Building Batch Data Analytics Solutions on AWS

Überblick über Datenanalyse und die Data Pipeline

• Einsatzmöglichkeiten der Datenanalyse
• Einführung in die Datenpipeline für Analysezwecke

Einführung in Amazon EMR

• Nutzung von Amazon EMR für analytische Lösungen
• Architektur von Amazon EMR-Clustern
• Interaktive Demo: Starten eines Amazon EMR-Clusters
• Strategien zur Kostenoptimierung

Datenanalyse-Pipeline mit Amazon EMR: Datenaufnahme und Speicherung

• Optimierung der Datenspeicherung in Amazon EMR
• Methoden zur Datenaufnahme

High-Performance-Batch-Datenanalyse mit Apache Spark auf Amazon EMR

• Einsatzmöglichkeiten von Apache Spark auf Amazon EMR
• Spark-Konzepte: Transformation und Verarbeitung
• Verwendung von Notebooks in Amazon EMR für Datenanalysen
• Minimierung der Latenz bei Datenanalysen mit Spark

Batch-Datenverarbeitung mit Amazon EMR und Apache Hive

• Nutzung von Amazon EMR und Hive für Batch-Datenverarbeitung
• Einführung in Apache HBase auf Amazon EMR

Serverlose Datenverarbeitung

• Einführung in serverlose Datenverarbeitung und -analyse
• Nutzung von AWS Glue in Kombination mit Amazon EMR
• Orchestrierung von Datenprozessen in Spark mit AWS Step Functions

Sicherheit und Monitoring von Amazon EMR-Clustern

• Sicherung von EMR-Clustern
• Verschlüsselung mit EMRFS
• Monitoring und Fehlerbehebung von Amazon EMR-Clustern
• Analyse des Verlaufs von Apache Spark-Clustern

Entwurf von Batch-Datenanalyselösungen

• Anwendungsfälle der Batch-Datenanalyse
• Entwurf von Workflows für die Batch-Datenanalyse

Entwicklung moderner Datenarchitekturen auf AWS

• Überblick über moderne Datenarchitekturen

• Mindestens ein Jahr Erfahrung in der Verwaltung von Open-Source-Data-Frameworks wie Apache Spark oder Apache Hadoop

• Datenplattform-Ingenieure
• Entwickler und Betreiber, die Datenanalyse-Pipelines erstellen und verwalten