanie notesu

Databricks Repos

Repos a wersjonowanie notesu

Klastry i notebooki

Zabezpiecz dane za pomocą Unity Catalog, udostępniaj je bezpiecznie dzięki Delta Sharing i wykonuj zapytania federacyjne do zewnętrznych źródeł — bez kopiowania ani jednego bajtu.

Unity Catalog i śledzenie pochodzenia danych

Hierarchia Unity Catalog

Przeglądanie metadanych tabeli w Unity Catalog

Podstawy Delta Sharing

Tworzenie udziału Delta Share

Dodaj tabelę do udziału Delta Share

Delta Sharing: typy i kompromisy

Udostępnianie natywne a otwarty protokół

Koszty udostępniania danych między chmurami

Lakehouse Federation

Kiedy stosować Lakehouse Federation

Konfigurowanie połączenia federacyjnego

Zarządzanie danymi i udostępnianie

Spakuj swoją pracę za pomocą Databricks Asset Bundles, wdróż ją na produkcję i połącz wszystko w praktycznym scenariuszu końcowym.

Od wdrożenia ręcznego do automatycznego

Analiza struktury projektu DAB

DAB a tradycyjne wdrożenie

Struktura Asset Bundle

Sprawdzanie i modyfikowanie pakietu Asset Bundle

Prześledź zadanie od konfiguracji do kodu

Wszystko razem

Kompleksowy przepływ pracy w lakehouse

Bezpieczeństwo, koszty i zarządzanie — jak zachować równowagę

Gratulacje!

Wdrożenie i kolejne kroki

Chcesz pracować z nowoczesną platformą danych łączącą zalety jezior i hurtowni danych? W tym kursie poznasz Databricks Lakehouse od podstaw. Dowiesz się, jak architektura medalionowa porządkuje surowe dane w wiarygodne wyniki, jak uruchamiać i konfigurować klastry oraz jak tworzyć wielojęzyczne notebooki połączone z Gitem. Następnie zajmiesz się zarządzaniem danymi w Unity Catalog, bezpiecznym udostępnianiem danych za pomocą Delta Sharing i wdrażaniem pracy na produkcję za pomocą Asset Bundles. Po ukończeniu kursu będziesz swobodnie poruszać się po platformie Databricks i rozumieć, jak jej kluczowe elementy współdziałają ze sobą.

Data lake’i oferują elastyczność, ale brakuje im niezawodności. Magazyny danych zapewniają wydajność, ale nie radzą sobie z danymi nieustrukturyzowanymi. Lakehouse łączy oba podejścia — a Databricks to miejsce, w którym wszystko się łączy. W tym kursie poznasz Databricks Lakehouse od podstaw, zdobywając praktyczne doświadczenie z kluczowymi komponentami platformy.
<br><br>
<h2>Zrozum architekturę Lakehouse</h2>
Zacznij od odkrycia, co wyróżnia lakehouse na tle tradycyjnych podejść. Poznasz architekturę medallion — warstwy bronze, silver i gold — która przekształca surowe, chaotyczne dane w czyste, gotowe do wykorzystania w biznesie analizy. Następnie poznasz środowisko Databricks Workspace, aby zrozumieć, jak katalogi, schematy i wolumeny porządkują wszystko.
<br><br>
<h2>Opanuj Compute i Notatniki</h2>
Naucz się wybierać odpowiedni klaster do zadania, konfigurować autoskalowanie i automatyczne zakończenie pracy, aby kontrolować koszty, oraz tworzyć notatniki łączące Python, SQL i Markdown. Połączysz też swoją pracę z Git za pomocą Databricks Repos, aby zapewnić kontrolę wersji i współpracę zespołową.
<br><br>
<h2>Zarządzaj danymi i udostępniaj je bezpiecznie</h2>
Poznaj Unity Catalog, aby zarządzać kontrolą dostępu i śledzić pochodzenie danych w całej swojej organizacji. Następnie użyj Delta Sharing, aby udostępniać dane partnerom — w Databricks lub na dowolnej innej platformie — i odpytywać zewnętrzne źródła za pomocą Lakehouse Federation, bez kopiowania choćby jednego bajta.
<br><br>
<h2>Wdrażanie do produkcji z Asset Bundles</h2>
Na zakończenie spakuj swoje notebooki, potoki i zadania w Databricks Asset Bundles, aby zapewnić powtarzalne, zautomatyzowane wdrożenia. Scenariusz końcowy łączy wszystko w całość, dzięki czemu kończysz kurs gotowy do zastosowania tych umiejętności w pracy.

Introduction to Databricks

Poznaj Databricks Lakehouse: architektura medaliowa, klastry, Unity Catalog, Delta Sharing, Asset Bundle.

Wprowadzenie do Databricks Lakehouse

Poznaj Databricks Lakehouse — od architektury medallion i klastrów po governance, udostępnianie i wdrażanie.

Poznaj Databricks Lakehouse — od architektury medallion i klastrów po zarządzanie, udostępnianie i wdrażanie.

Młodszy Inżynier Danych w Databricks

Nowo zainstalowana biblioteka nie jest dostępna w Pythonie

Notebooki wyświetlają nieaktualne dane z pamięci podręcznej po długiej sesji

Zespół skończył pracę na dziś i nie ma zaplanowanych zadań

Klaster testowy nie jest już potrzebny po prezentacji demo

Klaster został utworzony z błędną wersją środowiska uruchomieniowego

Zespół potrzebuje większego typu węzła do obsługi wymagającego obciążenia

Scenariusze zarządzania klastrem

Wprowadzenie do Databricks Lakehouse

Interaktywne ćwiczenie praktyczne