Automated Deployment with Declarative Automation Bundles - Korean

이 과정은 DevOps 원칙과 이를 Databricks 프로젝트에 적용하는 방법에 대한 포괄적인 개요를 제공합니다. 먼저 핵심 DevOps, DataOps, continuous integration (CI), continuous deployment (CD), 테스트에 대한 개요를 다룬 후, 이러한 원칙을 데이터 엔지니어링 파이프라인에 어떻게 적용할 수 있는지 살펴봅니다.

이어서 이 과정은 CI/CD 프로세스 내의 지속적 배포에 중점을 두고, 프로젝트 배포를 위한 Databricks REST API, SDK, CLI와 같은 도구를 살펴봅니다. 선언형 자동화 번들(DAB)과 이것이 CI/CD 프로세스에 어떻게 통합되는지 배우게 됩니다. DAB의 주요 구성 요소와 폴더 구조를 심층적으로 살펴보고, Databricks의 다양한 대상 환경에서 배포를 어떻게 간소화하는지 알아봅니다. 또한 Databricks CLI를 사용하여 서로 다른 구성을 가진 여러 환경에 대해 선언형 자동화 번들에 변수를 추가하고, 수정하고, 검증하고, 배포하고, 실행하는 방법을 배우게 됩니다.

마지막으로, 이 과정에서는 선언형 자동화 번들을 로컬에서 빌드, 테스트 및 배포하고 개발 프로세스를 최적화하기 위한 대화형 개발 환경(IDE)으로 Visual Studio Code를 소개합니다. 과정의 마지막 부분에서는 GitHub Actions를 사용하여 배포 파이프라인을 자동화함으로써 선언형 자동화 번들과 함께 CI/CD 워크플로를 강화하는 방법을 다룹니다.

이 과정을 마치면 Databricks 프로젝트 배포를 Declarative Automation Bundles로 자동화하여 DevOps 관행을 통해 효율성을 높일 수 있는 역량을 갖추게 됩니다.

Languages Available: English | 日本語 | Português BR | 한국어

Skill Level

Professional

Duration

Prerequisites

이 과정에서는 다음과 같은 기술/지식/능력을 가진 참가자들을 위해 내용이 개발되었습니다:

• Databricks Workspaces, Apache Spark, Delta Lake, Medallion 아키텍처, Unity Catalog, Lakeflow Spark Declarative Pipelines(SDP), Lakeflow Jobs 등을 포함한 Databricks 플랫폼에 대한 깊은 이해와 실무 경험. 특히 SDP에서 Expectations를 활용하는 방법에 대한 지식이 필요합니다.

• 데이터 수집 및 변환 경험과 함께, 데이터 처리 및 DataFrame 조작을 위한 PySpark 활용 능력이 우수해야 합니다. 또한 데이터 분석 및 변환을 위한 중급 수준의 SQL 쿼리 작성 경험이 있어야 합니다.

• 함수 및 클래스 설계 및 구현 능력을 포함한 Python 프로그래밍 숙련도, 그리고 Python 패키지 생성, 임포트 및 활용 경험이 필요합니다.

• DevOps 관행, 특히 continuous integration(CI) 및 continuous delivery/deployment(CD) 원칙에 대한 이해가 필요합니다.

• Git 버전 관리에 대한 기본적인 이해가 필요합니다.

• 필수 수강 과정: 데이터 엔지니어링을 위한 DevOps 필수 과정.

Outline

DevOps 및 CI/CD 복습

• DevOps 복습

• Continuous Integration 및 Continuous Deployment/Delivery (CI/CD) 복습

• 코스 설정 및 인증

Declarative Automation Bundles (DAB)을 사용한 배포

• Databricks 프로젝트 배포

• Declarative Automation Bundles (DAB) 소개

• 간단한 DAB 배포

• DAB 내 변수 대체

• 여러 환경으로 DAB 배포

• DAB 프로젝트 템플릿 개요

• Databricks 기본 DAB 템플릿 사용

• DAB를 활용한 CI/CD 프로젝트 개요

• DAB를 활용한 Continuous Integration 및 Continuous Deployment

• DAB를 활용한 엔지니어링 워크플로우에 ML 추가

Databricks 자산 번들을 활용한 확장 기능

• Visual Studio Code(VSCode)를 사용한 로컬 개발

• Databricks와 VSCode 함께 사용하기

• 데이터 엔지니어링을 위한 CI/CD 모범 사례

• 다음 단계: GitHub Actions를 활용한 자동 배포

Public Class Registration

If your company has purchased success credits or has a learning subscription, please fill out the Training Request form. Otherwise, you can register below.

