Azure Data Factory Cookbook : Construire et gérer des pipelines ETL et ELT avec le service d'intégration de données sans serveur de Microsoft Azure

Note :   (4,0 sur 5)

Azure Data Factory Cookbook : Construire et gérer des pipelines ETL et ELT avec le service d'intégration de données sans serveur de Microsoft Azure (Dmitry Anoshin)

Avis des lecteurs

Résumé:

Les critiques du livre soulignent son utilité pour les débutants en Azure Data Factory (ADF) tout en reconnaissant certaines lacunes, notamment en ce qui concerne la profondeur et la clarté des explications. De nombreux utilisateurs apprécient le format structuré et l'approche pratique, mais certains reprochent au livre d'être trop basique et pas assez complet.

Avantages:

Bonne ressource d'introduction à Azure Data Factory
bien structuré et facile à comprendre
exemples et scénarios pratiques
couvre l'intégration avec d'autres services Azure
sert d'aide-mémoire pour les développeurs
utile pour les débutants et ceux qui ont une certaine expérience
inclut des liens vers des ressources supplémentaires.

Inconvénients:

Certaines informations sont obsolètes ou difficiles à comprendre
les explications du code pourraient être plus claires
peut ne pas être assez approfondi pour les utilisateurs avancés
certains le trouvent trop basique ou similaire à des ressources en ligne gratuites
manque de couverture complète des concepts ADF.

(basé sur 13 avis de lecteurs)

Titre original :

Azure Data Factory Cookbook: Build and manage ETL and ELT pipelines with Microsoft Azure's serverless data integration service

Contenu du livre :

Résoudre les problèmes de données du monde réel et créer des flux de travail axés sur les données pour faciliter le mouvement et le traitement des données à l'échelle avec Azure Data Factory.

Caractéristiques principales

⬤ Apprenez à charger et à transformer des données à partir de diverses sources, sur site et dans le nuage.

⬤ Utilisez l'environnement visuel d'Azure Data Factory pour construire et gérer des pipelines ETL hybrides.

⬤ Découvrez comment préparer, transformer, traiter et enrichir les données pour générer des informations clés.

Description du livre

Azure Data Factory (ADF) est un outil moderne d'intégration de données disponible sur Microsoft Azure. Ce livre de recettes Azure Data Factory vous aide à démarrer en vous montrant comment créer et exécuter votre premier travail dans ADF. Vous apprendrez à brancher et enchaîner des activités, à créer des activités personnalisées et à planifier des pipelines. Ce livre vous aidera à découvrir les avantages de l'entreposage de données dans le nuage, d'Azure Synapse Analytics et d'Azure Data Lake Gen2 Storage, qui sont fréquemment utilisés pour l'analyse des big data. Grâce à des recettes pratiques, vous apprendrez à utiliser activement les outils analytiques d'Azure Data Services et à exploiter votre infrastructure sur site avec des outils natifs du cloud pour obtenir des informations commerciales pertinentes. Au fur et à mesure de votre progression, vous serez en mesure d'intégrer les services Azure les plus couramment utilisés dans ADF et de comprendre comment les services Azure peuvent être utiles dans la conception de pipelines ETL. Le livre vous guidera à travers les erreurs courantes que vous pouvez rencontrer en travaillant avec ADF et vous montrera comment utiliser le portail Azure pour surveiller les pipelines. Vous comprendrez également les messages d'erreur et résoudrez les problèmes liés aux connecteurs et aux flux de données grâce aux fonctionnalités de débogage d'ADF.

À la fin de ce livre, vous serez en mesure d'utiliser ADF comme principal outil d'ETL et d'orchestration pour vos projets d'entrepôt de données ou de plate-forme de données.

Ce que vous apprendrez

⬤ Créer une tâche d'orchestration et de transformation dans ADF.

⬤ Développer, exécuter et surveiller les flux de données à l'aide d'Azure Synapse.

⬤ Créer des pipelines de big data en utilisant Azure Data Lake et ADF.

⬤ Créer une application d'apprentissage automatique avec Apache Spark et ADF.

⬤ Migrer des travaux SSIS sur site vers ADF.

⬤ Intégrer ADF avec les services Azure couramment utilisés tels que Azure ML, Azure Logic Apps et Azure Functions.

⬤ Exécuter des tâches de calcul big data dans HDInsight et Azure Databricks.

⬤ Copier des données depuis AWS S3 et Google Cloud Storage vers Azure Storage en utilisant les connecteurs intégrés d'ADF.

A qui s'adresse ce livre

.

Ce livre s'adresse aux développeurs ETL, aux architectes ETL et d'entrepôt de données, aux professionnels du logiciel et à tous ceux qui souhaitent en savoir plus sur les défis courants et moins courants rencontrés lors du développement de solutions ETL traditionnelles et hybrides à l'aide d'Azure Data Factory de Microsoft. Ce livre vous sera également utile si vous cherchez des recettes pour améliorer vos pipelines ETL existants. Des connaissances de base en matière d'entreposage de données sont attendues.

Autres informations sur le livre :

ISBN :9781800565296
Auteur :
Éditeur :
Reliure :Broché

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

Jumpstart Snowflake : Un guide pas à pas de l'analyse moderne dans le nuage - Jumpstart Snowflake: A...
Explorez le marché moderne des plateformes...
Jumpstart Snowflake : Un guide pas à pas de l'analyse moderne dans le nuage - Jumpstart Snowflake: A Step-By-Step Guide to Modern Cloud Analytics
Azure Data Factory Cookbook : Construire et gérer des pipelines ETL et ELT avec le service...
Résoudre les problèmes de données du monde réel et créer...
Azure Data Factory Cookbook : Construire et gérer des pipelines ETL et ELT avec le service d'intégration de données sans serveur de Microsoft Azure - Azure Data Factory Cookbook: Build and manage ETL and ELT pipelines with Microsoft Azure's serverless data integration service

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :

© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)