Upptäck vad som skiljer lakehouse från traditionella arkitekturer, hur medallionmönstret organiserar data och var olika delar finns i Databricks-plattformen.

Varför Lakehouse?

Utforska lakehouse-plattformens tillförlitlighetsfunktioner

Lakehouse kontra datalager – avvägningar

Medallionarkitekturen

Utforska medallionlagren

Matcha arbetsuppgifter med medallionlager

Plattformsarkitektur

Kontrollplan och dataplan

Var lagras granskningsloggar?

Lakehouse-paradigmet

Starta rätt kluster för uppgiften, konfigurera det för kostnad och prestanda, bemästra notebookmiljön och koppla ditt arbete till Git – allt inne i Databricks-arbetsytan.

Klustertyper och körmiljöer

Skapa och konfigurera ett kluster

Alternativ

All-Purpose-kluster

Jobs-kluster

All-purpose- eller jobbkluster?

Hantera och konfigurera kluster

Hantera och konfigurera ett kluster

Restart

Terminate

Edit Configuration

Scenarier för klusterhantering

Grunderna i notebook

Bygg en notebook med flera språk

Välj rätt magiskt kommando

Samarbete och versionskontroll

Utforska notebookens versionshistorik

Notebook-versionering

Databricks Repos

Båda

Repos vs. versionhantering i notebook

Beräkning och notebooks

Skydda dina data med Unity Catalog, dela dem säkert med Delta Sharing och federera frågor till externa källor – utan att kopiera ett enda byte.

Unity Catalog och härkomst

Unity Catalog-hierarkin

Utforska tabellmetadata i Unity Catalog

Grunderna i Delta Sharing

Skapa en Delta Share

Lägg till en tabell i en Delta Share

Delta Sharing: typer och avvägningar

Native-delning vs. öppet protokoll

Kostnader vid delning över molngränser

Lakehouse Federation

När ska du använda Lakehouse Federation?

Konfigurera en federerad anslutning

Styrning och datadelning

Paketera ditt arbete med Databricks Asset Bundles, driftsätt till produktion och knyt ihop allt i ett avslutande scenario.

Från manuell till automatiserad driftsättning

Utforska strukturen i ett DAB-projekt

DAB vs. traditionell driftsättning

Inuti ett Asset Bundle

Granska och ändra en Asset Bundle

Spåra ett jobb från konfiguration till kod

Att sätta ihop allt

Komplett lakehouse-arbetsflöde

Balansera säkerhet, kostnad och styrning

Grattis!

Driftsättning och nästa steg

Är du redo att arbeta med en modern dataplattform som kombinerar det bästa från datasjöar och datalager? I den här kursen utforskar du Databricks Lakehouse från grunden. Du får lära dig hur medallionarkitekturen organiserar rådata till tillförlitliga insikter, hur du startar och konfigurerar kluster, och hur du bygger flerspråkiga notebooks kopplade till Git. Sedan går du vidare till styrning med Unity Catalog, säker datadelning med Delta Sharing och driftsättning med Asset Bundles. När kursen är klar kan du navigera Databricks-plattformen med säkerhet och förstår hur dess viktigaste komponenter hänger ihop.

Datalager erbjuder flexibilitet men saknar tillförlitlighet. Datalager levererar prestanda men kan inte hantera ostrukturerad data. Lakehouse kombinerar båda — och Databricks är platsen där allt samlas. I den här kursen utforskar du Databricks Lakehouse från grunden och får praktisk erfarenhet av plattformens kärnkomponenter.
<br><br>
<h2>Förstå Lakehouse-arkitekturen</h2>
Börja med att upptäcka vad som skiljer lakehouse från traditionella metoder. Du kommer att utforska medallion-arkitekturen — brons-, silver- och guldlagren — som omvandlar rå, rörig data till rena, affärsredo insikter. Sedan får du en överblick i Databricks-arbetsytan för att förstå hur kataloger, scheman och volymer organiserar allt.
<br><br>
<h2>Bemästra Compute och Notebooks</h2>
Lär dig välja rätt kluster för jobbet, konfigurera autoskalning och automatisk avslutning för att kontrollera kostnaderna, och skapa notebooks som kombinerar Python, SQL och Markdown. Du kommer också att koppla ditt arbete till Git via Databricks Repos för versionshantering och samarbete i team.
<br><br>
<h2>Hantera och dela data säkert</h2>
Utforska Unity Catalog för att hantera åtkomstkontroller och spåra datalinje i hela din organisation. Använd sedan Delta Sharing för att distribuera data till partners — på Databricks eller vilken annan plattform som helst — och fråga externa källor med Lakehouse Federation, helt utan att kopiera en enda byte.
<br><br>
<h2>Distribuera till produktion med tillgångspaket</h2>
Avsluta med att paketera dina notebooks, pipelines och jobb i Databricks Asset Bundles för repeterbara, automatiserade distributioner. Ett avslutande capstone-scenario knyter ihop allt så att du lämnar kursen redo att tillämpa dessa färdigheter i arbetet.

Introduction to Databricks

Lär dig Databricks Lakehouse: medallionarkitektur, kluster, Unity Catalog, Delta Sharing, Asset Bundle.

Introduktion till Databricks Lakehouse

Utforska Databricks Lakehouse – från medallion-arkitektur och kluster till styrning, delning och driftsättning.

Utforska Databricks Lakehouse – från medallionarkitektur och kluster till styrning, delning och driftsättning.

Associate Data Engineer i Databricks

Ett nyinstallerat bibliotek är inte tillgängligt i Python

Notebooks visar inaktuell cachad data efter en lång session

Teamet är klart för dagen och inga jobb är schemalagda

Ett testkluster behövs inte längre efter en demo

Klustret skapades med fel version av körningsmiljön

Teamet behöver en större nodtyp för en tung arbetsbelastning

Scenarier för klusterhantering

Introduktion till Databricks Lakehouse

Interaktiv övning med praktiskt arbete