data-engineering
32 notes
Designing Data-Intensive Applications - In-Depth Summary
Chapter 1: Reliable, Scalable, and Maintainable Applications
Chapter 2: Data Models and Query Languages
Chapter 3: Storage and Retrieval
Chapter 4: Encoding and Evolution
Chapter 5: Replication
Chapter 6: Partitioning
Chapter 7: Transactions
Chapter 8: The Trouble with Distributed Systems
Chapter 9: Consistency and Consensus
Chapter 10: Batch Processing
Chapter 11: Stream Processing
Chapter 12: The Future of Data Systems
Key Concepts Glossary
Designing Data-Intensive Applications
📘 สรุป Fundamentals of Data Engineering
บทที่ 1: Data Engineering Described — Data Engineering คืออะไร?
บทที่ 2: The Data Engineering Lifecycle — หัวใจของหนังสือทั้งเล่ม
บทที่ 3: Designing Good Data Architecture
บทที่ 4: Choosing Technologies Across the Data Engineering Lifecycle
บทที่ 5: Data Generation in Source Systems
บทที่ 6: Storage
บทที่ 7: Ingestion
บทที่ 8: Queries, Modeling, and Transformation
บทที่ 9: Serving Data for Analytics, Machine Learning, and Reverse ETL
บทที่ 10: Security and Privacy
บทที่ 11: The Future of Data Engineering
สรุปแนวคิดหลักของหนังสือทั้งเล่ม
Appendix A: Serialization and Compression
Appendix B: Cloud Networking
Fundamentals of Data Engineering
สรุป data fundamentals ใน 51 นาที (Azure Data fundamentals)