Google PDE: Veri Alımı, Entegrasyonu ve Migrasyonu — Çalışma kılavuzu

By Laurynas Brazys · 21 August 2026 · #google #PDE #certification #exam-prep #study-guide

Şunun bir parçası: Google Professional Data Engineer — Çalışma kılavuzu. Doğrulanmış cevaplarla şurada pratik yapın: Google sınav merkezi, veya şurada süreli deneme sınavları çözün: ExamRoll.io.

Genel Bakış

Google Cloud’da veri alımı, entegrasyonu ve geçişi; çeşitli kaynak sistemleri güvenilir, sorgulanabilir veri kümelerine dönüştüren tekrarlanabilir kalıpları, yönetilen hizmetleri ve operasyonel kontrolleri kapsar. Etkili tasarımlar, taşımayı dönüşümden ayırır, üreticileri ve tüketicileri birbirinden ayırır ve net veri kökeni (lineage) ve doğrulamaya sahip, birim-etkili (idempotent) ve kontrol noktalı (checkpointed) işlem hatlarını (pipeline) tercih eder. Bu bölüm, veri alım kalıplarını, taşıma ve CDC için Google Cloud hizmetlerini, şema ve veri kalitesi kontrollerini, bağlantı ve hibrit entegrasyonu ve geçiş (cutover) stratejilerini, tasarım ödünleşimleri ve hata modlarına dikkat çekerek ele almaktadır.

Veri Alım Kalıpları ve İş Yükleri

• Toplu (Batch) veri alımı: Tanımlanmış aralıklarla periyodik çekmeler veya dosya bırakmaları. Öngörülebilir maliyet ve geçmiş veri doldurma (backfill) için iyidir. Hata modu: büyük, seyrek toplu işlemler kaynak kullanımında ani artışlara, uzun telafi pencerelerine ve kaçırılan SLA’lere neden olur. Azaltma: toplu işlem pencerelerini doğru boyutlandırın, zamana veya anahtara göre parçalara (shard) ayırın ve paralellik kullanın.
• Yığın (Bulk) yükleme: Tek seferlik veya büyük ölçekli yüklemeler (ör. başlangıçtaki geçmiş verilerin doldurulması). Sütun tabanlı (columnar) veya kendini tanımlayan formatları (Parquet, Avro) tercih edin ve doğrudan analitik depolamaya (BigQuery) veya Cloud Storage’daki bir hazırlık (staging) alanına yükleyin. Ödünleşim: harici tablo sorgulaması yükleme adımlarını ortadan kaldırır ancak maliyeti sorgu zamanındaki taramaya kaydırır.
• Artımlı (Incremental) yükleme: Zaman damgaları veya yüksek su işaretleri (high-water marks) aracılığıyla periyodik delta yüklemeleri. Güçlü tekilleştirme ve birim-etkili (idempotent) ekleme/güncelleme (upsert) işlemleri gerektirir. Hata modu: saat kayması (clock skew) veya geç gelen kayıtlar. Sunucu tarafı işleme (commit) zaman damgalarını ve filigranlamayı (watermarking) kullanın.
• Değişiklik Veri Yakalama (CDC): Operasyonel veritabanlarından ekleme, güncelleme ve silme işlemlerinin sürekli replikasyonu. Neredeyse gerçek zamanlı analitik ve düşük kesintili geçişler için en iyisidir. Ödünleşimler:
  • Sıralama: Çoğu CDC aracı, işlem içindeki ve genellikle bir parça (shard) içindeki sırayı korur, ancak parçalar arası genel (global) sırayı garanti etmez. Sırayı yeniden oluşturmak için işlem işleme (commit) zaman damgalarını ve birincil anahtarları kullanın.
  • Teslimat semantiği: En az bir kez (at-least-once) teslimat tipiktir; birim-etkili (idempotent) hedefler (sink) oluşturun veya benzersiz değişiklik kimlikleri kullanarak tekilleştirme yapın.
  • Anlık Görüntü (Snapshot) + CDC: Tutarlı bir anlık görüntü ile başlayın, ardından kesinti olmadan eşitliğe ulaşmak için hassas bir günlük dizisinden gelen değişiklikleri uygulayın.

