GCP200SPANNER

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.

Google Cloud
Formation officielle Google CloudNiveau Intermédiaire⏱️ 3 jours (21h)

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

Formations associées

SFEIR Institute
Best

dbt

Apprenez à transformer vos données avec dbt, l'outil de référence du Modern Data Stack. Vous commencerez par comprendre l'évolution des architectures data et la différence entre ETL et ELT. Vous installerez dbt, créerez votre premier projet et le connecterez à vos sources de données. Vous apprendrez ensuite à construire des modèles de données structurés, à choisir les bonnes options de matérialisation (table, view, incremental) et à organiser vos métadonnées avec les tags. Vous découvrirez comment référencer vos sources et gérer les dépendances entre modèles. Vous explorerez les fonctionnalités avancées : seeds pour initialiser vos données de référence, snapshots pour suivre l'historique et gérer les dimensions à évolution lente, macros Jinja et variables pour automatiser vos transformations. Enfin, vous mettrez en place des tests automatisés pour garantir la qualité de vos données, documenterez vos modèles avec le lineage, et découvrirez les packages de la communauté dbt. Formation pratique avec 60% de labs.

2 j
Fondamental
Google Cloud

Introduction à l'Analyse de Données sur Google Cloud

Ce cours est une introduction à l'analyse de données sur Google Cloud. Il est conçu pour les apprenants qui n'ont aucune expérience préalable de l'analyse de données ou de Google Cloud. Le cours couvre les bases de l'analyse de données, y compris la collecte, le stockage, l'exploration, la visualisation et le partage. Il présente également aux apprenants les outils et services d'analyse de données de Google Cloud. À travers des conférences vidéo, des démos, des quiz et des travaux pratiques, le cours montre comment passer des données brutes à des visualisations et des tableaux de bord percutants.

1 j
Fondamental

Prochaines sessions

9 mars 2026
Distanciel • Français
S'inscrire
22 juin 2026
Distanciel • Français
S'inscrire
1 septembre 2026
Distanciel • Français
S'inscrire
9 décembre 2026
Distanciel • Français
S'inscrire

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

Méthodes pédagogiques mobilisées
  • 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 / QCMTest rapide de connaissances (format papier ou numérique type Kahoot/Klaxoon).
Dispositif d'évaluation et de suivi

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.

2 370€ HT

par apprenant