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 donnĂ©es relationnelles Ă©volutives, gĂ©rĂ©es, en utilisant Cloud Spanner.
  • CrĂ©er et gĂ©rer des bases de donnĂ©es Cloud Spanner Ă  l'aide de la CLI, de Terraform, de l'API Python et de la console Google Cloud.
  • Programmer et exĂ©cuter des requĂŞtes et des transactions Ă  l'aide de l'API Cloud Spanner.
  • IntĂ©grer Cloud Spanner Ă  des applications.

Prérequis

  • Une certaine expĂ©rience prĂ©alable de Google Cloud au niveau fondamental et une expĂ©rience avec les bases de donnĂ©es relationnelles, le langage SQL et un peu de programmation sont supposĂ©es.

Public cible

  • Clients

Programme de la Formation

7 modules pour maîtriser les fondamentaux

Objectifs
  • Expliquer les concepts et fonctionnalitĂ©s de base de Cloud Spanner.
  • Comprendre comment Cloud Spanner s'inscrit dans le thĂ©orème CAP.
  • DĂ©crire l'histoire de Cloud Spanner.
  • Expliquer les cas d'utilisation de Cloud Spanner.
Sujets abordés
  • →Qu'est-ce que Spanner ?
  • →Spanner et le thĂ©orème CAP
  • →Histoire de Spanner
  • →Cas d'utilisation de Cloud Spanner
Objectifs
  • Concevoir des instances Cloud Spanner en fonction de l'emplacement, de la capacitĂ©, de la disponibilitĂ© et du coĂ»t.
  • CrĂ©er des instances Spanner Ă  l'aide de la console Google Cloud, de la CLI Google Cloud et de Terraform.
  • CrĂ©er des bases de donnĂ©es Spanner Ă  l'aide de SQL.
Sujets abordés
  • →Planification des instances Spanner
  • →Automatisation de la crĂ©ation d'instances
  • →CrĂ©ation de bases de donnĂ©es 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 schĂ©mas pour l'architecture Spanner.
  • Choisir des clĂ©s primaires appropriĂ©es.
  • GĂ©rer les relations avec les clĂ©s primaires et Ă©trangères et avec les tables entrelacĂ©es.
Sujets abordés
  • →Architecture de Spanner
  • →Choix des clĂ©s primaires
  • →DĂ©finition des schĂ©mas de base de donnĂ©es dans Spanner
  • →ComprĂ©hension de l'entrelacement et des clĂ©s Ă©trangères
  • →ComprĂ©hension 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 donnĂ©es Spanner Ă  l'aide de la gestion des identitĂ©s et des accès.
  • Programmer des applications Spanner Ă  l'aide des bibliothèques clientes Google Cloud et de Python.
  • Optimiser les requĂŞtes en utilisant des lectures fortes, des lectures obsolètes et des index.
  • GĂ©rer les transactions dans Spanner.
Sujets abordés
  • →Authentification et autorisation
  • →Utilisation des bibliothèques clientes de Spanner
  • →ExĂ©cution de requĂŞtes
  • →Gestion des transactions
Activités

Lab : Programmation d'applications Spanner avec Python

Lab : Exécution de requêtes et de transactions

Objectifs
  • DĂ©ployer des applications Spanner sur les environnements d'exĂ©cution sans serveur de Google Cloud.
  • Migrer des donnĂ©es vers et depuis Cloud Spanner Ă  l'aide de tâches Dataflow et d'Apache Beam.
Sujets abordés
  • →Utilisation de Spanner depuis les applications
  • →CrĂ©ation de pipelines de donnĂ©es 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 donnĂ©es.
  • Modifier les schĂ©mas de base de donnĂ©es sans temps d'arrĂŞt.
  • Surveiller vos bases de donnĂ©es et applications Cloud Spanner.
Sujets abordés
  • →Gestion de vos donnĂ©es dans Spanner
  • →Gestion des opĂ©rations 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 dĂ©fi
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

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 thĂ©oriques (Slides) — PrĂ©sentation de concepts via des supports visuels (PowerPoint, PDF).
  • DĂ©monstration technique (DĂ©mos) — Le formateur rĂ©alise une manipulation ou une procĂ©dure devant les apprenants.
  • Laboratoires dirigĂ©s (Labs) — Mise en pratique guidĂ©e sur logiciel, machine ou environnement technique.
  • Quiz / QCM — Test rapide de connaissances (format papier ou numĂ©rique 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 : VĂ©rification des connaissances tout au long de la formation via des mĂ©thodes participatives (en fonction de la formation: quiz, exercices pratiques, mises en situation) sous la supervision du formateur.
  • Mesure de la progression : Dispositif d'auto-Ă©valuation comparatif comprenant un diagnostic initial pour situer le niveau de dĂ©part, suivi d'une Ă©valuation finale pour valider l'Ă©volution des compĂ©tences.
  • Évaluation de la qualitĂ© : Questionnaire de satisfaction en fin de session pour mesurer la pertinence et l'efficacitĂ© de la formation ressentie par les participants.

2 370€ € HT

par apprenant