Building Streaming Data Analytics Solutions on AWS

• Comprendre les fonctionnalités et les avantages d’une architecture de données moderne.
• Découvrir comment les services de streaming AWS s’intègrent dans une architecture de données moderne.
• Concevoir et mettre en œuvre une solution d’analyse de données en continu
• Identifier et appliquer les techniques appropriées, telles que la compression, le partitionnement et le partitionnement, pour optimiser le stockage des données
• Sélectionner et déployez les options appropriées pour ingérer, transformer et stocker des données en temps réel et en temps quasi réel
• Choisir les flux, les clusters, les sujets, l’approche de mise à l’échelle et la topologie de réseau appropriés pour un cas d’utilisation métier particulier
• Comprendre comment le stockage et le traitement des données affectent les mécanismes d’analyse et de visualisation nécessaires pour obtenir des informations commerciales exploitables
• Données de streaming sécurisées au repos et en transit
• Surveiller les charges de travail analytiques pour identifier et résoudre les problèmes
• Appliquer les meilleures pratiques de gestion des coûts

• Ingénieurs et architectes de données
• Développeurs qui souhaitent créer et gérer des applications en temps réel et des solutions d’analyse de données en continu

Nous recommandons aux participants de ce cours d’avoir :

• Au moins un an d’expérience en analyse de données ou une expérience directe dans la création d’applications en temps réel ou de solutions d’analyse en continu. Nous suggérons le livre blanc Streaming Data Solutions on AWS pour ceux qui ont besoin d’un rappel sur les concepts de streaming.
• Suivi la formation Architecting on AWS ou Data Analytics Fundamentals
• Suivi la formation Building Data Lakes on AWS

Module A : Présentation de l’analyse des données et du pipeline de données

• Cas d’utilisation de l’analyse de données
• Utilisation du pipeline de données pour l’analyse

Module 1 : Utilisation des services de streaming dans le pipeline d’analyse de données

• L’importance de l’analyse des données en continu
• Le pipeline d’analyse de données en continu
• Concepts de streaming

Module 2 : Introduction aux services de diffusion en continu AWS

• Services de données en continu dans AWS
• Amazon Kinesis dans les solutions d’analyse
• Utilisation d’Amazon Kinesis Data Analytics
• Présentation d’Amazon MSK
• Présentation de Spark Streaming
• Mise en pratique : Configuration d’un pipeline de diffusion en continu avec Amazon Kinesis

Module 3 : Utilisation d’Amazon Kinesis pour l’analyse de données en temps réel

• Explorer Amazon Kinesis à l’aide d’une charge de travail clickstream
• Création de données Kinesis et de flux de diffusion
• Construire des producteurs de flux
• Construire des consommateurs de flux
• Création et déploiement d’applications Flink dans Kinesis Data Analytics
• Mise en pratique : analyses en continu avec Amazon Kinesis Data Analytics et Apache Flink

Module 4 : Sécurisation, surveillance et optimisation d’Amazon Kinesis

• Optimisez Amazon Kinesis pour obtenir des informations commerciales exploitables
• Bonnes pratiques de sécurité et de surveillance

Module 5 : Utilisation d’Amazon MSK dans les solutions d’analyse de données en continu

• Cas d’utilisation pour Amazon MSK
• Création de clusters MSK
• Ingestion de données dans Amazon MSK
• Transformation et traitement dans Amazon MSK
• Mise en pratique : Introduction au contrôle d’accès avec Amazon MSK

Module 6 : Sécurisation, surveillance et optimisation d’Amazon MSK

• Optimisation d’Amazon MSK
• Démonstration : Mise à l’échelle du stockage Amazon MSK
• Sécurité et surveillance
• Mise en pratique : pipeline de diffusion en continu Amazon MSK et déploiement d’applications

Module 7 : Conception de solutions d’analyse de données en continu

• Examen des cas d’utilisation
• Exercice de classe : Conception d’un flux de travail d’analyse de données en continu

Module B : Développement d’architectures de données modernes sur AWS

• Architectures de données modernes