Customer registration Partner registration

Private Class Request

If your company is interested in private training, please submit a request.

Request Private Training

See all our registration options

Registration options

Databricks has a delivery method for wherever you are on your learning journey

Self-Paced

Custom-fit learning paths for data, analytics, and AI roles and career paths through on-demand videos

지금 등록하세요

Instructor-Led

Public and private courses taught by expert instructors across half-day to two-day courses

지금 등록하세요

Blended Learning

Self-paced and weekly instructor-led sessions for every style of learner to optimize course completion and knowledge retention. Go to Subscriptions Catalog tab to purchase

Purchase now

Skills@Scale

Comprehensive training offering for large scale customers that includes learning elements for every style of learning. Inquire with your account executive for details

Upcoming Public Classes

Building Reliable Conversational Agents with Genie - Korean

이 코스에서는 Databricks Genie Space를 설계, 구축, 유지 관리하는 방법을 배웁니다. Genie Space는 비즈니스 사용자가 거버넌스된 데이터에 대해 질문하고 코드를 작성하지 않고도 SQL 기반 답변을 받을 수 있는 자연어 인터페이스입니다.

Genie가 Databricks AI/BI 제품군에 어떻게 들어맞는지, 그리고 자연어를 어떻게 신뢰할 수 있는 SQL 쿼리로 변환하는지 배웁니다. 이 코스는 정확하고 일관되며 신뢰할 수 있는 결과를 제공하는 Genie Space를 만드는 데 무엇이 필요한지에 초점을 맞춥니다.

소스 데이터를 이해하고 벤치마크를 정의하는 것에서부터, Knowledge Store의 큐레이션 도구 전체를 사용해 Genie Space를 구성하고 개선하는 것까지, 완전한 엔드 투 엔드 워크플로를 따라갑니다. 이 도구에는 메타데이터, 동의어, 프롬프트 매칭, SQL 로직, 예시 쿼리, 텍스트 instructions가 포함됩니다.

또한 Databricks One을 통해 비즈니스 사용자와 Genie Space를 공유하는 방법, Unity Catalog 거버넌스가 어떻게 자동으로 적용되는지를 이해하고, 모니터링과 사용자 피드백을 사용해 시간이 지나면서 품질을 지속적으로 개선하는 방법을 배웁니다.

코스를 마칠 때쯤이면, 거버넌스되고 셀프서비스인 대화형 분석을 대규모로 제공하는, 생산 준비가 된 Genie Space를 만들고 관리할 수 있게 됩니다.

참고: Databricks Academy는 Databricks 환경 내의 대면 강의 형식을 노트북 기반 방식으로 전환함에 따라, 강의용 슬라이드 사용이 중단됩니다. Vocareum 랩 환경에서 강의용 노트북에 액세스할 수 있습니다.

Languages Available: English | 日本語

Architecting Data Warehouses for Large-Scale Deployments - Korean

이 과정에서는 대규모 data warehousing 배포를 위한 성능 최적화, 비용 관리 및 보안을 다룹니다.

이 과정은 여러 사업부에 걸쳐 수백 또는 수천 명의 사용자에게 서비스를 제공하는 Databricks 환경을 관리하는 data warehousing 실무자를 위해 설계되었습니다. 높은 성능, 비용 효율성, 보안 표준 준수를 유지하면서 data warehousing 운영을 효율적으로 확장하는 데 필요한 기술을 습득하게 됩니다.

Languages Available: English | 日本語 | Português BR | Español | française

Building ETL Pipelines with SQL - Korean

이 과정은 Databricks Data Intelligence Platform에서 순수 SQL을 사용해 운영 준비가 된 ETL 파이프라인을 구축하는 방법을 가르칩니다. 학생들은 점진적 적재를 위한 Auto Loader가 포함된 스트리밍 테이블, 실버에서 골드로 변환을 위한 점진적 리프레시가 있는 Materialized Views, 선언적 SCD 타입 1 및 타입 2 차원 관리를 위한 AUTO CDC(FLOW AUTO CDC), 그리고 운영 오케스트레이션을 위한 SQL 파일 작업이 포함된 Lakeflow Jobs를 배웁니다. 이 과정은 메달리온 아키텍처(브론즈 → 실버 → 골드)를 통해 현실적인 소매 데이터셋을 따라갑니다.