Databricks Lakehouse Grundlagen

In dieser 3-tägigen Schulung "Databricks Lakehouse Grundlagen" lernen Sie, die Databricks-Plattform als zentrales System für Data Engineering und Analytics zu verstehen und operativ zu nutzen. Sie verstehen die Lakehouse-Architektur (Control Plane vs. Data Plane), beherrschen Unity Catalog als Governance-Instanz, implementieren stabile Tabellenstrukturen mit Delta Lake 4.0 und wenden das Medallion-Prinzip für Datenmodellierung an. Nach dem Kurs können Sie Serverless Compute effizient für SQL- und Engineering-Workloads nutzen sowie Photon Engine, Liquid Clustering und Lakeflow Connect produktiv einsetzen.

Zu unserer Schulung Databricks Lakehouse Grundlagen

Zur Übersicht unserer Databricks Schulungen

Lakehouse-Plattform & Architektur

• Architektur-Schichten: Storage/Data/Control Plane
• Photon Engine: Vektorisierter C++ Query-Optimizer
• Compute-Typen: Serverless SQL vs. Classic/Job Clusters
• Workspace-Struktur: Repos, Dashboards, Git-Integration

Delta Lake 4.0 – Der Speicherstandard

• Liquid Clustering: Dynamische Datenorganisation
• Variant-Datentyp: Native JSON-Verarbeitung
• Delta UniForm: Iceberg/Hudi-Interoperabilität
• ACID-Transaktionen, Time Travel, Schema Evolution

Unified Governance mit Unity Catalog

• Drei-Ebenen-Namespace: catalog.schema.table
• Fine-grained Access Control (RBAC)
• Data Lineage & External Locations
• Metadata Management

Data Engineering Fundamentals

• Lakeflow Connect: Native Ingestion-Konnektoren
• Medallion-Architektur: Bronze/Silver/Gold Layers
• Delta Live Tables (DLT): Declarative ETL + Data Quality
• Workflows: Multi-Task Jobs, CI/CD, Autoscaling

Databricks SQL & Analytics

• SQL Warehouse Management & Query Editor
• Dashboards, Materialized Views, Lakehouse Federation
• Direct Lake Queries (Power BI) & Alerts

Performance, Skalierung & Best Practices im Lakehouse-Betrieb

• Analyse und Optimierung typischer Performance-Engpässe in gewachsenen Databricks-Umgebungen unter realen Budget- und Governance-Vorgaben
• Praxisnahe Leistungsverbesserung bestehender SQL- und Engineering-Workloads mit Photon Engine, Serverless Compute und Liquid Clustering
• Vereinfachung von Tabellenlayouts, Partitionierung und Caching zur Reduktion von Betriebsaufwand und Kosten
• Skalierbarer, stabiler Betrieb von Ingestion-, ETL- und Job-Workflows mit Lakeflow Connect, Delta Live Tables und kontrolliertem Autoscaling
• Erkennen und Vermeiden typischer Anti-Patterns aus Konzern- und KMU-Projekten sowie Ableitung konkreter Maßnahmen für die eigene Lakehouse-Architektur