교육목표

- 데이터 웨어하우징의 핵심 개념을 설명합니다.
- Amazon Redshift와 다른 빅 데이터 시스템 갂의 관계를 평가합니다.
- 데이터 웨어하우징 워크로드에 대한 사용 사례를 평가하고， 데이터 웨어하우징 솔루션의 일부로
구현한 AWS 데이터 및 분석 서비스를 설명하는 사례연구를 검토합니다.
- 데이터 요건에 맞는 적합한 Amazon Redshift 노드 유형 및 크기를 선택합니다.
- 암호화， IAM 권한， 데이터베이스 권한 등 Amazon Redshift와 관련된 보안 기능을 설명합니다.
- Amazon Redshift 클러스터를 시작하고 구성 요소와 기능을 사용하여 클라우드에서 데이터
웨어하우스를 구현합니다.
- Amazon DynamoDB， Amazon EMR， Amazon Kinesis Firehose， Amazon S3 등과 같은 다른 AWS
데이터 및 분석 서비스를 사용하여 데이터 웨어하우징솔루션을 지원합니다.
- 데이터 웨어하우징 설계에 사용되는 접근 방식과 방법론을 평가합니다.
- 데이터 소스를 파악하고 데이터 웨어하우스 설계에 영향을 주는 요구 사항을 평가합니다.
- 압축， 데이터 배포 및 정렬 방법을 효과적으로 사용하도록 데이터 웨어하우스를 설계합니다.
- 데이터를 로드 및 언로드하고 데이터 유지 관리 작업을 수행합니다.
- 쿼리를 작성하고 쿼리 계획을 평가하여 쿼리 성능을 최적화합니다.
- 리소스(메모리 등)를 쿼리 대기열에 할당하도록 데이터베이스를 구성하고， 처리 성능 개선을 위해
특정 유형의 쿼리를 구성된 쿼리 대기열로 라우팅하도록 조건을 정의합니다.
- Amazon Redshift 데이터베이스 감사 로깅， Amazon CloudTrail， Amazon CloudWatch， Amazon
Simple Notification Service(SNS) 등의 기능과 서비스를 사용하여 데이터 웨어하우스의 활동을
감사 및 모니터링하고 이벤트 알림을 수신합니다.
- Amazon Redshift 클러스터의 크기 조정， 스냅샷을 사용하여 클러스터 백업 및 복원 등 운영 작업에
대비합니다.
- 비즈니스 인텔리전스(BI) 애플리케이션을 사용하여 데이터 분석과 시각화 작업을 수행합니다.

강의내용