Il Centro architetture offre risorse di contenuti per una vasta gamma di argomenti relativi a big data e analisi.
Risorse per big data e analisi nel Centro architetture
Puoi filtrare il seguente elenco di risorse di big data e analisi digitando il nome di un prodotto o una frase nel titolo o nella descrizione della risorsa.
|
Analisi dei dati FHIR in BigQuery Spiega i processi e le considerazioni per l'analisi dei dati FHIR (Fast Healthcare Interoperability Resources) in BigQuery. Prodotti utilizzati: BigQuery |
|
Architettura e funzioni in un data mesh Linee guida sull'implementazione di un mesh di dati in Google Cloud in corso... |
|
Architettura: data warehouse di marketing Fornisce un'architettura di riferimento che descrive come creare data warehouse di marketing scalabili. Prodotti utilizzati: AIPlatform, Auto ML, BigQuery, Cloud Data Fusion, Dataflow, Dataprepby Trifacta, Google Analytics, Looker |
|
Applica automaticamente i tag di sensibilità in Data Catalog a file, database e tabelle BigQuery Mostra come utilizzare Data Catalog con una pipeline Dataflow automatizzata per identificare e applicare tag di sensibilità dei dati ai dati nei file Cloud Storage, nei database relazionali e in BigQuery. Prodotti utilizzati: Cloud Build, Cloud Data Loss Prevention, Cloud SQL, Cloud Storage, Compute Engine, Data Catalog, Dataflow, Secret Manager |
|
Creazione di una soluzione di analisi della visione artificiale ML con Dataflow e API Cloud Vision Come eseguire il deployment di una pipeline Dataflow per elaborare file immagine su larga scala con Cloud Vision. Dataflow archivia i risultati in BigQuery per poterli utilizzare per addestrare modelli predefiniti di BigQuery ML. Prodotti utilizzati: BigQuery, Cloud Build, Cloud Pub/Sub, Cloud Storage, Cloud Vision, Dataflow |
|
Esportazione delle metriche di Cloud Monitoring Descrive un modo per esportare le metriche di Cloud Monitoring per le analisi a lungo termine. Prodotti utilizzati: App Engine, BigQuery, Cloud Monitoring, Cloud Pub/Sub, Cloud Scheduler, Datalab, Looker Studio |
|
Replica continua dei dati in BigQuery utilizzando Striim Mostra come eseguire la migrazione di un database MySQL a BigQuery utilizzando Striim. Striim è una piattaforma ETL (Streaming Extract, Transform and Load). Prodotti utilizzati: BigQuery, Cloud SQL per MySQL, Compute Engine |
|
Replica continua dei dati in Spanner mediante Striim Come eseguire la migrazione di un database MySQL a Cloud Spanner utilizzando Striim. Prodotti utilizzati: Cloud SQL, Cloud SQL per MySQL, Compute Engine, Spanner |
|
Pattern di progettazione dell'analisi dei dati Fornisce link a casi d'uso aziendali, codice campione e guide di riferimento tecnico per i casi d'uso dell'analisi dei dati di settore. Utilizza queste risorse per apprendere e identificare le best practice per accelerare l'implementazione dei tuoi carichi di lavoro. |
|
Data science with R su Google Cloud: Exploratory data analysis Mostra come iniziare a utilizzare la data science su larga scala con R su Google Cloud. Questo documento è destinato a coloro che hanno una certa esperienza con R e con i blocchi note Jupyter e che hanno dimestichezza con l'SQL. Prodotti utilizzati: BigQuery, Cloud Storage, Notebooks |
|
Trasformazione dei dati tra MongoDB Atlas e Google Cloud Trasformazione dei dati tra MongoDB Atlas come datastore operativo e BigQuery come data warehouse di analisi. Prodotti utilizzati: BigQuery, Cloud Pub/Sub, Dataflow |
|
Descrive come utilizzare Sensitive Data Protection per creare una pipeline di trasformazione dei dati automatizzata per anonimizzare i dati sensibili come le informazioni che consentono l'identificazione personale (PII). Prodotti utilizzati: BigQuery, Cloud Data Loss Prevention, Cloud Pub/Sub, Cloud Storage, Dataflow, Identity and Access Management |
|
Descrive l'uso della protezione dei dati sensibili per ridurre il rischio di esposizione agli utenti di dati sensibili archiviati nei database Google Cloud, continuando a consentire loro di eseguire query su dati significativi. Prodotti utilizzati: Cloud Audit Logs, Cloud Data Loss Prevention, Cloud Key Management Service |
|
Architettura di riferimento per l'elaborazione dei dati genomici Descrive le architetture di riferimento per l'utilizzo dell'API Cloud Life Sciences con altri prodotti Google Cloud per eseguire l'elaborazione dei dati genomici utilizzando metodi e motori di flusso di lavoro diversi. Prodotti utilizzati: Cloud Life Sciences, Cloud Storage, Compute Engine |
|
Architettura di analisi geospaziale Scopri le funzionalità geospaziali di Google Cloud e come puoi utilizzarle nelle tue applicazioni di analisi geospaziale. Prodotti utilizzati: BigQuery, Dataflow |
|
Importa i dati da una rete esterna in un data warehouse BigQuery protetto Descrive un'architettura che puoi utilizzare per proteggere un data warehouse in un ambiente di produzione e fornisce le best practice per l'importazione dei dati in BigQuery da una rete esterna come un ambiente on-premise. Prodotti utilizzati: BigQuery |
|
