Data Warehouse Training in Jakarta

Greenplum adalah platform data open-source dengan proses paralel massal (MPP) yang dirancang untuk analitik dan lingkungan data berskala besar.

Pelatihan langsung ini (daring atau tatap muka), ditujukan bagi pengguna teknis level menengah hingga lanjutan yang ingin memahami arsitektur internal Greenplum, merancang model data yang dioptimalkan, dan menerapkan kinerja tinggi SQL dalam lingkungan distribusi.

Setelah pelatihan ini, peserta akan dapat:

• Mengerti arsitektur shared-nothing dan model paralel Greenplum.
• Merancang struktur tabel dan partisi yang dioptimalkan untuk kinerja query.
• Menggunakan strategi indeksasi, format penyimpanan, dan teknik desain fisik.
• Menafsirkan rencana EXPLAIN dan mengoptimalkan query menggunakan praktik terbaik.

Format Kursus

• Lecture interaktif dan diskusi.
• Banyak latihan dan praktek.
• Pelaksanaan langsung dalam lingkungan laboratorium hidup.

Opsi Kustomisasi Kursus

• Untuk meminta pelatihan khusus untuk kursus ini, silakan hubungi kami untuk mengatur.

Prasyarat

• Pemahaman tentang basis data relasional dan SQL
• Pengalaman dengan sistem data warehousing atau analitik
• Ketahui operasi baris perintah Linux

Audience

• Arsitek dan insinyur data
• Database administrator dan kepala teknikal
• Pengembang BI dan spesialis analitik yang bekerja dengan Greenplum

Greenplum Architecture

• Proses paralel dan symmetric multi-processing
• Peran segment dan konfigurasi kluster
• Kelambanan dan pergerakan data
• Arsitektur Greenplum Data Warehouse

Greenplum Table Structures

• Tabel distribusi vs. tabel yang ditugaskan secara acak
• Tabel heap vs. tabel hanya tambah
• Format penyimpanan baris vs. kolom
• Tabel terbagi dan berkelompok

Data Distribution and Hashing

• Kebijakan hashing dan kunci distribusi
• Pengelolaan kekacauan dan dampak kinerja
• Map hashing dan strategi penempatan baris

Indexes and Performance Optimization

• Indeks berkelompok dan non-berkelompok
• Kasus penggunaan indeks B-tree dan bitmap
• Skenarion indeksasi dan perilaku penyimpanan

Physical Database Design

• Normalisasi dan desain model logis
• Strategi akses pengguna dan analisis distribusi
• Demografi data dan keputusan indeksasi

Denormalization Techniques

• Data turunan, tabel ringkasan, dan pre-joins
• Tabel kolom sebagai partisi vertikal
• Data mart dan view materialized

Advanced SQL and Query Execution

• Strategi join dan redistribusi
• Fungsi OLAP dan window
• Tabel sementara, subquery, dan tabel turunan

EXPLAIN Plans and Query Tuning

• Membaca dan menafsirkan output EXPLAIN
• Analisis biaya dan optimasi rencana
• Pemindahan join dan operasi lokal segmen

Greenplum Utilities and Best Practices

• ANALYZE dan VACUUM
• Pemuatan data dan pergerakan dengan Nexus
• Keselamatan, izin, dan tips kinerja

Ringkasan dan Langkah Selanjutnya

Greenplum adalah platform data paralel massal berbasis open-source atas PostgreSQL, dirancang untuk analitik lanjutan dan penyimpanan data berskala besar.

Pelatihan interaktif langsung ini (daring atau di lokasi) ditujukan bagi administrator tingkat menengah yang ingin menginstal, mengkonfigurasi, dan memanajemen lingkungan Greenplum dengan efektif, termasuk manajemen pembaruan sistem dan perpustakaan.

Selesai pelatihan ini, peserta akan dapat:

• Menginstal dan mengkonfigurasi kluster Greenplum yang siap produksi.
• Memegang kendali terhadap pembaruan sistem dan menerapkan patch dengan aman.
• Menangani manajemen perpustakaan Greenplum untuk analitik dan ekstensi.
• Mengatasi masalah dan memantau sistem Greenplum.

Bentuk Pelatihan

• Lektor interaktif dan diskusi.
• Penggunaan langsung Greenplum dalam lingkungan laboratorium yang terkontrol.
• Latihan berorientasi pada penyetelan kluster, alur kerja pembaruan, dan ekstensi sistem.

