Comprendre Cloud Spanner
Dans ce cours, vous découvrirez Cloud Spanner. Vous aurez une introduction à Cloud Spanner et comprendrez en quoi il diffère des autres produits de base de données. Vous apprendrez également quand et comment utiliser Cloud Spanner pour répondre à vos besoins en matière de bases de données relationnelles à grande échelle.
Ce que vous allez apprendre
- Construire des bases de données relationnelles évolutives, gérées, en utilisant Cloud Spanner.
- Créer et gérer des bases de données Cloud Spanner à l'aide de la CLI, de Terraform, de l'API Python et de la console Google Cloud.
- Programmer et exécuter des requêtes et des transactions à l'aide de l'API Cloud Spanner.
- Intégrer Cloud Spanner à des applications.
Prérequis
- Une certaine expérience préalable de Google Cloud au niveau fondamental et une expérience avec les bases de données relationnelles, le langage SQL et un peu de programmation sont supposées.
Public cible
- Clients
Programme de la Formation
7 modules pour maîtriser les fondamentaux
Objectifs
- Expliquer les concepts et fonctionnalités de base de Cloud Spanner.
- Comprendre comment Cloud Spanner s'inscrit dans le théorème CAP.
- Décrire l'histoire de Cloud Spanner.
- Expliquer les cas d'utilisation de Cloud Spanner.
Sujets abordés
- →Qu'est-ce que Spanner ?
- →Spanner et le théorème CAP
- →Histoire de Spanner
- →Cas d'utilisation de Cloud Spanner
Objectifs
- Concevoir des instances Cloud Spanner en fonction de l'emplacement, de la capacité, de la disponibilité et du coût.
- Créer des instances Spanner à l'aide de la console Google Cloud, de la CLI Google Cloud et de Terraform.
- Créer des bases de données Spanner à l'aide de SQL.
Sujets abordés
- →Planification des instances Spanner
- →Automatisation de la création d'instances
- →Création de bases de données dans Spanner
Activités
Lab : Création d'instances et de bases de données Spanner (Console)
Lab : Création d'instances et de bases de données Spanner (CLI et Terraform)
Objectifs
- Optimiser les schémas pour l'architecture Spanner.
- Choisir des clés primaires appropriées.
- Gérer les relations avec les clés primaires et étrangères et avec les tables entrelacées.
Sujets abordés
- →Architecture de Spanner
- →Choix des clés primaires
- →Définition des schémas de base de données dans Spanner
- →Compréhension de l'entrelacement et des clés étrangères
- →Compréhension des index secondaires
Activités
Lab : Choix des clés primaires
Lab : Gestion des relations avec les clés étrangères et les tables entrelacées
Objectifs
- Authentifier les utilisateurs et les applications qui accèdent aux bases de données Spanner à l'aide de la gestion des identités et des accès.
- Programmer des applications Spanner à l'aide des bibliothèques clientes Google Cloud et de Python.
- Optimiser les requêtes en utilisant des lectures fortes, des lectures obsolètes et des index.
- Gérer les transactions dans Spanner.
Sujets abordés
- →Authentification et autorisation
- →Utilisation des bibliothèques clientes de Spanner
- →Exécution de requêtes
- →Gestion des transactions
Activités
Lab : Programmation d'applications Spanner avec Python
Lab : Exécution de requêtes et de transactions
Objectifs
- Déployer des applications Spanner sur les environnements d'exécution sans serveur de Google Cloud.
- Migrer des données vers et depuis Cloud Spanner à l'aide de tâches Dataflow et d'Apache Beam.
Sujets abordés
- →Utilisation de Spanner depuis les applications
- →Création de pipelines de données vers et depuis Spanner
Activités
Lab : Déploiement d'applications Spanner avec Cloud Functions et Cloud Run
Lab : Migration de données vers et depuis Spanner avec Dataflow
Objectifs
- Administrer les instances Cloud Spanner.
- Sauvegarder, restaurer, importer et exporter des données.
- Modifier les schémas de base de données sans temps d'arrêt.
- Surveiller vos bases de données et applications Cloud Spanner.
Sujets abordés
- →Gestion de vos données dans Spanner
- →Gestion des opérations de changement
Activités
Lab : Rapprochement des données de compte avec les flux de modifications de Cloud Spanner
Lab : Exploiter l'outil Autoscaler pour Cloud Spanner afin d'obtenir l'élasticité de la charge de travail
Objectifs
- Passer en revue les meilleures pratiques pour l'utilisation de Cloud Spanner.
Sujets abordés
- →Meilleures pratiques de Spanner
- →Lab de défi
Activités
Lab de défi : Administration d'une base de données Spanner
Processus Qualité
L'engagement de SFEIR Institute : une démarche d'excellence pour garantir la qualité et la réussite de toutes nos formations. En savoir plus sur notre démarche qualité
- Lectures / Apports théoriques (Slides) — Présentation de concepts via des supports visuels (PowerPoint, PDF).
- Démonstration technique (Démos) — Le formateur réalise une manipulation ou une procédure devant les apprenants.
- Laboratoires dirigés (Labs) — Mise en pratique guidée sur logiciel, machine ou environnement technique.
- Quiz / QCM — Test rapide de connaissances (format papier ou numérique type Kahoot/Klaxoon).
L'atteinte des objectifs de la formation est évaluée à plusieurs niveaux pour garantir la qualité de la prestation :
- Évaluation continue des acquis : Vérification des connaissances tout au long de la formation via des méthodes participatives (en fonction de la formation: quiz, exercices pratiques, mises en situation) sous la supervision du formateur.
- Mesure de la progression : Dispositif d'auto-évaluation comparatif comprenant un diagnostic initial pour situer le niveau de départ, suivi d'une évaluation finale pour valider l'évolution des compétences.
- Évaluation de la qualité : Questionnaire de satisfaction en fin de session pour mesurer la pertinence et l'efficacité de la formation ressentie par les participants.
Prochaines sessions
Former plusieurs collaborateurs
- Tarifs dégressifs (plusieurs places)
- Session privée ou sur-mesure
- En présentiel ou à distance