Azure Data Engineer 自學筆記 DP-203: Data Engineering on Microsoft Azure
Azure 資料工程師學習路徑 - Training | Microsoft Learn
單元二、調查Azure資料平台的服務(11 Units)
1. 非結構化資料範圍：binary, audio, image Explore structured and nonstructured data - Training | Microsoft Learn
特性：資料結構並不在設計階段時定義，讀取資料時，才會定義資料結構。支援 JSON 檔案格式。
圖來源：非關聯式資料和 NoSQL - Azure Architecture Center | Microsoft Learn
- RDBMS：一致性(Consistency)、可用性(Availability) =>交易型
- MongoDB/ Hadoop ：一致性(Consistency)、分區容錯性(Partition Tolerence) =>分析、查詢 node 不穩定的時候不接受 request
- Cassendra/ CouchDB：可用性(Availability) 、分區容錯性(Partition Tolerence)=>node 可用就能持續運作
| NoSQL 資料庫 | 說明 |
| Key-value | Redis  |
| Document | MongoDB  |
| Graph | Gremlin  |
| Column | 多列疏鬆資料間查詢，而且有利於在資料庫的特定資料行間查詢。  |
2. Azure Blob Storage Understand data storage in Azure Storage - Training | Microsoft Learn
- Azure 中最便宜的儲存資料方式
- Just Store
- 存放Images 、非結構化資料
3. Azure Data Lake Storage Understand data storage in Azure Data Lake Storage - Training | Microsoft Learn
用於巨量資料分析
查詢方式：使用 Azure Blob Storage API 、 Azure Data Lake (ADLS) API
- 無限的延展性
- Hadoop 相容性
- 兩種存取控制清單 (ACL) 的安全性支援
- 可移植作業系統介面(POSIX) 合規性
- 最佳化的 Azure Blob 檔案系統 (ABFS) 驅動程式，專為巨量資料分析設計
- 區域備援儲存體
- 異地備援儲存體
4. Azure Cosmos DB Understand Azure Cosmos DB - Training | Microsoft Learn
多重模型架構(半結構化資料使用 MongoDB，為寬資料行使用 Cassandra，或為圖形資料庫使用 Gremlin)
用於多種 NoSQL 資料庫，效能低延遲時，支援<10 ms的回應時間
查詢方式：stored procedures, triggers, and user-defined functions (UDFs)、JavaScript query API
5. Azure SQL Database 「平台即服務」(PaaS) Understand Azure SQL Database - Training | Microsoft Learn
RDBMS、OLTP
應用程式開發語言：.NET、Node.js、Python 和 Java
查詢方式：T-SQL
資料安全：
- 進階威脅防護 Advanced Threat Protection
- SQL Database 稽核(auditing)
- 資料加密(encryption)
- Azure Active Directory 驗證
- Multi-Factor Authentication
- 合規性認證
6. Azure Synapse Analytics ＊考試重點 Understand Azure Synapse Analytics - Training | Microsoft Learn
企業資料倉儲 + 巨量資料分析 (PB 規模)
SQL Pools特性：大量平行處理(MPP)、PolyBase 載入，速度超快
支援三種類型的分散式資料表：雜湊hash、循環配置資源round-robin、複寫replicated
ELT方法：使用 Azure Data Factory 以 PolyBase 來內嵌和處理資料。
查詢方式：T-SQL、PolyBase 搭配額外的 Transact-SQL 建構函式 (例如 CREATE TABLE 和 AS SELECT) 來快速載入資料。
資料安全：columns Security、 rows Security
7. Azure Stream Analytics Understand Azure Stream Analytics - Training | Microsoft Learn
應用：物聯網 (IoT) 監控、Web 記錄、遠端病患監視和 (POS) 系統
Azure IoT Hub：雙向通訊功能意謂著當您從裝置接收資料時，也可以將命令和原則傳回給裝置。 例如，利用這項功能來更新屬性或叫用裝置管理動作。 Azure IoT 中樞也可以驗證 IoT 裝置與 IoT 中樞之間的存取。
Azure Event Hub：高資料輸送量(每日傳送數十億個要求)，
已整合服務：Databricks, Stream Analytics, Azure Data Lake Storage, and HDInsight
8. Azure HDInsight Understand Azure HDInsight - Training | Microsoft Learn
batch processing, data warehousing, IoT, and data science
特性：大數據雲端解決方案(低成本)
- Hadoop 包括 Apache Hive、HBase、Spark 與 Kafka。 Hadoop 在檔案系統 (HDFS) 中儲存資料。 Spark 則將資料儲存在記憶體中。 這項儲存差異使 Spark 快約 100 倍。
- HBase 是建置於 Hadoop 的 NoSQL 資料庫。 常用於搜尋引擎。 HBase 提供自動容錯移轉。
- Storm 是分散式即時串流分析解決方案。
- Kafka 是開放原始碼平台，用於編寫資料管線。 可提供訊息佇列功能，其可讓使用者發佈或訂閱即時資料流。
Ingest：Hive run ETL / Hive query in ADF
資料處理：Java 、Python
查詢方式：Hadoop→Pig / HiveQL ; Spark：Spark SQL
9. 其他Azure資料服務 Understand other Azure data services - Training | Microsoft Learn
- Databricks ：程式語言 R、Python、Scala 與 SQL
- Data Factory ：
- Microsoft Purview： 資料治理服務，舊的Azure Purview + Microsoft 365 Compliance portfolio
資料探索、敏感性資料分類與端對端資料譜系
上一篇：
下一篇：