İlişkisel, SaaS, şirket içi (on-premises) ve dosya kaynakları:

• İlişkisel kaynaklar: Yerel CDC veya zaman damgası sütunlarını kullanın. Yığın (bulk) yükleme için Avro/Parquet formatında dışa aktarın ve Cloud Storage’da hazırlık (stage) alanına koyun.
• SaaS kaynakları: Artımlı token’lar sunan sağlayıcı API’lerini tercih edin; yönetilen bağlayıcılar (ör. Data Fusion’daki gibi) aracılığıyla entegre edin. Hız limitleri (rate limit) için yavaşlatma (throttle) yapın ve şema kaymasını (schema drift) yönetin.
• Şirket içi (On-prem) kaynaklar: Aracı tabanlı (agent-based) aktarım, VPN/Interconnect + Private Google Access veya Transfer Appliance ile çevrimdışı tohumlama (offline seeding) seçeneklerinden birini seçin.
• Dosya alımı: Çok sayıda küçük dosya için, RPC ek yükünü azaltmak amacıyla paketleyin (ör. tar).

undefined

veya paralelleştirilmiş istemciler kullanın; analitik için daha büyük, sütun tabanlı dosyalara birleştirin (compose) veya dönüştürün (transform).

Veri Alımı, Entegrasyon ve Geçiş için Google Cloud Hizmetleri

• Datastream (sunucusuz CDC): MySQL, PostgreSQL ve Oracle’dan gelen değişiklikleri Cloud Storage, BigQuery (şablonlar aracılığıyla) veya Pub/Sub’a yakalar. İşlem sınırlarını ve işleme (commit) üst verilerini korur; genel (global) sıralama garanti edilmez. Sonraki aşamada (downstream) anahtar ve işleme zaman damgasına göre sıralama uygulayın. En az bir kez (at-least-once) teslimat bekleyin; birim-etkili (idempotent) tüketiciler tasarlayın (ör. değişiklik kimlikleriyle BigQuery MERGE).
• Database Migration Service (DMS): Yerel replikasyon kullanarak minimum kesintili veritabanı geçişleri için. DMS tutarlı bir anlık görüntü oluşturur, ardından GTID/LSN/SCN kullanarak değişiklikleri sürekli olarak çoğaltır. Keyfi dönüşümler için değil, olduğu gibi taşıma (lift-and-shift) için özel olarak tasarlanmıştır. Analitik için, gerekirse DMS’i Dataflow veya Data Fusion ile güçlendirin.
• Cloud Data Fusion: İlişkisel, SaaS, dosya ve mesajlaşma sistemlerine bağlayıcıları (connector) olan yönetilen bir entegrasyon hizmeti. Dönüşüm aşamaları (birleştirmeler, toplamalar, format dönüşümleri, özel Wrangler tarifleri) ile işlem hatları (pipeline) oluşturun ve kaynaklar ile alanlar arasındaki veri kökenini (lineage) yakalayın. Operasyonel olarak, zamanlar, yeniden dener ve metrikler yayınlar. Kodsuz/az kodlu (no/low-code) ELT/ETL ve bağlayıcı yönetimini merkezileştirmek için Data Fusion’ı kullanın.
• Storage Transfer Service (STS): AWS S3, Azure Blob, şirket içi (on-prem) (aracılar kullanarak), SFTP ve URL listelerinden Cloud Storage’a yönetilen, zamanlanmış aktarımlar. Manifestoları, artımlı senkronizasyonu, bant genişliği kontrolünü ve sağlama toplamı (checksum) ile bütünlüğü destekler. Hata modları arasında küçük dosya verimsizliği ve API yavaşlatması (throttling) bulunur; toplu işlem (batching) ve ayarlanabilir eşzamanlılık ile azaltın.
• Transfer Appliance: Ağ bant genişliği sınırlı olduğunda veya veriler uzun süreli aktarım için çok hassas olduğunda, multi-terabayt ila petabayt ölçeğindeki başlangıç tohumlaması (initial seeding) için çevrimdışı, şifrelenmiş cihaz. Gözetim zinciri (chain-of-custody) ve şifreleme yerleşiktir. Tohumlamadan sonra, deltalar için STS veya CDC ile devam edin.
• Cloud Pub/Sub + Dataflow: Pub/Sub, akış (streaming) veya mikro-toplu (micro-batch) işlem kalıpları için üreticileri ve tüketicileri birbirinden ayırır. Dataflow, kontrol noktası (checkpointing) ve filigranlama (watermarking) ile otomatik ölçeklenen, durum bilgisi olan (stateful) akış/toplu işlem sunar. Varsayılan akış başına tam olarak bir kez (exactly-once) garantisiyle düşük gecikmeli akış için BigQuery Storage Write API’sini kullanın; aksi takdirde insertId tekilleştirme semantiğine güvenin.

