Data Warehousing on AWS

Einführung in Data Warehousing

• Grundlagen relationaler Datenbanken
• Wichtige Data-Warehousing-Konzepte
• Schnittstellen zwischen Data Warehousing und Big Data
• Überblick über Datenmanagement in AWS
• Hands-on Lab 1: Einführung in Amazon Redshift

Einführung in Amazon Redshift

• Architektur von Amazon Redshift
• Anwendungsfälle aus der Praxis
• Hands-on Lab 2: Starten eines Amazon Redshift-Clusters

Starten und Verwalten von Clustern

• Aufbau und Konfiguration eines Amazon Redshift-Clusters
• Verbindung zum Cluster herstellen
• Verwaltung von Zugriffsrechten
• Sicherstellen der Datensicherheit
• Daten in Redshift laden
• Hands-on Lab 3: Optimierung von Datenbankschemata

Entwerfen von Datenbankschemas

• Datenbankschemata und Datentypen
• Spaltenweise Komprimierung und Datenverteilung
• Methoden zur Datensortierung

Identifizieren von Datenquellen

• Überblick über verschiedene Datenquellen: Amazon S3, DynamoDB, EMR, Kinesis, Lambda
• Hands-on Lab 4: Laden von Echtzeitdaten in Amazon Redshift

Datenladen und Transformation

• Vorbereitung und Laden von Daten mit dem COPY-Befehl
• Tabellenpflege und parallele Schreibzugriffe
• Troubleshooting bei Ladeproblemen
• Hands-on Lab 5: Daten mit COPY laden

Schreiben von Abfragen und Leistungsoptimierung

• Amazon Redshift SQL und benutzerdefinierte Funktionen (UDFs)
• Faktoren, die die Abfrageleistung beeinflussen
• Verwendung des EXPLAIN-Befehls zur Analyse von Abfrageplänen
• Arbeitslast-Verwaltung (WLM)
• Hands-on Lab 6: Konfigurieren der Arbeitslastverwaltung

Amazon Redshift Spectrum

• Einführung in Amazon Redshift Spectrum
• Konfigurieren von Daten für Redshift Spectrum
• Abfragen von Daten aus S3 mit Redshift Spectrum
• Hands-on Lab 7: Nutzung von Amazon Redshift Spectrum

Wartung von Clustern

• Überwachung und Leistungsanalyse von Clustern
• Audit-Protokollierung und Benachrichtigungen
• Größenänderung und Skalierung von Clustern
• Sichern und Wiederherstellen von Clustern
• Hands-on Lab 9: Sichern, Wiederherstellen und Skalieren von Clustern

Analysieren und Visualisieren von Daten

• Leistungsoptimierung von Visualisierungen
• Erstellen von Dashboards mit Amazon QuickSight
• Überblick über QuickSight-Editionen und -Funktionen

• Teilnahme am Seminar AWS Technical Essentials
• Erfahrung mit relationalen Datenbanken und dem Designen von Datenbanken

• Datenbank-Architekten
• Datenbank-Administratoren
• Datenbank-Entwickler
• Datenanalysten
• Datenwissenschaftler