GCP200MIGREDSHIT

Migration des utilisateurs d'Amazon Redshift vers BigQuery

Dans ce cours, vous apprendrez à traduire divers concepts d'Amazon Redshift vers les concepts analogues dans BigQuery. Vous apprendrez comment les architectures de haut niveau d'Amazon Redshift et de BigQuery se comparent, comprendrez les différences dans la configuration des ensembles de données et des tables, mapperez les types de données d'Amazon Redshift aux types de données de BigQuery, comprendrez le mappage de schémas d'Amazon Redshift à BigQuery, optimiserez vos nouveaux schémas dans BigQuery et effectuerez une comparaison de haut niveau des dialectes SQL dans Amazon Redshift et BigQuery.

Google Cloud
✓ Formation officielle Google CloudNiveau Introduction⏱️ 1 jour (7h)

Ce que vous allez apprendre

  • Comparer l'architecture et le provisionnement des ressources dans Amazon Redshift et BigQuery
  • Configurer des ensembles de donnĂ©es et des tables dans BigQuery
  • Mapper et comparer les types de donnĂ©es d'Amazon Redshift aux types de donnĂ©es de BigQuery
  • Mapper et optimiser les schĂ©mas d'Amazon Redshift vers BigQuery
  • Traduire le SQL d'Amazon Redshift vers BigQuery

Prérequis

  • ExpĂ©rience de l'utilisation d'Amazon Redshift comme entrepĂ´t de donnĂ©es pour la gestion des donnĂ©es et l'exĂ©cution d'analyses SQL. Une expĂ©rience de base avec BigQuery est recommandĂ©e, mais pas obligatoire pour ce cours.

Public cible

  • Clients

Programme de la Formation

5 modules pour maîtriser les fondamentaux

Objectifs
  • Comparer l'architecture et le provisionnement des ressources dans Amazon Redshift et BigQuery
  • DĂ©crire le concept de slot dans BigQuery
Sujets abordés
  • →Bref rappel de l'architecture d'Amazon Redshift
  • →Aperçu de l'architecture de BigQuery
  • →SĂ©paration du calcul et du stockage dans BigQuery
  • →Slots BigQuery
  • →Gestion de la charge de travail dans BigQuery
Objectifs
  • Comprendre la hiĂ©rarchie des ressources dans BigQuery
  • Configurer des ensembles de donnĂ©es et des tables dans BigQuery
Sujets abordés
  • →HiĂ©rarchie des ressources dans Amazon Redshift
  • →HiĂ©rarchie des ressources dans BigQuery
  • →CrĂ©ation de ressources dans BigQuery
  • →Partage de ressources dans BigQuery
Activités

Lab : Provisionnement et gestion des ressources dans BigQuery

Objectifs
  • Comment les types de donnĂ©es sont mappĂ©s d'Amazon Redshift Ă  BigQuery
  • Comprendre les types de donnĂ©es uniques Ă  BigQuery
Sujets abordés
  • →Mappage des types de donnĂ©es d'Amazon Redshift vers BigQuery
  • →Types de donnĂ©es uniques Ă  BigQuery
Objectifs
  • DĂ©finir des schĂ©mas dans BigQuery
  • Mettre en Ĺ“uvre le partitionnement et le clustering dans BigQuery
Sujets abordés
  • →DĂ©finitions de schĂ©mas dans BigQuery
  • →Partitionnement dans BigQuery
  • →Clustering dans BigQuery
Activités

Lab : Migration de schéma vers BigQuery

Objectifs
  • Comprendre les capacitĂ©s de requĂŞte en SQL BigQuery
  • Écrire des fonctions et des procĂ©dures dĂ©finies par l'utilisateur en SQL BigQuery
Sujets abordés
  • →Instructions SELECT
  • →Instructions DML
  • →Instructions DDL
  • →UDFs et procĂ©dures
Activités

Lab : Écriture de SQL pour BigQuery

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

19 mai 2026
Distanciel • Français
S'inscrire
25 août 2026
Distanciel • Français
S'inscrire
24 novembre 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.

790€ € HT

par apprenant