Hadoop’tan Dataproc’a geçişler için, verileri GCS bağlayıcısı ile Cloud Storage’da saklayarak ve geçici (ephemeral) veya otomatik ölçeklenen kümeler kullanarak Persistent Disk kullanımını en aza indirin. Bu, işleme için HDFS uyumlu semantiği korurken büyük blok depolama maliyetlerinden kaçınmayı sağlar.

Sınırda Şema, Doğrulama ve Veri Kalitesi

• Şema eşleştirme ve tür dönüştürme: Mümkün olan en erken aşamada, kesin tür belirtilmiş (strongly typed) şemalara standartlaştırın. Avro veya Parquet, şemayı korur ve temiz bir şekilde geliştirilmeye olanak tanır. BigQuery’de, tarama maliyetini düşürmek için bölümlenmiş (partitioned) ve kümelenmiş (clustered) tabloları tercih edin. Örnek: günlük analiz için bölümlenmiş bir tablo oluşturma CREATE TABLE dataset.tracking_table ( event_ts TIMESTAMP, device_id STRING, payload STRING ) PARTITION BY DATE(event_ts) CLUSTER BY device_id;
• Hatalı biçimlendirilmiş kayıtların işlenmesi: Reddedilen kayıtları bir dead-letter queue’ya (Pub/Sub) veya Cloud Storage’daki bir karantina bucket’ına yönlendirin. Dataflow’da yan çıktılar (side outputs) veya Data Fusion’da hata toplayıcılar (error collectors) kullanın. Ayrıştırma (parse) hatalarını, önceliklendirme (triage) için örnek payload’lar ve şema sürümleriyle birlikte loglayın.
• Doğrulama: Kalıcı hale getirmeden (persistence) önce sınır kontrolleri yapın:
  • Yapısal: şema uyumluluğu, zorunlu alanlar, veri türleri, enum alanları.
  • Referanssal: önbelleğe alınmış boyut (dimension) aramaları aracılığıyla yabancı anahtar (foreign key) varlığı.
  • Makullük: zaman damgaları (timestamps) için aralıklar, coğrafi sınırlar (geofences), negatif olmayan tutarlar.
  • Benzersizlik: birincil anahtar (primary key) veya bileşik anahtar (composite key) çakışmaları.
• Idempotent yükleme: Deterministik anahtarlar ve upsert işlemleri kullanın. BigQuery’de, doğal (natural) veya vekil (surrogate) bir değişiklik anahtarı ile MERGE komutunu uygulayın. Örnek: MERGE dataset.orders T USING dataset.orders_stage S ON T.order_id = S.order_id WHEN MATCHED THEN UPDATE SET amount = S.amount, status = S.status WHEN NOT MATCHED THEN INSERT (order_id, amount, status) VALUES (S.order_id, S.amount, S.status);
• Filigran (Watermarking) ve gecikme (lateness): Akış (streaming) pipeline’larında, bütünlük ve gecikme süresini dengelemek için olay zamanı filigranlarını (event-time watermarks) ve izin verilen gecikmeyi (allowed lateness) yapılandırın. Geciken veriler, düzeltici yollara yönlendirilir veya geriye dönük doldurmaları (backfills) tetikler.
• Mutabakat: Kaynaktan hedefe (sink) kadar her bölüm/pencere (partition/window) için satır sayılarını ve checksum’ları takip edin. CDC log pozisyonlarını (LSN/SCN) ve commit zaman damgalarını yakalayın; sürekliliği kanıtlamak ve boşlukları tespit etmek için bir kontrol tablosunda saklayın.

Bağlantı, Güvenilirlik ve Operasyonlar

• Ağ bağlantısı ve özel erişim:

  • Hibrit: Özel bağlantı için Cloud VPN veya Dedicated/Partner Interconnect kullanın. Cloud Storage gibi Google API’lerine özel erişim için Private Google Access veya Private Service Connect’i etkinleştirin.
  • Güvenlik: İş yükü kimliği (workload identity) için hizmet hesapları (service accounts), en az ayrıcalık ilkesine sahip IAM (least-privilege IAM), veri sızıntısını önlemek için VPC Service Controls ve gerektiğinde CMEK kullanın.
  • Verim (Throughput): İstemci tarafında paralelliği ölçeklendirin, ancak nihayetinde verimi bant genişliği belirler. Çok büyük aktarımlar için, ilk toplu yüklemede Transfer Appliance’ı, ardından artımlı güncellemeler için STS veya CDC’yi tercih edin.

