Skip to main Content

Serverless Data Processing with Dataflow

  • Référence GO9081
  • Durée 3 jour(s)

Classe inter à distance Prix

EUR2,370.00

hors TVA

Demander une formation en intra-entreprise S'inscrire

Modalité pédagogique

La formation est disponible dans les formats suivants:

  • Classe inter à distance

    Depuis n'importe quelle salle équipée d'une connexion internet, rejoignez la classe de formation délivrée en inter-entreprises.

  • Classe inter en présentiel

    Formation délivrée en inter-entreprises. Cette méthode d'apprentissage permet l'interactivité entre le formateur et les participants en classe.

  • Intra-entreprise

    Cette formation est délivrable en groupe privé, et adaptable selon les besoins de l’entreprise. Nous consulter.

Demander cette formation dans un format différent

Cette formation est destinée aux praticiens du Big Data qui souhaitent approfondir leur compréhension de Dataflow afin de faire progresser leurs applications de traitement de données.

En commençant par les bases, cette formation explique comment Apache Beam et Dataflow fonctionnent ensemble pour répondre à vos besoins de traitement de données sans risque de dépendance vis-à-vis d'un fournisseur. La section sur le développement de pipelines explique comment convertir votre logique métier en applications de traitement de données pouvant s'exécuter sur Dataflow. Cette formation se termine par un focus sur les opérations, qui passe en revue les leçons les plus importantes pour l'exploitation d'une application de données sur Dataflow, y compris la surveillance, le dépannage, les tests et la fiabilité.

Cette formation inclut présentations, démonstrations et hands-on labs.

Mise à jour : 23.05.2023

Prochaines dates

Haut de page
    • Modalité: Classe inter à distance
    • Date: 01-03 février, 2027 | 9:00 AM to 5:00 PM
    • Centre: SITE DISTANT (W. Europe )
    • Langue: Français

    EUR2,370.00

    • Modalité: Classe inter à distance
    • Date: 06-08 avril, 2027 | 9:00 AM to 5:00 PM
    • Centre: SITE DISTANT (W. Europe )
    • Langue: Français

    EUR2,370.00

    • Modalité: Classe inter à distance
    • Date: 01-03 juin, 2027 | 9:00 AM to 5:00 PM
    • Centre: SITE DISTANT (W. Europe )
    • Langue: Français

    EUR2,370.00

- Ingénieur de données.
- Data analysts et data scientists aspirant à développer des compétences en ingénierie des données

Objectifs de la formation

Haut de page

A l'issue de la formation, les participants seront capables de :

  • Démontrer comment Apache Beam et Dataflow fonctionnent ensemble pour répondre aux besoins de traitement des données de votre organisation.
  • Résumer les avantages de Beam Portability Framework et activez-le pour vos pipelines Dataflow.
  • Activer Shuffle et Streaming Engine, respectivement pour les pipelines batch et streaming, pour des performances maximales.
  • Activer la planification flexible des ressources pour des performances plus rentables.
  • Sélectionner la bonne combinaison d'autorisations IAM pour votre tâche Dataflow.
  • Mettre en œuvre les meilleures pratiques pour un environnement de traitement de données sécurisé.
  • Sélectionnez et ajustez les E/S de votre choix pour votre pipeline Dataflow.
  • Utiliser des schémas pour simplifier votre code Beam et améliorer les performances de votre pipeline.
  • Développer un pipeline Beam en utilisant SQL et DataFrames.
  • Effectuer la surveillance, le dépannage, les tests et la CI/CD sur les pipelines Dataflow.

Programme détaillé

Haut de page

Module 1 : Introduction

  • Introduce the course objectives.
  • Demonstrate how Apache Beam and Dataflow work together to fulfill your organization’s data processing needs.

Module 2 : Beam Portability

  • Summarize the benefits of the Beam Portability Framework.
  • Customize the data processing environment of your pipeline using custom containers.
  • Review use cases for cross-language transformations.
  • Enable the Portability framework for your Dataflow pipelines.

Module 3 : Separating Compute and Storage with Dataflow

  • Enable Shuffle and Streaming Engine, for batch and streaming pipelines respectively, for maximum performance.
  • Enable Flexible Resource Scheduling for more cost-efficient performance.

Module 4 : IAM, Quotas, and Permissions

  • Select the right combination of IAM permissions for your Dataflow job.
  • Determine your capacity needs by inspecting the relevant quotas for your Dataflow jobs.

Module 5 : Security

  • Select your zonal data processing strategy using Dataflow, depending on your data locality needs.
  • Implement best practices for a secure data processing environment.

Module 6 : Beam Concepts Review

  • Review main Apache Beam concepts (Pipeline, PCollections, PTransforms, Runner, reading/writing, Utility PTransforms, side inputs), bundles and DoFn Lifecycle.

Module 7 : Windows, Watermarks, Triggers

  • Implement logic to handle your late data.
  • Review different types of triggers.
  • Review core streaming concepts (unbounded PCollections, windows).

Module 8 : Sources and Sinks

  • Write the I/O of your choice for your Dataflow pipeline.
  • Tune your source/sink transformation for maximum performance.
  • Create custom sources and sinks using SDF.

Module 9 : Schemas

  • Introduce schemas, which give developers a way to express structured data in their Beam pipelines.
  • Use schemas to simplify your Beam code and improve the performance of your pipeline.

Module 10 : State and Timers

  • Identify use cases for state and timer API implementations.
  • Select the right type of state and timers for your pipeline.

Module 11 : Best Practices

  • Implement best practices for Dataflow pipelines.

Module 12 : Dataflow SQL and DataFrames

  • Develop a Beam pipeline using SQL and DataFrames.

Module 13 : Beam Notebooks

  • Prototype your pipeline in Python using Beam notebooks.
  • Use Beam magics to control the behavior of source recording in your notebook.
  • Launch a job to Dataflow from a notebook.

Module 14 : Monitoring

  • Navigate the Dataflow Job Details UI.
  • Interpret Job Metrics charts to diagnose pipeline regressions.
  • Set alerts on Dataflow jobs using Cloud Monitoring.

Module 15 : Logging and Error Reporting

  • Use the Dataflow logs and diagnostics widgets to troubleshoot pipeline issues.

Module 16 : Troubleshooting and Debug

  • Use a structured approach to debug your Dataflow pipelines.
  • Examine common causes for pipeline failures.

Module 17 : Performance

  • Understand performance considerations for pipelines.
  • Consider how the shape of your data can affect pipeline performance.

Module 18 : Testing and CI/CD

  • Testing approaches for your Dataflow pipeline.
  • Review frameworks and features available to streamline your CI/CD workflow for Dataflow pipelines.

Module 19 : Reliability

  • Implement reliability best practices for your Dataflow pipelines.

Module 20 : Flex Templates

  • Using flex templates to standardize and reuse Dataflow pipeline code.

Pré-requis

Haut de page

Avoir suivi une formation ou posséder les compétences équivalentes autour des thèmes suivants :

  • Building Batch Data Pipelines
  • Building Resilient Streaming Analytics Systems
Cookie Control toggle icon