Formation Trino : Interrogation SQL des données distribuées

Trino est un moteur SQL distribué permettant d'interroger rapidement des sources de données hétérogènes (fichiers, bases relationnelles, NoSQL, etc.) à l'aide d’un langage SQL standard. Il est utilisé pour l'analyse interactive à grande échelle sans nécessiter de déplacement de données. Dans un monde où les données sont de plus en plus fragmentées, Trino permet une vue unifiée et performante de l'information. Suivre cette formation vous apportera la capacité d’exploiter Trino efficacement dans des environnements big data, pour des analyses transversales et rapides, en combinant des données provenant de plusieurs systèmes.

Objectif opérationnel :

Savoir interroger des sources de données multiples avec Trino en utilisant SQL.

Objectif pédagogiques :

À l'issue de cette formation Trino : Interrogation SQL des données distribuées, vous aurez acquis les connaissances nécessaires pour :

• Comprendre l’architecture et les cas d’usage de Trino.
• Savoir connecter et configurer Trino avec plusieurs sources de données.
• Rédiger des requêtes SQL performantes sur des données distribuées.
• Optimiser les performances des requêtes dans Trino.
• Gérer les accès et la sécurité dans Trino.

Public :

Cette formation est destinée aux ingénieurs data, analystes, architectes et administrateurs de bases de données impliqués dans l’analyse de données distribuées.

Prérequis :

Avoir des bases solides en langage SQL et une bonne compréhension des systèmes de gestion de bases de données relationnelles. Une familiarité avec les architectures Big Data est un plus pour profiter pleinement de la formation.

Jour 1

Introduction à Trino

Historique et positionnement de Trino (anciennement PrestoSQL)
Architecture distribuée de Trino
Fonctionnement du moteur d’exécution
Concepts fondamentaux : catalogues, workers, coordinatorsTravaux pratiquesObjectif :Découvrir l’interface de Trino, l’installation de base et son fonctionnement général.
Description :Installation de Trino sur un environnement local ou cloud. Exploration de l’interface. Comment Trino interroge-t-il plusieurs systèmes en parallèle ?

Connexion aux sources de données

Configuration des catalogues
Connexion à des bases PostgreSQL, Hive, MySQL, S3, etc.
Gestion des formats de fichiers : JSON, Parquet, CSV
Limitations et compatibilitésTravaux pratiquesObjectif :Être capable de connecter Trino à plusieurs sources hétérogènes.
Description :Configuration de catalogues pour interroger des bases PostgreSQL et des fichiers Parquet sur S3. Quel type de source Trino ne peut-il pas interroger ?Jour 2

Requêtes SQL avec Trino

Syntaxe SQL supportée par Trino
Jointures entre sources de données
Fonctions analytiques et d’agrégation
Requêtes imbriquées et vuesTravaux pratiquesObjectif :Savoir écrire des requêtes SQL multi-sources efficaces.
Description :Réalisation de requêtes combinant des données issues de Hive et PostgreSQL. Peut-on utiliser des jointures même si les schémas sont différents ?

Optimisation et sécurité

Optimisation des performances : partitionnement, pushdown, stats
Limitations connues et bonnes pratiques
Sécurité et contrôle d’accès
Supervision et logsTravaux pratiquesObjectif :Améliorer les performances des requêtes et sécuriser les accès.
Description :Étude de cas sur les requêtes lentes et mise en œuvre de mécanismes de sécurité avec Trino. Quel est l’impact de la granularité des partitions sur les performances ?

80 % du temps est consacré aux travaux pratiques. Utilisation de Trino, d’outils SQL, et de systèmes de fichiers distribués comme HDFS ou S3.