Opsi Kustomisasi Pelatihan

• Untuk meminta pelatihan yang disesuaikan untuk kursus ini berdasarkan lingkungan atau platform data Anda, silakan hubungi kami untuk mengatur.

Pelatihan langsung yang dipimpin instruktur di Jakarta (online atau di lokasi) ini ditujukan bagi profesional data tingkat lanjut yang ingin mengoptimalkan alur kerja pemrosesan data, memastikan integritas data, dan menerapkan solusi data lakehouse yang kuat yang dapat menangani kompleksitas perusahaan besar modern. aplikasi data.

Pada akhir pelatihan ini, peserta akan mampu:

• Dapatkan pemahaman mendalam tentang arsitektur Iceberg, termasuk manajemen metadata dan tata letak file.
• Konfigurasikan Iceberg untuk kinerja optimal di berbagai lingkungan dan integrasikan dengan beberapa mesin pemrosesan data.
• Kelola tabel Iceberg skala besar, lakukan perubahan skema yang kompleks, dan tangani evolusi partisi.
• Kuasai teknik untuk mengoptimalkan kinerja kueri dan efisiensi pemindaian data untuk kumpulan data besar.
• Menerapkan mekanisme untuk memastikan konsistensi data, mengelola jaminan transaksional, dan menangani kegagalan dalam lingkungan terdistribusi.

Pelatihan langsung yang dipimpin instruktur di Jakarta (online atau di lokasi) ini ditujukan untuk profesional data tingkat pemula yang ingin memperoleh pengetahuan dan keterampilan yang diperlukan untuk memanfaatkan Apache Iceberg secara efektif dalam mengelola kumpulan data berskala besar, memastikan integritas data, dan mengoptimalkan alur kerja pemrosesan data.

Pada akhir pelatihan ini, peserta akan mampu:

• Dapatkan pemahaman menyeluruh tentang arsitektur, fitur, dan manfaat Apache Iceberg.
• Pelajari tentang format tabel, partisi, evolusi skema, dan kemampuan perjalanan waktu.
• Instal dan konfigurasikan Apache Iceberg di lingkungan yang berbeda.
• Membuat, mengelola, dan memanipulasi tabel Iceberg.
• Memahami proses migrasi data dari format tabel lain ke Iceberg.

Pelatihan langsung yang dipimpin instruktur di Jakarta (online atau di lokasi) ditujukan untuk profesional TI tingkat menengah yang ingin meningkatkan keterampilan mereka dalam arsitektur data, tata kelola, komputasi awan, dan teknologi data besar untuk mengelola dan menganalisis kumpulan data besar secara efektif untuk migrasi data dalam organisasi mereka.

Pada akhir pelatihan ini, peserta akan mampu:

• Memahami konsep dasar dan komponen berbagai arsitektur data.
• Dapatkan pemahaman komprehensif tentang prinsip-prinsip tata kelola data dan pentingnya mereka dalam lingkungan peraturan.
• Menerapkan dan mengelola kerangka tata kelola data seperti Dama dan Togaf.
• Manfaatkan platform cloud untuk penyimpanan, pemrosesan, dan pengelolaan data yang efisien.

This instructor-led, live training in Jakarta (online or onsite) is aimed at intermediate-level data engineers who wish to learn how to use Azure Data Lake Storage Gen2 for effective data analytics solutions.

By the end of this training, participants will be able to:

• Understand the architecture and key features of Azure Data Lake Storage Gen2.
• Optimize data storage and access for cost and performance.
• Integrate Azure Data Lake Storage Gen2 with other Azure services for analytics and data processing.
• Develop solutions using the Azure Data Lake Storage Gen2 API.
• Troubleshoot common issues and optimize storage strategies.

This instructor-led, live training in Jakarta (online or onsite) is aimed at intermediate-level IT professionals who wish to have a comprehensive understanding of IBM DataStage from both an administrative and a development perspective, allowing them to manage and utilize this tool effectively in their respective workplaces.

By the end of this training, participants will be able to:

• Understand the core concepts of DataStage.
• Learn how to effectively install, configure, and manage DataStage environments.
• Connect to various data sources and extract data efficiently from databases, flat files, and external sources.
• Implement effective data loading techniques.

Pelatihan langsung yang dipimpin instruktur di Jakarta (daring atau tatap muka) ini ditujukan bagi profesional big data tingkat menengah yang ingin menggunakan Apache Kylin untuk membangun data warehouse real-time dan melakukan analisis multidimensi pada dataset berskala besar.

