首页
›
后端、数据与云原生工程
›
088-Databricks Lakehouse数据平台工程
›
《DatabricksDataOps持续交付与发布》
VIP20
本课程属于:088-Databricks Lakehouse数据平台工程
后端、数据与云原生工程 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
📘
DatabricksDataOps持续交付与发布
共计 30 章节
可可资料掘金营 · 点击在线试看
01
Databricks DataOps持续交付全景
目标=理解DataOps核心原则 · 持续交付与发布在Lakehouse架… · 关键挑战与价值流
Databricks
DataOps
02
Databricks工作区与资产对象
目标=梳理Notebook · Job · Cluster
Databricks
工作区
03
环境策略与工作区规划
目标=设计dev/staging/p… · 配置隔离 · 权限与网络边界
环境策略
工作区规划
04
基础设施即代码入门
目标=使用Terraform或Dat… · 集群 · 作业与权限的声明式管理
基础设施即代码入…
Terraform
05
Databricks Asset Bundles核心机制
目标=掌握bundle配置结构 · 资源定义 · 变量与目标环境覆盖
Databricks
Asset
06
版本控制与分支策略
目标=基于Git管理Notebook · 代码 · 配置与Bundle定义
版本控制
分支策略
07
CI流水线设计
目标=在GitHub Actions · Azure DevOps或GitLa… · 单元测试与Bundle验证阶段
CI
流水线设计
08
单元测试与数据质量测试
目标=为PySpark · SQL · Delta Live Tables编…
单元测试
数据质量测试
09
集成测试与端到端验证
目标=在临时环境或隔离集群中运行作业 · 验证数据输出 · 检查依赖与失败恢复
集成测试
端到端验证
10
Bundle部署与发布编排
目标=使用databricks bu… · 管理部署顺序 · 回滚与幂等性
Bundle
部署
11
Databricks Jobs与工作流编排
目标=定义多任务作业 · 依赖关系 · 触发器和参数化
Databricks
Jobs
12
Delta Live Tables持续交付
目标=管理DLT管道版本 · 期望 · 目标表模式演进与生产发布策略
Delta
Live
13
ML模型持续交付
目标=使用MLflow注册模型 · 管理模型版本 · 通过Databricks Jobs或…
ML
模型持续交付
14
Feature Store与特征发布
目标=在Databricks Fea… · 训练/服务一致性及发布流程
Feature
Store
15
密钥与配置管理
目标=使用Databricks Se… · Azure Key Vault或AW…
密钥
配置管理
16
权限与访问控制即代码
目标=通过Terraform · Bundle或API管理集群 · 作业
权限
访问控制即代码
17
发布审批与变更管理
目标=设计人工审批门禁 · 变更日志 · 审计追踪与合规检查点
发布审批
变更管理
18
蓝绿与金丝雀发布策略
目标=在Databricks作业 · DLT管道和模型服务中实施渐进式发布…
蓝绿
金丝雀发布策略
19
回滚与灾难恢复
目标=制定版本回退 · 数据快照恢复 · 作业重跑与跨区域恢复的自动化方案
回滚
灾难恢复
20
监控与可观测性
目标=集成Databricks作业指… · Delta Live Tables事… · MLflow追踪与外部监控系统
监控
可观测性
21
告警与事件响应
目标=配置失败告警 · 数据质量告警 · SLA监控
告警
事件响应
22
成本治理与发布优化
目标=在持续交付中监控集群成本 · 作业运行时长 · 优化发布频率与资源策略
成本治理
发布优化
23
数据血缘与影响分析
目标=利用Unity Catalog… · Delta Sharing和审计日志…
数据血缘
影响分析
24
多团队协作与发布协调
目标=管理共享库 · 跨团队依赖 · 发布窗口与冲突解决机制
多团队协作
发布协调
25
安全与合规发布
目标=在CI/CD中集成静态代码扫描 · 依赖漏洞检查 · 数据脱敏与合规策略验证
安全
合规发布
26
端到端实战
目标=从代码提交到生产发布——构建一… · 覆盖测试 · 部署
端到端实战
目标=从代码提交…
27
实战
目标=使用Databricks As… · 参数化配置并执行自动化部署
Databricks
As
28
实战
目标=ML模型持续交付流水线 · 模型注册到自动部署与A/B测试的完整…
ML
目标=
29
发布度量与持续改进
目标=定义DORA指标 · 发布频率 · 变更失败率
发布度量
持续改进
30
前沿与演进
目标=探索Databricks La… · Unity Catalog · Serverless与AI辅助Dev…
前沿
演进
所属VIP或分类
同VIP:Databricks-Lakehouse企业数据平台建设
同VIP:Databricks-Lakehouse项目验收与工程交付
同VIP:DatabricksFinOps成本治理工程