Data Lakehouse in Action: Architecting a modern and scalable data analytics platform

یک الگوی معماری داده مقیاس پذیر جدید ، Data Lakehouse را پیشنهاد کنید ، که محدودیت های الگوهای معماری داده فعلی را نشان می دهد

ویژگی های کلیدی

• درک چگونه داده ها مصرف می شود ، ذخیره می شود ، سرو می شود ، حاکم می شود و داده می شود برای داده های فعال شده Analytics
• یک روش عملی برای پیاده سازی داده های دریاچه با استفاده از سیستم عامل های محاسباتی ابری مانند لاجورد
• ترکیب الگوهای معماری متعدد را بر اساس نیازهای سازمان و سطح بلوغ توضیحات

  معماری Data Lakehouse یک الگوی جدید است که تجزیه و تحلیل در مقیاس بزرگ را امکان پذیر می کند. این کتاب شما را در توسعه معماری داده ها به روشی صحیح برای اطمینان از موفقیت سازمان شما راهنمایی می کند. این اصول حاکم بر معماری هدف ، مؤلفه هایی که معماری داده Lakehouse را تشکیل می دهند ، و منطقی و نیاز به آن مؤلفه ها را در بر می گیرد. قسمت دوم عمیق به لایه های مختلف Data Lakehouse فرو می رود. این سناریوها و مؤلفه های مختلف برای مصرف داده ها ، ذخیره سازی ، پردازش داده ها ، ارائه داده ها ، تجزیه و تحلیل ، مدیریت و امنیت داده ها را در بر می گیرد. بخش سوم این کتاب به اجرای عملی معماری داده Lakehouse در یک سکوی محاسبات ابری متمرکز است. این روش بر روی روشهای مختلفی برای ترکیب الگوی داده دریاچه برای تحقق الگوهای کلان ، مانند مش داده ها و هاب داده ها ، بر اساس نیازها و سطح بلوغ سازمان متمرکز است. چارچوب های معرفی شده عملی خواهند بود و سازمان ها می توانند به راحتی از کاربرد خود بهره مند شوند. Architecture patterns for analytics

• Become well versed in the Data Lakehouse pattern and how it enables data analytics
• Focus on methods to ingest, process, store, and govern data in a Data Lakehouse architecture
• Learn techniques to serve داده ها و تجزیه و تحلیل ها را در یک معماری داده دریاچه
• روشهای پوشش داده برای تأمین اطلاعات در یک معماری داده دریاچه داده
• اجرای دریاچه داده را در یک بستر ابر ابری مانند Azure
• الگوی Architecture Macro-Architecture مانند Mesh Data

که این کتاب برای

برای معماران داده ، مهندسان داده های بزرگ ، استراتژیست های داده ها و پزشکان ، داده های داده ها ، و تمرین کنندگان Cloud Computings به دنبال آنالیزهای مدرن هستند تا به خوبی استفاده کنند. دانش اساسی در مورد معماری داده ها و آشنایی با مفاهیم انبارداری داده مورد نیاز است. نمای کلی

Propose a new scalable data architecture paradigm, Data Lakehouse, that addresses the limitations of current data architecture patterns

Key Features

• Understand how data is ingested, stored, served, governed, and secured for enabling data analytics
• Explore a practical way to implement Data Lakehouse using cloud computing platforms like Azure
• Combine multiple architectural patterns based on an organization's needs and maturity level

Book Description

The Data Lakehouse architecture is a new paradigm that enables large-scale analytics. This book will guide you in developing data architecture in the right way to ensure your organization's success.

The first part of the book discusses the different data architectural patterns used in the past and the need for a new architectural paradigm, as well as the drivers that have caused this change. It covers the principles that govern the target architecture, the components that form the Data Lakehouse architecture, and the rationale and need for those components. The second part deep dives into the different layers of Data Lakehouse. It covers various scenarios and components for data ingestion, storage, data processing, data serving, analytics, governance, and data security. The book's third part focuses on the practical implementation of the Data Lakehouse architecture in a cloud computing platform. It focuses on various ways to combine the Data Lakehouse pattern to realize macro-patterns, such as Data Mesh and Data Hub-Spoke, based on the organization's needs and maturity level. The frameworks introduced will be practical and organizations can readily benefit from their application.

By the end of this book, you'll clearly understand how to implement the Data Lakehouse architecture pattern in a scalable, agile, and cost-effective manner.

What you will learn

• Understand the evolution of the Data Architecture patterns for analytics
• Become well versed in the Data Lakehouse pattern and how it enables data analytics
• Focus on methods to ingest, process, store, and govern data in a Data Lakehouse architecture
• Learn techniques to serve data and perform analytics in a Data Lakehouse architecture
• Cover methods to secure the data in a Data Lakehouse architecture
• Implement Data Lakehouse in a cloud computing platform such as Azure
• Combine Data Lakehouse in a macro-architecture pattern such as Data Mesh

Who this book is for

This book is for data architects, big data engineers, data strategists and practitioners, data stewards, and cloud computing practitioners looking to become well-versed with modern data architecture patterns to enable large-scale analytics. Basic knowledge of data architecture and familiarity with data warehousing concepts are required.

Table of Contents

1. Introducing the Evolution of Data Analytics Patterns
2. The Data Lakehouse Architecture Overview
3. Ingesting and Processing Data in a Lakehouse
4. Storing and Serving Data in a Data Lakehouse
5. Deriving Insights from a Data Lakehouse
6. Applying Data Governance in a Data Lakehouse
7. Applying Data Security in a Data Lakehouse
8. Implementing a Data Lakehouse on Microsoft Azure
9. Scaling the Data Lakehouse Architecture