Amazon RedShift를 사용하여 클라우드 기반 웨어하우징 솔루션을 설계하는 방법을 배워봅니다. 데이터 웨어하우스용으로 데이터를 수집, 보관 및 준비하는 법에 대한 심층적인 지식을 얻고 비즈니스 인텔리전스 도구를 사용하여 데이터 분석을 수행합니다.

이 과정에서는 AWS의 페타바이트 규모의 데이터 웨어하우스인 Amazon Redshift를 사용하여 클라우드 기반 데이터 웨어하우징 솔루션을 설계하기 위한 개념, 전략 및 모범 사례를 배웁니다. Amazon DynamoDB, Amazon EMR, Amazon Kinesis Firehose, Amazon Simple Storage Service(S3)와 같은 다른 AWS 서비스를 사용하여 데이터 웨어하우스용 데이터를 수집, 저장 및 준비하는 방법을 보여줍니다. 또한, 비즈니스 인텔리전스(BI) 도구를 사용하여 데이터에 대한 분석을 수행하는 방법도 살펴봅니다.

수준

중급

전달 방식

강의식 교육, 실습

기간

3일

본 교육 과정의 대상은 다음과 같습니다.

  • 데이터베이스 아키텍트
  • 데이터베이스 관리자
  • 데이터베이스 개발자
  • 데이터 분석가
  • 데이터 과학자

이 과정에서 배우게 될 내용은 다음과 같습니다.

  • Amazon Redshift와 다른 빅 데이터 시스템 간의 관계를 평가
  • 데이터 웨어하우징 워크로드에 대한 사용 사례를 평가하고, 데이터 웨어하우징 솔루션의 일부로 구현한 실제 AWS 데이터 및 분석 서비스를 검토
  • 데이터 요건에 맞는 적절한 Amazon Redshift 노드 유형 및 크기를 선택
  • 암호화, IAM 권한, 데이터베이스 권한 등 Amazon Redshift에 적합한 보안 기능이 무엇인지 이해
  • Amazon Redshift 클러스터를 시작하고 구성 요소와 기능을 사용하여 클라우드에서 데이터 웨어하우스를 구현
  • Amazon DynamoDB, Amazon EMR, Amazon Kinesis Firehose, Amazon S3 등과 같은 다른 AWS 데이터 및 분석 서비스를 사용하여 데이터 웨어하우징 솔루션을 지원
  • 데이터 웨어하우스 설계에 사용되는 접근 방식과 방법론을 평가
  • 데이터 소스를 파악하고 데이터 웨어하우스 설계에 영향을 주는 요구 사항을 평가
  • 압축, 데이터 배포 및 정렬 방법을 효과적으로 사용하도록 데이터 웨어하우스를 설계
  • 데이터를 로드 및 언로드하고 데이터 유지 관리 작업을 수행
  • 쿼리를 작성하고 쿼리 계획을 평가하여 쿼리 성능을 최적화
  • 리소스(메모리 등)를 쿼리 대기열에 할당하도록 데이터베이스를 구성하고, 처리 성능 개선을 위해 특정 유형의 쿼리를 구성된 쿼리 대기열로 라우팅하도록 조건을 정의
  • Amazon Redshift 데이터베이스 감사 로깅, Amazon CloudTrail, Amazon CloudWatch 및 Amazon Simple Notification Service(SNS)와 같은 기능 및 서비스를 사용하여 데이터 웨어하우스 내 활동을 감사하고, 모니터링하고, 이벤트 알림을 수신
  • Amazon Redshift 클러스터 크기 조정, 스냅샷을 사용한 클러스터 백업 및 복원과 같은 운영 작업에 대비
  • BI 애플리케이션을 사용하여 데이터 분석과 데이터의 시각화 작업을 수행

이 과정을 수강하려면 다음 사전 조건을 갖추는 것이 좋습니다.

  • AWS Technical Essentials 이수 또는 이에 상응하는 AWS 경험
  • 관계형 데이터베이스와 데이터베이스 설계 개념 이해

본 과정은 다음 방법을 통해 제공됩니다.

  • 강의실 교육
  • 실습

이 과정에서는 다양한 실습을 통해 새로운 기술을 테스트하고 지식을 실무 환경에 적용해 봅니다.

kr_data-warehousing

aws.training으로 이동