AWS Glue è un servizio ETL completamente gestito che semplifica la comprensione delle origini dati, la preparazione dei dati e il relativo caricamento nei datastore. In questa sessione, presenteremo AWS Glue, forniremo una panoramica dei suoi componenti e illustreremo in che modo utilizzare il servizio per semplificare e automatizzare i processi di estrazione, trasformazione e caricamento dei dati. Parleremo inoltre delle modalità e delle tempistiche per registrarsi all'anteprima.

Guarda il video »

Per poter analizzare Big Data in modo rapido ed efficiente è necessario disporre di un data warehouse ottimizzato per gestire set di dati di grandi dimensioni e relative risorse. Amazon Redshift è un servizio di data warehousing rapido e con una capacità di più petabyte che semplifica l'analisi dei dati ad un costo nettamente inferiore rispetto alle soluzioni tradizionali. In questa sessione, daremo uno sguardo approfondito al data warehousing con Amazon Redshift per l'analisi di Big Data. Saranno illustrate best practice per usare al meglio la tecnologia a colonne e le funzionalità di elaborazione in parallelo di Amazon Redshift per ottenere prestazioni delle query e throughput elevati. Discuteremo inoltre di come progettare schemi ottimizzati, caricare i dati in modo efficiente e utilizzare le funzioni di gestione del carico di lavoro.

Guarda il video »

Volume, frequenza e varietà di Big Data prodotti al mondo sono in costante crescita. Utenti finali e aziende non si limitano più a richiedere elaborazione in batch, ma necessitano sempre più spesso di analisi aggiornate al secondo (a volte anche al millisecondo) sui loro dati. AWS offre diverse tecnologie per risolvere i loro problemi di Big Data. Ma quali servizi è più conveniente utilizzare, perché, quando e come? In questa sessione, ridurremo l'elaborazione di Big Data, per semplicità, a un bus di dati suddiviso in diverse fasi: acquisizione, memorizzazione, elaborazione e visualizzazione. Quindi, spiegheremo come scegliere la tecnologia più adatta in ciascuna fase sulla base di criteri quali la struttura dei dati, la latenza delle query, i costi, la velocità delle richieste, le dimensioni degli elementi, il volume di dati, la durabilità e così via. Infine, forniremo architetture di riferimento, modelli di progettazione e best practice per mettere insieme queste tecnologie e risolvere i problemi relativi ai Big Data a costi ragionevoli.

Guarda il video »