Formation Exasol High-Speed Analytics
| € HT / personne |
| 2 jours (14 heures) |
Présentation
Maîtrisez Exasol High-Speed Analytics dans sa dimension experte grâce à cette formation complète, conçue pour les ingénieurs data, analystes et architectes souhaitant exploiter toute la puissance de cet entrepôt de données in-memory ultra-performant.
La formation débute par une exploration de l’architecture technique d’Exasol, sa gestion mémoire intelligente, ses mécanismes de parallélisation et de compression. Vous apprendrez à installer, configurer et sécuriser un cluster, que ce soit en cloud ou on-premise.
Vous serez ensuite formé à la modélisation analytique avancée, à l’ingestion performante via fichiers, connecteurs ou flux Kafka, et à l’exploitation du SQL enrichi d’Exasol, avec fonctions analytiques, scripts et UDF en Python ou Java pour les traitements personnalisés.
L’optimisation des performances est au cœur du programme : plans d’exécution, partitionnement, tuning des requêtes, supervision en temps réel et bonnes pratiques de design seront étudiés en détail, avec des cas concrets.
Comme pour toutes nos formations, celle-ci vous sera présentée avec les toutes dernières actualisations de exasol
Objectifs
- Comprendre l’architecture en mémoire et massivement parallèle (MPP) d’Exasol,
- Savoir concevoir, modéliser, partitionner et optimiser des schémas de données adaptés à l’analyse temps réel
- Maîtriser les méthodes d’ingestion de données massives en batch ou en flux
- Être capable de sécuriser, administrer et superviser un cluster Exasol,
- Industrialiser les requêtes, scripts SQL et UDF via des outils d’orchestration
- Exploiter pleinement le moteur analytique d’Exasol avec SQL avancé
Public visé
- Architectes data
- Développeurs SQL
Pré-requis
- Maîtrise des bases du langage SQL
Programme de la formation Exasol High-Speed Analytics
Introduction à Exasol
- Positionnement sur le marché des bases analytiques
- Cas d’usage types
- Comparaison avec Snowflake, Redshift, BigQuery
- Architecture en mémoire hybride
- Traitement massivement parallèle
- Compression des données & indexation automatique
- In-Memory Query Engine
- Support SQL standard & analytique
- Connecteurs BI et Data Science
Installation et configuration
- On-premise vs cloud vs ExaCloud
- Déploiement via images Docker/VM
- Configuration réseau et haute disponibilité
- Ajout de nœuds & équilibrage de charge
- Paramètres système critiques
- Monitoring et alertes
- Gestion des rôles et utilisateurs
- Chiffrement des données au repos et en transit
- Audits et journaux de sécurité
Modélisation et ingestion des données
- Connecteurs
- Importation avec EXALoader, EXAPARTNER et EXAplus
- Techniques de chargement massif
- Star schema vs Snowflake schema
- Dénormalisation et performances
- Partitionnement des tables
- Distribution de données entre nœuds
- Utilisation de la compression
- Types de données optimisés
Langage SQL dans Exasol
- Fonctions analytiques
- CTE
- GROUP BY ROLLUP, CUBE
- SQL Scripts
- Boucles, conditions, curseurs
- Gestion des erreurs et logs
- Création en Python, Lua, Java
- Débogage et logs des UDF
- Cas d’usage : scoring ML, transformations complexes
Optimisation des performances
- Utilisation de EXPLAIN PLAN
- Lecture des métriques de performances
- Détection des goulets d’étranglement
- Principe de l’index invisible
- Optimisation automatique des accès
- Partitionnement horizontal des grandes tables
- Éviter les jointures coûteuses
- Optimisation des sous-requêtes et vues
- Utilisation de statistiques de colonnes
Intégration avec l’écosystème analytique
- Connexion avec Power BI, Tableau, Qlik, Looker
- DirectQuery vs Import
- Dashboard haute fréquence sur Exasol
- Exasol-Python : pandas, scikit-learn, seaborn
- Jupyter Notebooks avec Exasol
- Exasol R plugin et appels R natifs
- Intégration avec Airflow, Jenkins, dbt
- Déploiement de scripts versionnés
- Automatisation des tests de requêtes SQL
Cas pratiques et études de cas
- Ingestion de flux via Kafka
- Agrégation temps réel sur les ventes
- Visualisation dynamique avec Power BI
- Feature engineering dans Exasol
- Intégration d’un modèle ML
- Application en production via UDF Python
- Optimisation d’un workflow Talend/Exasol
- Utilisation du mode Bulk Insert
- Suivi des performances via logs
Administration et supervision
- EXAoperation interface
- Supervision des requêtes lentes
- Historique des accès et temps d’exécution
- Sauvegarde incrémentale vs complète
- ExaBackup & ExaRestore
- Tests de restauration automatique
- Ajout de nouveaux nœuds à chaud
- Rééquilibrage des partitions
- Mesure de la scalabilité horizontale
Pour aller plus loin
Formation Mage
Formation Oracle 23
Formation SQL
Langues et Lieux disponibles
Langues
- Français
- Anglais / English
Lieux
-
France entière
- Paris
- Lille
- Reims
- Lyon
- Toulouse
- Bordeaux
- Montpellier
- Nice
- Sophia Antipolis
- Marseille
- Aix-en-Provence
- Nantes
- Rennes
- Strasbourg
- Grenoble
- Dijon
- Tours
- Saint-Étienne
- Toulon
- Angers
-
Belgique
- Bruxelles
- Liège
-
Suisse
- Genève
- Zurich
- Lausanne
-
Luxembourg
Témoignages
⭐⭐⭐⭐⭐ 4,8/5 sur Google My Business. Vous aussi, partagez votre expérience !
Afficher tous les témoignages
⭐⭐⭐⭐⭐ 4,8/5 sur Google My Business. Vous aussi, partagez votre expérience !
Noter la formation
| € HT / personne |
| 2 jours (14 heures) |
UNE QUESTION ? UN PROJET ? UN AUDIT DE CODE / D'INFRASTRUCTURE ?
Pour vos besoins d’expertise que vous ne trouvez nulle part ailleurs, n’hésitez pas à nous contacter.
ILS SE SONT FORMÉS CHEZ NOUS
