Guida definitiva all'ingegneria dei dati di Azure: Moderni Elt, Devops e Analytics sulla piattaforma cloud di Azure

Recensioni dei lettori

Il libro è pensato per gli ingegneri dei dati esperti che desiderano approfondire le proprie conoscenze sull'ingegneria dei dati Azure. Sebbene contenga pratiche valide e argomenti avanzati, diversi recensori affermano che non è adatto ai principianti a causa della mancanza di spiegazioni chiare e di dettagli tecnici insufficienti, che possono causare frustrazione.

⬤ Fornisce le migliori pratiche e le tecniche avanzate per l'ingegneria dei dati in Azure.
⬤ Ben organizzato e copre argomenti rilevanti nell'ambito della piattaforma Azure in costante evoluzione.
⬤ Include collegamenti a repository di codice e database di esempio.
⬤ Contiene esercizi pratici facili da seguire per chi ha già esperienza.
⬤ Aggiornato frequentemente con nuove informazioni dall'autore.

⬤ Non adatto ai principianti, che potrebbero sentirsi spaesati e frustrati.
⬤ Alcuni recensori hanno trovato la scrittura poco chiara e mal strutturata.
⬤ Manca una revisione tecnica completa e il download di codice per gli esercizi pratici.
⬤ Le spiegazioni delle tecniche spesso non sono adeguate, richiedendo ai lettori di dedurre da soli l'usabilità.
⬤ Richiede una forte conoscenza preliminare di Azure per essere efficace.

(basato su 6 recensioni dei lettori)

Titolo originale:

The Definitive Guide to Azure Data Engineering: Modern Elt, Devops, and Analytics on the Azure Cloud Platform

Contenuto del libro:

Costruire pipeline di ingestione dei dati in batch e in tempo reale efficienti e scalabili, pipeline di integrazione e distribuzione continua DevOps e soluzioni di analisi avanzate su Azure Data Platform. Questo libro insegna a progettare e implementare solide soluzioni di data engineering utilizzando Data Factory, Databricks, Synapse Analytics, Snowflake, Azure SQL database, Stream Analytics, Cosmos database e Data Lake Storage Gen2. Imparerete a progettare l'uso di questi componenti di Azure Data Platform per ottenere prestazioni e scalabilità ottimali. Imparerete anche a progettare funzionalità self-service per mantenere e gestire le pipeline e i vostri carichi di lavoro.

L'approccio di questo libro è quello di guidarvi attraverso un processo di apprendimento pratico e basato su scenari che vi consentirà di promuovere le migliori pratiche di innovazione digitale mentre lavorate ai progetti, alle sfide e alle esigenze della vostra organizzazione. Gli esempi chiari consentono di utilizzare questo libro come riferimento e guida per la creazione di soluzioni di data engineering in Azure. Dopo aver letto questo libro, avrete un set di competenze e un livello di fiducia molto più elevato nell'utilizzo di Azure Data Platform.

Che cosa imparerete?

⬤ Creare pipeline di orchestrazione dell'ingestione dei dati ELT dinamiche e parametrizzate in Azure Data Factory.

⬤ Creare pipeline di ingestione dei dati che integrino tabelle di controllo per l'ELT self-service.

⬤ Implementare un framework di logging riutilizzabile che possa essere applicato a più pipeline.

⬤ Integrare le pipeline di Azure Data Factory con una serie di fonti di dati e strumenti Azure.

⬤ Trasformare i dati con i flussi di dati di mappatura in Azure Data Factory.

⬤ Applicare le pratiche di integrazione e distribuzione continua di Azure DevOps alle pipeline di Azure Data Factory e ai database SQL di sviluppo.

⬤ Progettare e implementare soluzioni di streaming in tempo reale e analisi avanzate utilizzando Databricks, Stream Analytics e Synapse Analytics.

⬤ Iniziare a utilizzare una serie di servizi di dati Azure attraverso esempi pratici.

Per chi è questo libro?

Ingegneri dei dati e architetti dei dati interessati ad apprendere le best practice architettoniche e ingegneristiche relative all'ELT e all'ETL su Azure Data Platform, coloro che stanno creando progetti complessi di ingegneria dei dati su Azure e sono alla ricerca di modelli di successo, e aspiranti professionisti del cloud e dei dati coinvolti nell'ingegneria dei dati, nella governance dei dati, nell'integrazione continua e nell'implementazione di pratiche DevOps e nell'analisi avanzata che desiderano una comprensione completa dei numerosi strumenti e tecnologie che Azure Data Platform mette a disposizione.