Google CloudGCP300DATAFLOW

Serverless Data Processing with Dataflow

Approfondissez votre maîtrise de Dataflow

3 jour(s) / 21h

Présentation du cours

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 exploiter une application de données sur Dataflow, y compris la surveillance, le dépannage, les tests et la fiabilité.

Objectifs pédagogiques

  • 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 activer-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.
  • Sélectionner et ajuster 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.

Public cible

  • Data Engineer
  • Data Analysts et Data Scientists aspirant à développer des compétences en ingénierie des données

Prérequis

Pour tirer le meilleur parti de ce cours, les participants doivent :

  • Avoir suivi le modules « Créer des pipelines de données par lots » dans le cours Data Engineering on Google Cloud ou avoir des connaissances équivalentes
  • Avoir suivi le module « Créer des systèmes d’analyse de flux résilients »  dans le cours Data Engineering on Google Cloud ou avoir des connaissances équivalentes

Programme

Module 1: Introduction

Sujets

  • Présentation du cours
  • Actualisation des faisceaux et des flux de données

Objectifs

  • Présentation des objectifs du cours.
  • Démontrer comment Apache Beam et Dataflow fonctionnent ensemble pour répondre aux besoins de traitement des données de votre organisation.

Module 2: Portabilité de Beam

Sujets

  • Portabilité de Beam
  • Runner v2
  • Environnements de conteneurs
  • Transformations Cross-Language

Objectifs

  • Résumer les avantages du Beam Portability Framework.
  • Personnaliser l’environnement de traitement des données de votre pipeline à l’aide de conteneurs personnalisés.
  • Examiner les cas d’utilisation pour les transformations Cross-Language.
  • Activez le Beam Portability Framework pour vos pipelines Dataflow.

Activités

  • Quiz

Module 3: Séparer le calcul et le stockage avec Dataflow

Sujets

  • Dataflow
  • Dataflow Shuffle Service
  • Dataflow Streaming Engine
  • Flexible Resource Scheduling

Objectifs

  • Activez Shuffle et Streaming Engine, respectivement pour les pipelines batch et streaming, pour des performances maximales.
  • Activez la planification flexible des ressources pour des performances plus rentables.

Activités

  • Quiz

Module 4: IAM, Quotas et Permissions

Sujets

  • IAM
  • Quota

Objectifs

  • Sélectionner la bonne combinaison d’autorisations IAM pour votre tâche Dataflow.
  • Déterminer vos besoins en capacité en inspectant les quotas pertinents pour vos tâches Dataflow.

Activités

  • Quiz

Module 5: Sécurité

Sujets

  • Localité des données
  • Shared VPC
  • IPs privées
  • CMEK

Objectifs

  • Sélectionner votre stratégie de traitement des données zonales à l’aide de Dataflow, en fonction de vos besoins en matière de localisation des données.
  • Mettre en œuvre les meilleures pratiques pour un environnement de traitement de données sécurisé.

Activités

  • Lab pratique et quiz

Module 6: Revue des concepts de BEAM

Sujets

  • Les bases Beam
  • Transformations utilitaires
  • Cycle de vie DoFn

Objectifs

  • Passer en revue les principaux concepts d’Apache Beam (Pipeline, PCollections, PTransforms, Runner, lecture/écriture, Utility PTransforms, side inputs), les bundles et le cycle de vie DoFn.

Activités

  • Lab pratique et quiz

Module 7: Windows, Watermarks, Triggers

Sujets

  • Windows
  • Watermarks
  • Triggers

Objectifs

  • Implémenter une logique pour gérer vos données tardives.
  • Passer en revue les différents types de déclencheurs.
  • Passer en revue les principaux concepts de diffusion en continu (unbounded PCollections, windows).

Activités

  • Lab pratique et quiz

Module 8: Sources and Sinks

Sujets

  • Sources et Sinks
  • Text IO et File IO
  • BigQuery IO
  • PubSub IO
  • Kafka IO
  • Bigable IO
  • Avro IO
  • Splittable DoFn

Objectifs

  • Écrire sur les IO de votre choix pour votre pipeline Dataflow.
  • Ajuster votre transformation Source/Sink pour des performances maximales.
  • Créer des Sources et des sinks personnalisés à l’aide de SDF.

Activités

  • Quiz

Module 9: Schémas

Sujets

  • Beam Schemas
  • Exemples de code

Objectifs

  • Introduire des schémas, qui donnent aux développeurs un moyen d’exprimer des données structurées dans leurs pipelines Beam.
  • Utiliser des schémas pour simplifier votre code Beam et améliorer les performances de votre pipeline.