• Kontrol noktaları (Checkpoints) ve geri basınç (backpressure): Dataflow, kontrol noktalarını ve otomatik ölçeklendirmeyi (autoscaling) yönetir; ani yoğunlukları emebilecek hedefler (sinks) tasarlayın (Cloud Storage’a arabelleğe alma, BigQuery’ye toplu yazma). Pub/Sub için, mesajların tekrar tekrar teslim edilmesi fırtınalarını (message redelivery storms) önlemek amacıyla akış kontrolünü (flow control) ve onay son tarihlerini (ack deadlines) ayarlayın.

• CDC ile sıralama ve tutarlılık:

  • Datastream, işlem içi (intra-transaction) sırayı korur ve commit üst verisini (metadata) yayınlar; tüketiciler (consumers), commit zaman damgalarını kullanarak anahtar başına sırayı yeniden oluşturur. En az bir kez (at-least-once) teslimat bekleyin; idempotent bir yapı kurun.
  • DMS, yerel (native) logları kullanarak anlık görüntü (snapshot) ve replikasyon geçişi (cutover) boyunca veritabanı tutarlılığını sağlar. Aşamalı geçiş (phased cutover) için okuma replikalarını (read replicas) veya çift yazma (dual-write) stratejilerini kullanın.

• Analitik için dosya stratejisi: Büyük, çok motorlu (multi-engine) erişim için, standart (canonical) verileri Cloud Storage’da saklayın ve maliyet açısından verimli olduğu durumlarda, anlık (ad hoc) sorgular için kalıcı harici tablolar (external tables) olarak sunun. Üretim analitiği için, sorgu başına tarama maliyetini en aza indirmek amacıyla bölümlenmiş BigQuery tablolarına yükleyin.

• Küçük dosya optimizasyonu: Küçük dosyaları aktarımdan önce paketleyin (ör. tar başına ~1.000 dosya), ardından bulutta açın. Staging yapıtlarını (artifacts) katmanlandırmak ve süresini doldurmak için paralel gsutil ve yaşam döngüsü kurallarını (lifecycle rules) kullanın.

• Operasyonel tuzaklar ve azaltma yöntemleri:

  • SaaS’tan kaynaklanan şema kayması (schema drift): Data Fusion’da şema evrimini (schema evolution) etkinleştirin ve uyumluluğu zorunlu kılın. Bozucu değişiklikler (breaking changes) için uyarı oluşturun.
  • Saat dilimi ve kodlama (encoding): Girişte (ingress) UTC ve UTF-8’e normalleştirin.
  • CDC’deki boşluklar: Kaynak log saklama süresini (retention) izleyin; replika gecikmesi (replica lag) saklama sınırlarına yaklaştığında uyarı oluşturun.
  • Kotalar: BigQuery streaming insert, API hız limitleri (rate limits); limitlere yaklaşıldığında toplu (batch) işlem yapın.

Devreye Alma, Geriye Dönük Doldurma ve Doğrulama

• Devreye alma planlaması:
  • Büyük patlama (Big bang): kısa süreli dondurma, tek seferde geçiş. Operasyonel karmaşıklığı en düşük; geri alma gerekirse riski en yüksek olan yöntemdir.
  • Aşamalı veya mavi/yeşil (blue/green): yansıtılmış yazmalarla çift taraflı çalıştırma, kademeli trafik kaydırma ve gölge okumalar. Maliyeti daha yüksek; geri alması daha güvenlidir.
• Geriye dönük doldurma:
  • Şemayı korumak için Avro/Parquet kullanarak ilk toplu yüklemeyi (Transfer Appliance veya STS) gerçekleştirin. Yeniden işleme yapmaktan kaçınmak için yükleme sırasında bölümleme ve kümeleme yapın.
  • Toplu aktarım sırasındaki değişiklikleri (delta) yakalamak için anlık görüntüyle (snapshot) eş zamanlı olarak bilinen bir log konumundan CDC’yi (Değişiklik Veri Yakalama) başlatın. Üretime açmadan önce ortak bir filigranda (watermark) mutabakat sağlayın.
• Geri alma:
  • Doğrulama sırasında eski sistemi salt okunur modda tutun. Çift taraflı yazma senaryoları için, hızlı bir şekilde geri dönebilmek amacıyla yazma işlemlerini bir özellik bayrağının (feature flag) arkasına alın. Gerekirse CDC değişikliklerini yeniden oynatmak veya geri sarmak için tutarlı bir kontrol noktası (checkpoint) bulundurun.
• Taşıma doğrulaması:
  • Yapısal: satır sayıları ve bölüm başına sağlama toplamları (checksum) eşleşmeli; şema ve kısıtlamalar denk olmalıdır.
  • Zamansal: anlık görüntü sınırından devreye almaya kadar boşluk olmamalı; CDC konumları sürekli olmalıdır.
  • İş paritesi: belirli zaman aralıkları üzerinden toplamları (aggregate) ve KPI’ları karşılaştırın; kabul sorgularını çalıştırın.
  • Performans: veri alım hızını, sorgu gecikmesini ve maliyeti bütçelere göre doğrulayın.