Selesai pelatihan ini, peserta akan dapat:

• Mengatur dan mengonfigurasi Apache Kylin dengan sumber data streaming real-time.
• Mendesain dan membangun OLAP cubes untuk data batch dan streaming.
• Melakukan kueri kompleks dengan latensi kurang dari satu detik menggunakan antarmuka SQL Kylin.
• Menyatukan Kylin dengan alat BI untuk visualisasi data interaktif.
• Optimalkan kinerja dan mengelola sumber daya secara efektif di Kylin.

Pelatihan langsung ini di Jakarta (daring atau tatap muka) ditujukan untuk administrator basis data, pengembang, dan analis tingkat menengah yang ingin menguasai fungsi SQL lanjutan untuk operasi data kompleks dan manajemen basis data.

Setelah selesai pelatihan ini, peserta akan dapat:

• Melakukan teknik kueri lanjutan menggunakan union, subquery, dan join yang kompleks.
• Menambahkan, memperbarui, dan menghapus data, tabel, tampilan, dan indeks dengan presisi.
• Mengamankan integritas data melalui transaksi dan memanipulasi struktur basis data.
• Membuat dan mengelola basis data secara efisien untuk penyimpanan dan pengambilan data yang kuat.

Pelatihan langsung yang dipimpin instruktur di Jakarta (online atau di tempat) ini ditujukan untuk profesional basis data tingkat menengah yang ingin meningkatkan keterampilan mereka dalam Oracle SQL pengembangan dan administrasi.

Pada akhir pelatihan ini, peserta akan dapat:

• Membangun dan mengoptimalkan kueri SQL yang kompleks.
• Kelola database secara efisien menggunakan alat Oracle SQL.
• Terapkan praktik terbaik dalam pengembangan dan pemeliharaan basis data.
• Mengelola akses pengguna dan keamanan basis data di lingkungan Oracle.

Amazon Redshift adalah layanan gudang data berbasis cloud berskala petabyte di AWS.

Dalam pelatihan langsung yang dipandu instruktur ini, peserta akan mempelajari dasar-dasar Amazon Redshift.

Pada akhir pelatihan ini, peserta akan dapat:

• Instal dan konfigurasikan Amazon Redshift
• Memuat, mengonfigurasi, menyebarkan, menanyakan, dan memvisualisasikan data dengan Amazon Redshift

Hadirin

• Pengembang
• Profesional TI

Format kursus

• Sebagian kuliah, sebagian diskusi, latihan dan praktik langsung yang berat

Catatan

• Untuk meminta pelatihan khusus untuk kursus ini, silakan hubungi kami untuk mengaturnya.

The course is part of the Data Scientist skill set (Domain: Data and Technology).

Dalam pelatihan langsung yang dipandu instruktur di Jakarta ini, peserta akan mempelajari cara membangun Data Vault.

Pada akhir pelatihan ini, peserta akan dapat:

• Memahami arsitektur dan konsep desain di balik Data Vault 2.0, dan interaksinya dengan Big Data, NoSQL dan AI.
• Gunakan teknik penyimpanan data untuk memungkinkan audit, penelusuran, dan pemeriksaan data historis dalam gudang data.
• Kembangkan proses ETL (Ekstrak, Transformasi, Muat) yang konsisten dan dapat diulang.
• Bangun dan terapkan gudang yang sangat skalabel dan dapat diulang.

Apache Druid is an open-source, column-oriented, distributed data store written in Java. It was designed to quickly ingest massive quantities of event data and execute low-latency OLAP queries on that data. Druid is commonly used in business intelligence applications to analyze high volumes of real-time and historical data. It is also well suited for powering fast, interactive, analytic dashboards for end-users. Druid is used by companies such as Alibaba, Airbnb, Cisco, eBay, Netflix, Paypal, and Yahoo.

In this instructor-led, live course we explore some of the limitations of data warehouse solutions and discuss how Druid can compliment those technologies to form a flexible and scalable streaming analytics stack. We walk through many examples, offering participants the chance to implement and test Druid-based solutions in a lab environment.

Format of the Course

• Part lecture, part discussion, heavy hands-on practice, occasional tests to gauge understanding

This instructor-led, live training in Jakarta (online or onsite) is aimed at administrators who wish to set up Greenplum Database for business intelligence and data warehousing solutions.

By the end of this training, participants will be able to:

• Address processing needs with Greenplum.
• Perform ETL operations for data processing.
• Leverage existing query processing infrastructures.