Activités

  • Lab pratique et quiz

Module 10: État et Timers

Sujets

  • State API
  • Timer API
  • Summary

Objectifs

  • Identifier les cas d’utilisation pour les implémentations d’API d’état et de timer
  • Sélectionner le bon type d’état et de timers pour votre pipeline

Activités

  • Quiz

Module 11: Bonnes pratiques

Sujets

  • Schémas
  • Gestion des données non traitables
  • La gestion des erreurs
  • Générateur de code AutoValue
  • Traitement des données JSON
  • Utiliser le cycle de vie DoFn
  • Optimisations de pipeline

Objectifs

  • Implement best practices for Dataflow pipelines.

Activités

  • Lab pratique et quiz

Module 12: Dataflow SQL et DataFrames

Sujets

  • Dataflow et Beam SQL
  • Windowing in SQL
  • Beam DataFrames

Objectifs

  • Développer un pipeline Beam en utilisant SQL et DataFrames.

Activités

  • Lab pratique et quiz

Module 13: Beam Notebooks

Sujets

  • Beam Notebooks

Objectifs

  • Prototyper votre pipeline en Python à l’aide des notebooks Beam.
  •  Lancer une tâche dans Dataflow à partir d’un notebooks.

Activités

  • Quiz

Module 14: Monitoring

Sujets

  • Job List
  • Job Info
  • Job Graph
  • Job Metrics
  • Metrics Explorer

Objectifs 

  • Accéder à l’interface utilisateur des détails de la tâche Dataflow.
  • Interpréter les graphiques de métriques de travail pour diagnostiquer les régressions du pipeline.
  • Définir des alertes sur les tâches Dataflow à l’aide de Cloud Monitoring.

Activités

  • Quiz

Module 15: Monitoring

Sujets

  • Logging
  • Rapport d’erreur

Objectifs

  • Utiliser les journaux Dataflow et les widgets de diagnostic pour résoudre les problèmes de pipeline.

Activités

  • Quiz

Module 16: Dépannage et débogage

Sujets

  • Flux de travail de dépannage
  • Types de problèmes

Objectifs

  • Utiliser une approche structurée pour déboguer vos pipelines Dataflow.
  • Examiner les causes courantes des défaillances de pipeline.

Activités

  • Lab pratique et quiz

Module 17: Performance

Sujets

  • Conception de pipelines
  • Forme des données
  •  Source, Sinks et systèmes externes
  •  Shuffle and Streaming Engine

Objectifs

  • Comprendre les considérations de performances pour les pipelines.
  • Tenir compte de la façon dont la forme de vos données peut affecter les performances du pipeline.

Activités

  • Quiz

Module 18: Testing et CI/CD

Sujets

  • Présentation des tests et CI/CD
  • Tests unitaires
  • Tests d’intégration
  • Construction d’artefacts
  • Déploiement

Objectifs

  • Approches de test pour votre pipeline Dataflow.
  • Passez en revue les frameworks et les fonctionnalités disponibles pour rationaliser votre flux de travail CI/CD pour les pipelines Dataflow.

Activités

  • Lab pratique et quiz

Module 19: Fiabilité

Sujets

  • Introduction à la fiabilité
  • Surveillance
  • Géolocalisation
  • Reprise après sinistre
  • Haute disponibilité

Objectifs

  • Mettre en œuvre les bonnes pratiques en matière de fiabilité pour vos pipelines Dataflow.

Activités

  • Quiz

Module 20: Flex Templates

Sujets

  • Modèles classiques
  • Modèles flexibles
  • Utiliser les Flex Templates
  • Modèles fournis par Google

Objectifs

  • Utiliser des Flex Templates pour standardiser et réutiliser le code du pipeline Dataflow.

Activités

  • Lab pratique et quiz

Module 21: Conclusion

Sujets

  • Synthèse

Objectifs

  • Récapitulatif rapide des sujets de formation

Ce cours vous intéresse ?

Lieu de formation :
Dates
24/02/23 Distanciel S'inscrire
28/02/23 Distanciel S'inscrire
28/04/23 Distanciel S'inscrire
29/05/23 Distanciel S'inscrire
30/06/23 Distanciel S'inscrire
11/07/23 Distanciel S'inscrire
25/08/23 Distanciel S'inscrire
19/09/23 Distanciel S'inscrire
27/10/23 Distanciel S'inscrire
29/11/23 Distanciel S'inscrire
1
Inter : 2100 € HT / participant

Aide au financement

Organiser une session dédiée
à votre organisation
Votre société à besoin d'une offre
personnalisée ? Contactez-nous