Pratik Problem Senaryosu

Northstar Retail, gerçek zamanlıya yakın analitik ve makine öğrenimini desteklemek için şirket içi Oracle ve MySQL işlemsel sistemleri, SaaS CRM olayları ve günlük CSV dosyalarından oluşan küresel bir karışımı Google Cloud’da birleştirmelidir. Ayrıca, eski bir Hadoop kümesini yüksek blok depolama masrafına girmeden taşımaları ve sıfır ila düşük kesinti süresiyle devreye alma işlemini gerçekleştirmeleri gerekmektedir.

1. Güvenli hibrit bağlantı kurun

• Birincil bant genişliği için Partner Interconnect ve yedek olarak Cloud VPN kullanın. Şirket içi iş yüklerinin Cloud Storage ve Pub/Sub’a özel olarak erişebilmesi için Private Google Access’i etkinleştirin. Gerekçe: Özel yollar, dışarıya açık olma durumunu ve gecikmeyi en aza indirir. Private Google Access ise güvenlik politikasını karşılarken genel IP gereksinimlerini ortadan kaldırır.

2. Geçmiş verileri verimli bir şekilde önceden yükleyin

• 800 TB’lık geçmiş HDFS verisi için, Transfer Appliance kullanarak Cloud Storage’a kopyalayın (ilk toplu yükleme). Ön yüklemeden sonra, devreye alıma kadar değişiklikleri almak için şirket içi NFS dışa aktarımından Storage Transfer Service’i günlük olarak çalıştırın. Gerekçe: Transfer Appliance, uzun süreli ağ doygunluğunu önler; STS, zamanlanmış ve sağlama toplamlı artımlı senkronizasyon sağlar. GCS bağlayıcısı ile Cloud Storage’da depolama, düğüm başına 50 TB Persistent Disk olmadan Dataproc ile işlem yapmaya olanak tanır.

3. Operasyonel veritabanlarını CDC ile taşıyın

• MySQL ve PostgreSQL’i minimum kesinti süresiyle taşımak için DMS kullanın. Oracle’dan analitiğe yönelik CDC için, Datastream’i Cloud Storage’a iniş alanı olarak kullanın, ardından BigQuery’ye yüklemek için Google tarafından sağlanan bir Dataflow şablonunu kullanın. Gerekçe: DMS, güvenilir anlık görüntü + sürekli senkronizasyon için yerel replikasyonu kullanır; Datastream, commit üst verisi ile sunucusuz CDC sağlar; Dataflow şablonu ise sıralı ve etkisiz (idempotent) BigQuery yazmalarını garanti eder.

4. SaaS ve dosya tabanlı akışları alın

• CRM olayları için artımlı token’lar kullanarak SaaS bağlayıcıları ile Cloud Data Fusion ardışık düzenleri (pipeline) oluşturun ve bir satıcının SFTP’sinden STS aracılığıyla günlük CSV’leri almak için bir dosya ardışık düzeni kurun. Düzenlenmiş bir Cloud Storage bucket’ında Avro’ya normalleştirin, ardından bölümlenmiş BigQuery tablolarına yükleyin. Gerekçe: Cloud Data Fusion, bağlayıcıları, dönüşümü ve veri kökenini (lineage) merkezileştirir. Avro üzerinde standartlaşmak şemayı korur ve gelişimi kolaylaştırır; bölümlenmiş BigQuery tabloları sorgu maliyetini düşürür.

