Zum Abschluss

Daten­transformation mit Spark SQL in Databricks

Disha Mukherjee

Lead Data Engineer

Kapitel 1

Überblick über den Databricks-Arbeitsbereich

  • DataFrames laden und prüfen
  • Daten formen mit PySpark und Spark SQL
Daten­transformation mit Spark SQL in Databricks

Kapitel 2

total_rows = df_enriched.count()
distinct_rows = df_enriched.distinct().count()

null_rate = ( df_enriched.filter(F.col("Customer_ID").isNull()) .count() / total_rows * 100 )
print(f"Total rows: {total_rows}") print(f"Duplicates: {total_rows - distinct_rows}") print(f"Null rate: {null_rate:.2f}%")
Total rows:   33,223
Duplicates:   0
Null rate:    0.00%
  • Nulls, Duplikate und ungültige Datensätze bereinigen
  • Aggregieren und Joinen mit Broadcast-Optimierung
Daten­transformation mit Spark SQL in Databricks

Kapitel 3

Lakeflow-Pipeline-DAG

  • Fensterfunktionen und Streaming-Abfragen
  • Produktionspipelines mit Databricks Jobs und Lakeflow
Daten­transformation mit Spark SQL in Databricks

Üben in einer Live-Databricks-Umgebung

Interaktive Tabelle mit Sortierung und Suche

$$

$$

$$

  • Transaktions- und Online-Retail-Datensätze
  • Interaktiv üben in einer Live-Databricks-Umgebung
Daten­transformation mit Spark SQL in Databricks

Glückwunsch!

Daten­transformation mit Spark SQL in Databricks

Preparing Video For Download...