Architecture Center menyediakan referensi konten dari berbagai subjek big data dan analisis.
Referensi analisis dan big data di Architecture Center
Anda dapat memfilter daftar big data dan referensi analisis berikut dengan mengetik nama produk atau frasa yang ada di judul referensi atau deskripsi.
|
Menganalisis data FHIR di BigQuery Menjelaskan proses dan pertimbangan untuk menganalisis data Fast Healthcare Interoperability Resources (FHIR) di BigQuery. Penggunaan produk: BigQuery |
|
Architecture dan fungsi di mesh data Seri yang menjelaskan cara menerapkan mesh data yang bersifat internal untuk organisasi. |
|
Membangun solusi analisis visi ML dengan Dataflow dan Cloud Vision API Cara men-deploy pipeline Dataflow untuk memproses file image berskala besar dengan Cloud Vision. Dataflow menyimpan hasil di BigQuery sehingga Anda dapat menggunakannya untuk melatih model bawaan BigQuery ML. Produk yang digunakan: BigQuery, Cloud Build, Cloud Pub/Sub, Cloud Storage, Cloud Vision, Dataflow |
|
Ekspor metric Cloud Monitoring Menjelaskan cara mengekspor metrik Cloud Monitoring untuk analisis jangka panjang. Penggunaan produk: App Engine, BigQuery, Cloud Monitoring, Cloud Pub/Sub, Cloud Scheduler, Datalab, Looker Studio |
|
Replikasi data berkelanjutan ke BigQuery menggunakan Striim Mendemonstrasi cara memindahkan database MySQL ke BigQuery menggunakan Striim. Striim adalah platform streaming komperhensif untuk ekstraksi, transformasi, dan pemuatan (ETL) Produk yang digunakan: BigQuery, Cloud SQL for MySQL, Compute Engine |
|
Replikasi data berkelanjutan ke Spanner menggunakan Striim Cara memigrasikan database MySQL ke Cloud Spanner menggunakan Striim. Produk yang digunakan: Cloud SQL, Cloud SQL untuk MySQL, Compute Engine, Spanner |
|
Data science dengan R pada Google Cloud: Analisis data eksplorasi Menunjukkan kepada Anda cara memulai data science dalam skala besar dengan R pada Google Cloud. Dokumen ini ditujukan bagi mereka yang memiliki pengalaman menggunakan R dan Jupyter notebook, serta terbiasa menggunakan SQL. Produk yang digunakan: BigQuery, Cloud Storage, Notebooks, Vertex AI |
|
Transformasi data antara MongoDB Atlas dan Google Cloud Transformasi data antara MongoDB Atlas sebagai penyimpanan data operasional dan BigQuery sebagai data warehouse analisis. Produk yang digunakan: BigQuery, Cloud Pub/Sub, Dataflow |
|
Membahas cara menggunakan Perlindungan Data Sensitif untuk membuat pipeline transformasi data otomatis guna melakukan de-identifikasi data sensitif seperti informasi identitas pribadi (PII). Produk yang digunakan: BigQuery, Cloud Pub/Sub, Cloud Storage, Dataflow, Identity and Access Management, Sensitive Data Protection |
|
Arsitektur analisis geospasial Pelajari kemampuan geospasial Google Cloud dan cara Anda menggunakan kemampuannya di aplikasi analisis geospasial Anda. Penggunaan produk: BigQuery, Dataflow |
|
Mengimpor data dari jaringan eksternal ke warehouse data BigQuery yang aman Menjelaskan arsitektur yang dapat Anda gunakan untuk membantu mengamankan data warehouse di lingkungan produksi, dan memberikan praktik terbaik untuk mengimpor data ke BigQuery dari jaringan eksternal seperti lingkungan lokal. Produk yang digunakan: BigQuery |
|
Mengimpor data dari Google Cloud ke data warehouse BigQuery yang aman Menjelaskan arsitektur yang dapat Anda gunakan untuk membantu mengamankan data warehouse di lingkungan produksi, dan memberikan praktik terbaik untuk tata kelola data dalam data warehouse di Google Cloud. Produk yang digunakan: BigQuery, Cloud Key Management Service, Dataflow, Sensitive Data Protection |
|
Solusi Praktis: Lakehouse analisis Menyatukan data lake dan data warehouse dengan membuat lakehouse analisis menggunakan BigQuery untuk menyimpan, memproses, menganalisis, dan mengaktifkan data. |
|
Solusi Praktis: Data warehouse dengan BigQuery Buat data warehouse dengan dasbor dan alat visualisasi menggunakan BigQuery. |
|
Membantu Anda merencanakan, mendesain, dan menerapkan proses migrasi workload aplikasi dan infrastruktur Anda ke Google Cloud, termasuk workload komputasi, database, dan penyimpanan. Penggunaan produk: App Engine, Cloud Build, Cloud Data Fusion, Cloud Deployment Manager, Cloud Functions, Cloud Run, Cloud Storage, Container Registry, Data Catalog, Dataflow, Direct Peering, Google Kubernetes Engine (GKE), Transfer Appliance |
|
Melakukan Migrasi Infrastruktur Hadoop Lokal ke Google Cloud Panduan memindahkan workload Hadoop lokal ke Google Cloud... Penggunaan produk: BigQuery, Cloud Storage, Dataproc |
|
Otomatisasi pencadangan BigQuery yang skalabel Buat solusi untuk mengotomatiskan operasi pencadangan BigQuery berulang dalam skala besar, dengan dua metode pencadangan: snapshot BigQuery dan ekspor ke Cloud Storage. Produk yang digunakan: BigQuery, Cloud Logging, Cloud Pub/Sub, Cloud Run, Cloud Scheduler, Cloud Storage |
|
Analisis log keamanan di Google Cloud Menunjukkan cara mengumpulkan, mengekspor, dan menganalisis log dari Google Cloud untuk membantu Anda mengaudit penggunaan serta mendeteksi ancaman terhadap data dan workload Anda. Gunakan kueri deteksi ancaman yang disertakan untuk BigQuery atau Chronicle, atau gunakan SIEM Anda sendiri. Produk yang digunakan: BigQuery, Cloud Logging, Compute Engine, Looker Studio |
|
Menggunakan pipeline CI/CD untuk alur kerja pengolahan data Menjelaskan cara menyiapkan pipeline continuous integration/continuous deployment (CI/CD) untuk memproses data dengan menerapkan metode CI/CD dengan produk yang terkelola di Google Cloud. Penggunaan produk: Cloud Build, Cloud Composer, Cloud Source Repositories, Cloud Storage, Compute Engine, Dataflow |
|
Penggunaan Apache Hive di Dataproc Menunjukkan cara penggunaan Apache Hive di Dataproc secara efisien dan fleksibel dengan menyimpan data Hive di Cloud Storage dan hosting metastore Hive di database MySQL di Cloud SQL. Produk yang digunakan: Cloud SQL, Cloud Storage, Dataproc |