Bygg en gedigen grund inom datalagerhantering med Databricks dataintelligensplattform! Du lär dig hur Databricks och lakehouse-arkitekturen förbereder din organisation för en modern SQL- och BI-stack. Du utforskar också de viktigaste komponenterna i Databricks SQL-produkten, från datalagringstekniker till beräkningsoptimeringar.

SQL i Data Intelligence Platform

Lakehouse-fördelar för SQL

Utforska Databricks SQL

Utforska data

Partner Connect

Viktiga resurser i Databricks SQL

Klassificera tillgångar i Databricks SQL

Skapa en fråga

Bygg en visualisering

Datalager i Databricks

Bygg en stark datafundament för lakehouse-arkitekturen! Du lär dig att importera, transformera och modellera data med hjälp av funktionerna i Databricks SQL. Du utforskar både GUI-baserade och programmatiska metoder för att bygga ut medallion-arkitekturen och skapa ett dataekosystem som är redo för alla typer av analytiska arbetsbelastningar.

Importera data

GUI-baserad datainmatning

Fylla lakehouse med data

Ladda upp data manuellt

Använda COPY INTO

Använda Auto Loader

Transformera data

SQL och medallionarkitekturen

Skapa ett dataskikt för kaffe

Rensa råa tabeller

Skapa Silver-lagret

Skapa en tabell över stora premiekrav

Datateknisk bearbetning med Databricks SQL

Skapa kraftfulla datainsikter med Databricks SQL! Du lär dig att skriva frågor, skapa visualiseringar och driva instrumentpaneler med hjälp av Databricks inbyggda funktioner. Du övar på att använda SQL-kod, filter och parametrar för att bygga en robust analytisk applikation för dina slutanvändare.

Frågor i Data Intelligence Platform

Analytiska verktyg i Databricks SQL

Fråga vår kaffedata

Analysera försäkringsanspråk

Komplettera frågor med funktioner

Visualisera frågeresultat

Skapa en analysapplikation

Partner Connects roll

En dashboard för kaffedata

Lägga till filter i dashboards

Använda parametrar i frågor

Skapa ett dashboard för ledningen

Dataanalys med Databricks SQL

I det sista kapitlet lär du dig mer avancerade tekniker som drar nytta av Databricks-plattformens viktigaste särdrag. Du lär dig hantera högfrekventa och snabbt föränderliga data med hjälp av fönsterfunktioner och hur du sammanfogar datamängder allt eftersom de kommer in.

Vanliga mönster inom datateknik

Alternativ

Tillägg av data

Change Data Capture (CDC)

Tillägg vs. CDC

Uppdatera försäljningsdata för kaffe

Optimera data med SQL

Använda INSERT

Använda MERGE

Avancerade mönster för dataanalys

Förstå fönsterfunktioner och underfrågor

Analysera kaffeförsäljning per butik

Skriva en underfråga

Använda en fönsterfunktion

Fönsterfunktioner och underfrågor kombinerat

Kurssammanfattning

Avancerade mönster med Databricks SQL

Alla organisationer behöver en datalagerlösning för att kunna köra kritiska business intelligence-analyser. Under åren har många olika verktyg använts för detta ändamål, men de har ofta utgjort separata teknikstackar som haft svårt att möta moderna databehov och skalakrav.

Databricks är en kraftfull dataintelligensplattform som kan tillgodose många av en organisations analysbehov. Med Databricks SQL kan en organisation använda en hyperkallerbar och högpresterande datalagerslösning direkt i lakehouse-arkitekturen.

I den här kursen får du en introduktion till de viktigaste komponenterna och arbetsflödena i Databricks SQL.

Först lär du dig använda Databricks SQL för olika datatekniska uppgifter och hur du för data genom medallion-arkitekturen för att serva datateam. Du lär dig de vanligaste teknikerna som dataingenjörer använder, hur du väljer mellan olika datalagringstekniker och hur du håller dina data aktuella.

Därefter lär du dig att analysera data i Databricks SQL på samma sätt som många dataanalytiker gör i branschen. Du lär dig vanliga funktioner och tekniker med ANSI-baserad SQL och skapar sedan visualiseringar och instrumentpaneler direkt i plattformen för att bättre berätta historien om dina data.

Slutligen lär du dig mer avancerade tekniker som drar nytta av Databricks-plattformens viktigaste särdrag. Du lär dig hantera högfrekventa och snabbt föränderliga data med hjälp av fönsterfunktioner och hur du sammanfogar datamängder allt eftersom de kommer in.

Varje organisation behöver en data warehousing-lösning för att kunna genomföra viktiga business intelligence-analyser. Under årens lopp har det funnits många olika verktyg för att möta dessa behov, men de har ofta varit separata teknikstackar som haft svårt att hänga med i dagens datakrav och skalbarhet.

Databricks är en kraftfull Data Intelligence Platform som kan tillgodose många av en organisations analytiska behov. Genom att använda Databricks SQL kan en organisation dra nytta av en hyperskalbar och högpresterande data warehouse-lösning direkt i lakehouse-arkitekturen.

I den här kursen får du en introduktion till de viktigaste komponenterna och arbetsflödena i Databricks SQL.

Först kommer du att lära dig hur du använder Databricks SQL för att utföra olika data engineering-uppgifter och flytta din data genom medallion-arkitekturen för att stödja data team. Du kommer att lära dig de vanliga tekniker som många data engineers använder, hur du väljer mellan olika data storage techniques och hur du håller din data uppdaterad.

Nästa steg är att du får lära dig hur du analyserar din data i Databricks SQL, precis som många dataanalytiker gör i branschen. Du kommer att lära dig vanliga funktioner och tekniker med ANSI-baserad SQL, och därefter skapa visualiseringar och instrumentpaneler direkt i plattformen för att bättre kunna berätta en historia om din data.

Slutligen kommer du att lära dig några mer avancerade tekniker som utnyttjar de viktigaste särdragen hos Databricks-plattformen. Du kommer att lära dig hur du hanterar snabbrörlig och snabbt föränderliga data med hjälp av fönsterfunktioner, och du kommer att kunna slå samman dataset när de kommer in.

Intermediate SQL

Introduction to Databricks

Lär dig Databricks SQL för datahantering, analys och realtidsarbetsflöden i lakehouse-arkitektur.

Introduktion till Databricks SQL

Behärska Databricks SQL för data engineering, analytics och realtidsdataflöden i lakehouse-arkitekturen.

Associate Data Engineer i Databricks

Dataanalytiker i Databricks

Använda MERGE

Introduktion till Databricks SQL

Interaktiv övning med praktiskt arbete