Cloud Dataflow

Loading...

En provenance du cours de Google Cloud

Google Cloud Platform Fundamentals: Core Infrastructure en Français

4 notes

Google Cloud

Google Cloud Platform Fundamentals: Core Infrastructure en Français

4 notes

Les participants intéressés par Google Cloud Platform peuvent continuer leur apprentissage en suivant l'une de nos nouvelles spécialisations consacrées à l'infrastructure de GCP. Option 1 : La spécialisation Developing Applications with Google Cloud Platform est disponible depuis peu sur Coursera. Vous y apprendrez à créer des applications cloud natives sécurisées, évolutives et intelligentes. Rendez-vous sur https://www.coursera.org/specializations/developing-apps-gcp pour en savoir plus. Option 2 : La spécialisation Architecting with Google Cloud Platform est également disponible. Son contenu a été mis à jour et amélioré. Cette spécialisation vous aidera à préparer l'examen Google Certified Professional – Cloud Architect. Accédez à https://www.coursera.org/specializations/gcp-architecture pour explorer le contenu mis à jour. Le cours Google Cloud Platform Fundamentals: Core Infrastructure couvre les bases de Google Cloud Platform et constitue le premier cours de ces deux spécialisations. Il présente des concepts et termes importants de Google Cloud Platform (GCP). Vous y découvrirez et pourrez comparer de nombreux services de calcul et de stockage disponibles dans Google Cloud Platform, dont Google App Engine, Google Compute Engine et Google Container Engine. Remarques : • Vous avez besoin d'un compte Google/Gmail, et d'une carte de crédit ou d'un compte bancaire pour vous inscrire à l'essai gratuit de Google Cloud Platform. (Les services Google sont actuellement indisponibles en Chine.) • Si votre adresse de facturation pour les services GCP est située en Union européenne (UE) ou en Russie, lisez la documentation relative à la TVA à l'adresse suivante : https://cloud.google.com/billing/docs/resources/vat-overview. • Vous trouverez d'autres questions fréquentes relatives à l'essai gratuit de GCP à l'adresse suivante : https://cloud.google.com/free/?hl=fr.

À partir de la leçon

Big Data et machine learning dans le cloud

Les offres de Big Data et de machine learning de GCP sont conçues pour aider les clients à exploiter au mieux leurs données. L'intégration de ces outils dans vos applications est simple et pratique. Ce module décrit les services de Big Data et de machine learning disponibles, et explique leur utilité.

Plate-forme de Big Data de Google Cloud3:20

Cloud Dataflow2:34

Cloud Pub/Sub et Cloud Datalab3:32

Rencontrer les enseignants

Google Cloud Training

Cloud Dataproc is great when you have a data set of

known size or when you want to manage your cluster size yourself.

But what if your data shows up in real time or it's of unpredictable size or rate?

That's where Cloud Dataflow is particularly good choice.

It's both a unified programming model and a managed service and it

lets you develop and execute a big range of data processing patterns;

extract, to transform, and load batch computation and continuous computation.

You use Dataflow to build data pipelines.

And the same pipelines work for both batch and streaming data.

There's no need to spin up a cluster or to size instances.

Cloud Dataflow fully automates

the management of whatever processing resources are required.

Cloud Dataflow frees you from

operational tasks like resource management and performance optimization.

In this example, Dataflow pipeline reads data from a big query table, the source.

Processes it in a variety of ways, the transforms.

And writes it's output to a cloud storage, the Sync.

Some of those transforms you see here are map operations and some or reduce operations.

You can build really expressive pipelines.

Each step in the pipeline is elastically scaled.

There is no need to launch and manage a cluster.

Instead, the service provides all resources on demand.

It has automated and optimized worked partitioning built-in which can

dynamically re-balance lagging work that reduces the need to worry about hotkeys.

That is situations where

just proportionately large chunks of your input get mapped to the same cluster.

People use Dataflow in a variety of use cases.

As we've discussed, it's a general purpose ETL tool and its use case as

a data analysis engine comes in handy in things

like fraud detection and financial services,

IoT analytics in manufacturing,

healthcare and logistics and click stream,

point of sale and segmentation analysis in retail.

And because those pipelines,

we saw can orchestrate multiple services even external services.

It can be used in real time applications such as personalizing gaming user experiences.

Explorer notre catalogue

Rejoignez-nous gratuitement et obtenez des recommendations, des mises à jour et des offres personnalisées.

Coursera propose un accès universel à la meilleure formation au monde, en partenariat avec des universités et des organisations du plus haut niveau, pour proposer des cours en ligne.

© 2018 Coursera Inc. Tous droits réservés.

Télécharger dans l'App Store

Disponible sur Google Play