5. Gerçek zamanlı olayları akıtın

• Web ve mağaza olaylarını Pub/Sub’da yayınlayın. Ayrıştırma, doğrulama, zenginleştirme ve filigranlama (watermarking) için Dataflow ile işleyin; Storage Write API aracılığıyla BigQuery’ye yazın ve ham Avro’yu Cloud Storage’a arşivleyin. Gerekçe: Pub/Sub, üreticileri/tüketicileri birbirinden ayırır; Dataflow, otomatik ölçeklendirme, durum bilgili işleme, kontrol noktaları ve geç gelen veriyi işleme özellikleri sunar; çift taraflı yazma, hem düşük gecikmeli analitiği hem de dayanıklı ham veri saklamayı sağlar.

6. Sınırda veri kalitesi ve şema kontrollerini uygulayın

• Dataflow/Data Fusion’da şema kaydı ve doğrulaması uygulayın. Bozuk biçimli kayıtları bir GCS karantina bucket’ına ve bir Pub/Sub teslim edilemeyen mesajlar (dead-letter) konusuna yönlendirin. Alan kontrolleri (ör. para birimi kodları, UTC zaman damgaları) uygulayın ve bileşik anahtarlar kullanarak tekilleştirme yapın. Gerekçe: Erken reddetme ve karantina, kötü verinin yayılmasını önler; etkisizlik (idempotency) ve tekilleştirme, CDC ve akış kaynaklarından gelen en az bir kez teslim (at-least-once delivery) garantisine karşı koruma sağlar.

7. Analitik depolama ve erişimi optimize edin

• Düzenlenmiş veri setlerini bölümlenmiş ve kümelenmiş BigQuery tablolarına yükleyin. Ham arşivleri, düşük sıklıkta keşif için kalıcı harici tablolar olarak sunun. İşlemsel kalan OLTP iş yükleri için Cloud SQL’i okuma replikalarıyla birlikte tutun. Gerekçe: Bölümleme ve kümeleme, tarama maliyetini en aza indirir; harici tablolar, ara sıra erişim için gereksiz yüklemeleri önler; Cloud SQL, işlemsel uygulamalar için ACID semantiğini korur.

8. Devreye alma, geriye dönük doldurma ve geri almayı planlayın

• Her RDBMS için anlık görüntü + CDC işlemini yürütün; satır sayılarının ve sağlama toplamlarının eşleştiği bir mutabakat noktasına ulaşın. 48 saat boyunca çift taraflı yazmalarla mavi/yeşil (blue/green) çalıştırın ve okumaları kademeli olarak BigQuery’ye kaydırın. Tutarsızlıklar tespit edilirse yazmaları geri almak için bir özellik bayrağı (feature flag) bulundurun. Gerekçe: Mavi/yeşil yaklaşımı riski azaltır; bilinen bir filigranda doğrulama yapmak bütünlüğü sağlar; bayraklar hızlı geri almayı mümkün kılar.

9. Doğrulama ve gözlemlenebilirlik

• Kaynak LSN/SCN’sini, commit zaman damgalarını, satır sayılarını ve bölüm başına sağlama toplamlarını yakalayan kontrol tabloları oluşturun. Datastream gecikmesini, DMS replikasyon durumunu, Dataflow filigranlarını, Pub/Sub birikmesini, STS iş durumunu ve BigQuery akışla ekleme metriklerini izleyin. Gerekçe: Uçtan uca veri kökeni ve nicel kontroller, denetlenebilir bir doğruluk kanıtı ve boşluklar veya gecikmeler hakkında zamanında uyarı sağlar.

Karşılama (landing), düzenleme (curation) ve sunum (serving) katmanlarını ayırarak; Cloud Storage’ı dayanıklı, düşük maliyetli bir hazırlık ve arşiv alanı olarak kullanarak; etkisiz (idempotent) tüketicilerle CDC için DMS/Datastream’den yararlanarak; ve girişte şema ve kaliteyi zorunlu kılarak, Northstar Retail güvenli, ölçeklenebilir bir veri alımı ve öngörülebilir maliyetle düşük riskli, doğrulanabilir bir taşıma gerçekleştirir.

← Spark · Tüm alanlar · İş Akışı Orkestrasyonu ve İşlem Hattı Otomasyonu →

Bu soruları çözün → · ExamRoll.io’da süreli pratik →

Google'a göz atın →