Importa i dati da Google Cloud in un data warehouse BigQuery protetto Descrive un'architettura che puoi utilizzare per proteggere un data warehouse in un ambiente di produzione e fornisce le best practice per la governance dei dati di un data warehouse in Google Cloud. Prodotti utilizzati: BigQuery, Cloud Data Loss Prevention, Cloud Key Management Service, Dataflow |
|
Importazione di dati clinici e operativi con Cloud Data Fusion Spiega a ricercatori, data scientist e team IT come Cloud Data Fusion può sbloccare i dati importandoli, trasformandoli e archiviandoli in BigQuery, un data warehouse aggregato su Google Cloud. Prodotti utilizzati: BigQuery, Cloud Data Fusion, Cloud Storage |
|
Soluzione Jump Start: lakehouse di analisi Unifica data lake e data warehouse creando una lakehouse di analisi con BigQuery per archiviare, elaborare, analizzare e attivare i dati. |
|
Soluzione di avvio rapido: data warehouse con BigQuery Crea un data warehouse con una dashboard e uno strumento di visualizzazione che utilizza BigQuery. |
|
Soluzione pronta all'uso: app web Go per la condivisione di dati di grandi dimensioni Esegui il deployment di un'applicazione Go su Cloud Run per gestire un numero elevato di file utilizzando una rete CDN (Content Delivery Network) e l'archiviazione di oggetti. |
|
Soluzione pronta all'uso: app web Java per la condivisione di dati di grandi dimensioni Esegui il deployment di un'applicazione Java su Cloud Run per gestire un numero elevato di file utilizzando una rete CDN (Content Delivery Network) e l'archiviazione di oggetti. |
|
Aiuta a pianificare, progettare e implementare il processo di migrazione a Google Cloud dei carichi di lavoro delle applicazioni e dell'infrastruttura, inclusi i carichi di lavoro di computing, database e archiviazione. Prodotti utilizzati: App Engine, Cloud Build, Cloud Data Fusion, Cloud Deployment Manager, Cloud Functions, Cloud Run, Cloud Storage, Container Registry, Data Catalog, Dataflow, peering diretto, Google Kubernetes Engine (GKE), Transfer Appliance |
|
Migrazione dell'infrastruttura Hadoop on-premise a Google Cloud Guida allo spostamento dei carichi di lavoro Hadoop on-premise in Google Cloud in corso... Prodotti utilizzati: BigQuery, Cloud Storage, Dataproc |
|
Ottimizzazione dell'importazione su larga scala di eventi e log di analisi Descrive un'architettura per ottimizzare l'importazione di analisi su larga scala su Google Cloud, dove per "su larga scala" si intendono più di 100.000 eventi al secondo o avere una dimensione totale del payload degli eventi aggregati superiore a 100 MB al secondo. Prodotti utilizzati: BigQuery, Cloud Logging, Cloud Pub/Sub, Compute Engine, Dataflow |
|
Esecuzione dell'ETL da un database relazionale in BigQuery utilizzando Dataflow Mostra come utilizzare Dataflow per estrarre, trasformare e caricare i dati (ETL) da un database relazionale di elaborazione delle transazioni online (OLTP) in BigQuery per l'analisi. Prodotti utilizzati: BigQuery, Cloud Storage, Compute Engine, Dataflow |
|
Modellazione della propensione per le applicazioni di gioco Scopri come utilizzare BigQuery ML per addestrare, valutare e ottenere previsioni da diversi tipi di modelli di propensione. I modelli di propensione possono aiutarti a determinare la probabilità che utenti specifici tornino nella tua app, in modo da poter utilizzare questi dati... |
|
Analisi dei log di sicurezza in Google Cloud Mostra come raccogliere, esportare e analizzare i log di Google Cloud per aiutarti a controllare l'utilizzo e a rilevare le minacce per i tuoi dati e carichi di lavoro. Usa le query di rilevamento delle minacce incluse per BigQuery o Chronicle oppure utilizza il tuo SIEM. Prodotti utilizzati: BigQuery, Cloud Logging, Compute Engine, Looker Studio |
|
Creare un'API che possa prevedere la probabilità che un cliente effettui un acquisto. Prodotti utilizzati: Apigee, AppSheet, BigQuery ML, Spanner |
|
Monitorare i metadati di provenienza e derivazione per i dati sanitari Descrive come monitorare i metadati di provenienza e derivazione per i dati sanitari in Google Cloud per ricercatori, data scientist e team IT. Prodotti utilizzati: BigQuery, Cloud Data Fusion, Cloud Storage |
|
Trasformare e armonizzare i dati sanitari per BigQuery Descrive i processi e le considerazioni coinvolti nell'armonizzazione dei dati sanitari su Google Cloud per ricercatori, data scientist e team IT che vogliono creare un data lake di analisi in BigQuery. Prodotti utilizzati: BigQuery, Cloud Data Fusion, Cloud Data Loss Prevention, Cloud Storage |
|
Utilizzare una pipeline CI/CD per i flussi di lavoro di elaborazione dati Descrive come configurare una pipeline di integrazione continua/deployment continuo (CI/CD) per l'elaborazione dei dati implementando metodi CI/CD con prodotti gestiti su Google Cloud. Prodotti utilizzati: Cloud Build, Cloud Composer, Cloud Source Repositories, Cloud Storage, Compute Engine, Dataflow |
|
Utilizzare Apache Hive su Dataproc Mostra come utilizzare Apache Hive su Dataproc in modo efficiente e flessibile archiviando i dati Hive in Cloud Storage e ospitando il metastore Hive in un database MySQL su Cloud SQL. Prodotti utilizzati: Cloud SQL, Cloud Storage, Dataproc |