Lakebase Postgres to Lakehouse Change Data Feed

在本课程中，您将学习如何使用 Unity Catalog 在 Databricks 上大规模实施数据治理，重点涵盖基于属性的访问控制、可观测性以及联邦共享。您将配置基于受治理标签的 ABAC，从旧版细粒度控制迁移，启用并使用系统表进行审计和成本监控，部署数据质量监控以保障数据和模型质量，解读血缘关系以支持影响分析与合规，并应用联邦治理和 Delta Sharing 模式实现安全的跨云平台协作。

注意：对于 SCORM 讲义文件，请确保在完成内容后关闭 SCORM 窗口。请勿点击“下一课”按钮，否则可能导致 SCORM 模块无法标记为已完成。

在本课程中，您将通过动手演示和综合实验室，浏览 Unity Catalog 并了解 Databricks 上的细粒度访问控制。您将学习表类型、目录和架构配置、基于组的访问管理以及访问控制迁移策略。本课程包含以下演示：应用基于行级安全和列掩码的细粒度访问控制、基于属性的访问控制、组合控制、迁移控制，以及一个用于全面治理实施的实验室。

Languages Available: English | 日本語 | 한국어 | Português BR | Français | Español | 普通话

Databricks Performance Optimization 课程教导数据工程师和分析师如何在 Databricks Data Intelligence Platform 上诊断、衡量和修复性能瓶颈，以及如何将性能提升与成本关联起来。本课程遵循"先衡量、先平台"的工作流：让平台的自动优化功能承担繁重工作，通过 Query Profile 和系统表验证已应用的优化，再在必要时进行手动调优。

学员将以 Query Profile、Performance Insights 和查询历史记录系统表为基础，学习如何衡量性能。在此基础上，他们将探索关键优化技术，包括数据布局与自调优托管表、liquid clustering、缓存与中间结果、shuffle、数据倾斜、溢出、行爆炸、驱动程序性能、Python UDF、serverless compute、Photon 以及成本归因。

在整个课程中，学员将针对合成零售数据中刻意设计的慢查询进行探索，观察不同优化技术对性能的影响。他们将利用文件裁剪、任务执行时间、Photon 覆盖率和成本等依据来评估优化效果。两个基于场景的实验室将强化从诊断到验证的完整优化工作流。

注意：Databricks Academy 正在将 Databricks 环境中的课堂课程转为基于 notebook 的形式，并停止在讲座中使用幻灯片。您可以在 Vocareum 实验环境中访问课程 notebook。