在本课程中,课程的第一个和最后一个实验室是小组练习,包括讨论,以帮助为学生将采要进行的实验室提供背景。通过最后一个实验室,学生有机会反思他们为达到实验室案例研究的交付要求所取得的结果以及克服的困难。其余实验是实现 Azure 数据平台功能以满足 AdventureWorks 业务需求的动手实验。
以下为每个模块的实验室目标汇总:
学生将利用从课程中以及案例研究中获得的信息,确定 AdventureWorks 中数字转换项目的可交付成果。他们将首先确定不断发展的数据使用方法如何为组织带来新的机遇。学生还将探索可以使用哪些 Azure 数据平台服务来满足业务需求,并确定将由数据工程师完成的任务。最后,学生将完成 AdventureWorks 的数据工程交付。
在本实验室中,学生将能够确定适当的存储类型,以根据一组给定的业务和技术要求实施。他们将能够创建 Azure 存储帐户和 Data Lake Storage 帐户,并解释 Data Lake Storage 版本 1 和版本 2 之间的区别。他们还将能够演示如何将数据加载到选定的数据存储。
在完成该实验室任务时,学生将能够解释可将 Azure Databricks 用于辅助数据科学项目的原因。学生将配置 Azure Databricks 实例,然后创建工作区,用于从 Data Lake Store Gen II 存储执行简单的数据准备任务。最后,学生将使用 Azure Databricks 分步执行转换。
学生将能够描述和演示 Azure Cosmos DB 能为组织带来的性能。他们将能够创建 Cosmos DB 实例,并演示如何通过门户和 .Net 应用程序上传和查询数据。他们还将能够演示如何启用 Cosmos DB 数据库的全球缩放。
学生将能够配置 Azure SQL 数据库和 Azure Synapse Analytics,以便能够针对其中一个创建的实例发起查询。他们还将能够将 Azure Synapse Analytics 与众多其他的数据平台技术集成,并使用 PolyBase 将数据从数据源加载到数据仓库中。
学生将能够说明数据流的定义和事件处理的工作方式,并为 AdventureWorks 案例研究选择适当的数据流引入技术。学生将对所选的引入技术进行预配,并将其与流分析进行集成,以创建适用于流式数据处理的解决方案。
在本模块中,学生将学习如何使用 Azure 数据工厂来安排来自各种数据平台技术的数据移动。他们将能够解释此技术的功能,并能够设置端到端数据管道,以便从 SQL 数据库中引入数据并将数据加载到 SQL 数据仓库中。学生还将演示如何调用计算资源。
学生将能够描述和记录可用于提供深度防御的不同安全方法。这将涉及学生记录目前在课程中设置的安全性。也能使学生识别 AdventureWorks 可能存在的任何安全漏洞。
学生将能够定义一个广泛的监视解决方案,帮助他们监控在其数据资产中可能出现的问题。学生还将遇到云数据解决方案中可能会出现的常见的数据存储问题和数据处理问题。最后,他们将为数据平台技术实施灾难恢复方法。