دانلود کتاب Data Lakehouse in Action (به فارسی: دیتا لیک هاوس در عمل) نوشته شده توسط «Pradeep Menon»
اطلاعات کتاب دیتا لیک هاوس در عمل
موضوع اصلی: کامپیوتر – سازمان و پردازش داده
نوع: کتاب الکترونیکی
ناشر: Packt Publishing Pvt Ltd
نویسنده: Pradeep Menon
زبان: english
فرمت کتاب: EPUB (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2022
حجم فایل: 14.58 مگابایت
کد کتاب: 1801815933 , 9781801815932
توضیحات کتاب دیتا لیک هاوس در عمل
ویژگی های کلیدی
- آشنایی با نحوه جذب، ذخیره، ارائه، کنترل و ایمن کردن داده ها برای فعال کردن تجزیه و تحلیل داده
- کاوش یک روش عملی برای پیاده سازی Data Lakehouse با استفاده از پلتفرم های رایانش ابری مانند Azure
- ترکیب چندین الگوی معماری مبتنی بر در مورد نیازها و سطح بلوغ سازمان
شرح کتاب
معماری Data Lakehouse پارادایم جدیدی است که
در مقیاس بزرگ را امکان پذیر می کند
تجزیه و تحلیل. این کتاب شما را در توسعه معماری داده در
راهنمایی می کند
راه درست برای تضمین موفقیت سازمان شما.
بخش اول کتاب در مورد داده های مختلف معماری
بحث می کند
الگوهای مورد استفاده در گذشته و نیاز به یک الگوی جدید معماری،
و همچنین رانندگانی که باعث این تغییر شده اند.
را پوشش می دهد
اصول حاکم بر معماری هدف، اجزای تشکیل دهنده
معماری Data Lakehouse، و منطق و نیاز به آن
اجزاء. بخش دوم به لایه های مختلف داده می پردازد
خونه کنار دریاچه. این سناریوها و مؤلفه های مختلف برای داده
را پوشش می دهد
بلع، ذخیره سازی، پردازش داده، ارائه داده، تجزیه و تحلیل،
حاکمیت و امنیت داده ها بخش سوم کتاب بر
تمرکز دارد
اجرای عملی معماری Data Lakehouse در یک ابر
پلت فرم محاسباتی بر روی روش های مختلف برای ترکیب داده ها تمرکز دارد
الگوی Lakehouse برای تحقق الگوهای کلان، مانند Data Mesh و Data
Hub-Spoke، بر اساس نیازهای سازمان و سطح بلوغ.
چارچوب های معرفی شده کاربردی خواهند بود و سازمان ها به راحتی می توانند
از برنامه آنها بهره مند شوید.
تا پایان این
کتاب، شما به وضوح درک خواهید کرد که چگونه Data Lakehouse
را پیاده سازی کنید
الگوی معماری به شیوه ای مقیاس پذیر، چابک و مقرون به صرفه.
آنچه خواهید آموخت
- تکامل الگوهای معماری داده برای تجزیه و تحلیل
- با الگوی Data Lakehouse و نحوه فعال کردن آن تجزیه و تحلیل داده ها آشنا شوید
- روی روش‌هایی برای جذب، پردازش، ذخیره و مدیریت داده‌ها در معماری Data Lakehouse تمرکز کنید
- تکنیک هایی را برای ارائه داده ها و انجام تجزیه و تحلیل در معماری Data Lakehouse بیاموزید
- روش های پوششی برای ایمن سازی داده ها در معماری Data Lakehouse
- اجرای Data Lakehouse در یک پلت فرم رایانش ابری مانند Azure
- ترکیب داده ها Lakehouse در یک الگوی کلان معماری مانند Data Mesh
این کتاب برای چه کسی است
این
کتاب برای معماران داده، مهندسان کلان داده، استراتژیست های داده و
است
پزشکان، مباشران داده، و متخصصان رایانش ابری به دنبال
هستند
با الگوهای معماری داده های مدرن برای فعال کردن
آشنا شوید
تجزیه و تحلیل در مقیاس بزرگ دانش اولیه معماری داده و
آشنایی با مفاهیم انبار داده الزامی است.
فهرست مطالب
- معرفی تکامل الگوهای تجزیه و تحلیل داده
- بررسی اجمالی معماری Lakehouse داده
- بلع و پردازش داده ها در یک Lakehouse
- ذخیره‌سازی و ارائه داده‌ها در یک Data Lakehouse
- استخراج دیدگاه‌های یک Data Lakehouse
- به‌کارگیری حاکمیت داده در یک خانه داده‌ها
- استفاده از امنیت داده در دیتا لیک هاوس
- پیاده سازی Data Lakehouse در Microsoft Azure
- مقیاس‌سازی معماری Data Lakehouse
- Understand how data is ingested, stored, served, governed, and secured for enabling data analytics
- Explore a practical way to implement Data Lakehouse using cloud computing platforms like Azure
- Combine multiple architectural patterns based on an organization’s needs and maturity level
Book Description
The
Data Lakehouse architecture is a new paradigm that enables large-scale
analytics. This book will guide you in developing data architecture in
the right way to ensure your organization’s success.
The
first part of the book discusses the different data architectural
patterns used in the past and the need for a new architectural paradigm,
as well as the drivers that have caused this change. It covers the
principles that govern the target architecture, the components that form
the Data Lakehouse architecture, and the rationale and need for those
components. The second part deep dives into the different layers of Data
Lakehouse. It covers various scenarios and components for data
ingestion, storage, data processing, data serving, analytics,
governance, and data security. The book’s third part focuses on the
practical implementation of the Data Lakehouse architecture in a cloud
computing platform. It focuses on various ways to combine the Data
Lakehouse pattern to realize macro-patterns, such as Data Mesh and Data
Hub-Spoke, based on the organization’s needs and maturity level. The
frameworks introduced will be practical and organizations can readily
benefit from their application.
By the end of this
book, you’ll clearly understand how to implement the Data Lakehouse
architecture pattern in a scalable, agile, and cost-effective manner.
What you will learn
- Understand the evolution of the Data Architecture patterns for analytics
- Become well versed in the Data Lakehouse pattern and how it enables data analytics
- Focus on methods to ingest, process, store, and govern data in a Data Lakehouse architecture
- Learn techniques to serve data and perform analytics in a Data Lakehouse architecture
- Cover methods to secure the data in a Data Lakehouse architecture
- Implement Data Lakehouse in a cloud computing platform such as Azure
- Combine Data Lakehouse in a macro-architecture pattern such as Data Mesh
Who this book is for
This
book is for data architects, big data engineers, data strategists and
practitioners, data stewards, and cloud computing practitioners looking
to become well-versed with modern data architecture patterns to enable
large-scale analytics. Basic knowledge of data architecture and
familiarity with data warehousing concepts are required.
Table of Contents
- Introducing the Evolution of Data Analytics Patterns
- The Data Lakehouse Architecture Overview
- Ingesting and Processing Data in a Lakehouse
- Storing and Serving Data in a Data Lakehouse
- Deriving Insights from a Data Lakehouse
- Applying Data Governance in a Data Lakehouse
- Applying Data Security in a Data Lakehouse
- Implementing a Data Lakehouse on Microsoft Azure
- Scaling the Data Lakehouse Architecture
دانلود کتاب «دیتا لیک هاوس در عمل»
