دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Anthony Virtuoso, Mert Turkay Hocanin, Aaron Wishnick سری: ISBN (شابک) : 1800562349, 9781800562349 ناشر: Packt Publishing سال نشر: 2021 تعداد صفحات: 438 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 15 Mb
در صورت تبدیل فایل کتاب Serverless Analytics with Amazon Athena: Query structured, unstructured, or semi-structured data in seconds without setting up any infrastructure به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل سرور بدون سرور با آمازون آتنا: داده های ساختاریافته، بدون ساختار یا نیمه ساختار یافته را در چند ثانیه بدون راه اندازی زیرساخت جستجو کنید. نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
با استفاده آسان، عملکرد تعاملی و قیمت پرداخت به ازای درخواست آمازون آتنا از داده های خود بیشتر بهره ببرید
Amazon Athena یک سرویس جستجوی تعاملی است که تجزیه و تحلیل داده ها را در Amazon S3 با استفاده از SQL، بدون نیاز به مدیریت زیرساخت آسان می کند.
این کتاب با مروری بر تجربه تجزیه و تحلیل بدون سرور ارائه شده توسط آتنا آغاز می شود و به شما می آموزد که چگونه یک S3 Data Lake را با استفاده از Athena بسازید و تنظیم کنید، از جمله اینکه چگونه جداول خود را با استفاده از فرمت های فایل منبع باز مانند ساختاربندی کنید. پارکت. نحوه ساخت، ایمن سازی و اتصال به دریاچه داده با آتنا و تشکیل دریاچه را خواهید آموخت. در مرحله بعد، وظایف کلیدی مانند تجزیه و تحلیل دادههای موقت، کار با خطوط لوله ETL، نظارت و هشدار نقض KPI با استفاده از CloudWatch Metrics، اجرای کانکتورهای قابل تنظیم با AWS Lambda و موارد دیگر را پوشش خواهید داد. در ادامه، از طریق یکپارچهسازی آسان، عیبیابی و تنظیم مشکلات رایج Athena و رایجترین دلایل شکست پرس و جو کار خواهید کرد. همچنین نکاتی را برای کمک به تشخیص و تصحیح پرس و جوهای ناموفق در پیگیری تعالی عملیاتی مرور خواهید کرد. در نهایت، شما مفاهیم پیشرفتهای مانند Athena Query Federation و Athena ML را برای ایجاد بینش قدرتمند بدون نیاز به لمس یک سرور بررسی خواهید کرد.
در پایان این کتاب، میتوانید بسازید و از یک دریاچه داده با آمازون آتنا استفاده کنید تا ویژگیهای مبتنی بر داده را به برنامه خود اضافه کنید و نوع تجزیه و تحلیل دادههای موقتی را انجام دهید که اغلب قبل از بسیاری از تمرینهای مدلسازی ML امروزی است.
تحلیلگران هوش تجاری (BI)، توسعه دهندگان برنامه ها و مدیران سیستم که به دنبال ایجاد بینش از دریای روزافزون داده ها و در عین حال کنترل هزینه ها و محدود کردن بار عملیاتی، این کتاب را مفید خواهد یافت. انتظار می رود دانش پایه SQL حداکثر استفاده را از این کتاب ببرد.
Get more from your data with Amazon Athena's ease-of-use, interactive performance, and pay-per-query pricing
Amazon Athena is an interactive query service that makes it easy to analyze data in Amazon S3 using SQL, without needing to manage any infrastructure.
This book begins with an overview of the serverless analytics experience offered by Athena and teaches you how to build and tune an S3 Data Lake using Athena, including how to structure your tables using open-source file formats like Parquet. You'll learn how to build, secure, and connect to a data lake with Athena and Lake Formation. Next, you'll cover key tasks such as ad hoc data analysis, working with ETL pipelines, monitoring and alerting KPI breaches using CloudWatch Metrics, running customizable connectors with AWS Lambda, and more. Moving on, you'll work through easy integrations, troubleshooting and tuning common Athena issues, and the most common reasons for query failure. You will also review tips to help diagnose and correct failing queries in your pursuit of operational excellence. Finally, you'll explore advanced concepts such as Athena Query Federation and Athena ML to generate powerful insights without needing to touch a single server.
By the end of this book, you'll be able to build and use a data lake with Amazon Athena to add data-driven features to your app and perform the kind of ad hoc data analysis that often precedes many of today's ML modeling exercises.
Business intelligence (BI) analysts, application developers, and system administrators who are looking to generate insights from an ever-growing sea of data while controlling costs and limiting operational burden, will find this book helpful. Basic SQL knowledge is expected to make the most out of this book.