Visão Geral

O curso Big Data Redis MongoDB DynamoDB Sharding apresenta uma visão prática e abrangente sobre como lidar com grandes volumes de dados distribuídos utilizando bancos de dados NoSQL de alta performance e escalabilidade. O participante aprenderá os conceitos de Big Data, técnicas de particionamento e sharding, e como aplicar esses conhecimentos em soluções modernas com Redis, MongoDB e DynamoDB.

A formação cobre desde a arquitetura até a configuração e operação de ambientes distribuídos, destacando as melhores práticas de desempenho, disponibilidade e gerenciamento de dados em larga escala.

Objetivo

Após realizar este curso Big Data Redis MongoDB DynamoDB Sharding, você será capaz de:

• Compreender os fundamentos e desafios de Big Data e sistemas distribuídos.
• Implementar e configurar clusters de Redis, MongoDB e DynamoDB.
• Aplicar técnicas de particionamento e sharding para otimizar o desempenho.
• Integrar bancos NoSQL em pipelines de dados modernos e escaláveis.
• Garantir alta disponibilidade, consistência e desempenho em ambientes de Big Data.

Publico Alvo

• Profissionais de tecnologia da informação, desenvolvedores, engenheiros de dados, administradores de banco de dados e arquitetos de soluções que desejam aprimorar suas habilidades em Big Data e bancos NoSQL distribuídos.

Pre-Requisitos

• Conhecimentos básicos em bancos de dados relacionais e NoSQL.
• Noções de administração de sistemas Linux.
• Familiaridade com conceitos de rede e cloud computing.

Materiais

Conteúdo Programatico

Module 1: Introduction to Big Data and NoSQL

1. Understanding the Big Data ecosystem
2. CAP Theorem and distributed system principles
3. NoSQL database models: key-value, document, and column-family
4. When to use Redis, MongoDB, and DynamoDB

Module 2: Redis for High-Performance Data Caching

1. Redis architecture overview
2. Data structures and persistence mechanisms
3. Redis Cluster and replication
4. Redis Streams and Pub/Sub for real-time analytics
5. Monitoring and tuning Redis performance

Module 3: MongoDB Architecture and Scaling

1. MongoDB document data model
2. Replica sets and fault tolerance
3. Understanding MongoDB sharding architecture
4. Configuring shard keys and balancing
5. Aggregation pipelines for Big Data analytics

Module 4: Amazon DynamoDB for Serverless Big Data

1. Overview of DynamoDB and AWS integration
2. Data partitioning and throughput management
3. Global tables and multi-region replication
4. Indexing and query optimization
5. Integration with AWS Lambda and Kinesis

Module 5: Sharding Strategies and Performance Optimization

1. Horizontal vs vertical scaling approaches
2. Designing shard keys and hash functions
3. Load balancing and data distribution patterns
4. Consistency, latency, and availability trade-offs
5. Case studies of large-scale data implementations

Module 6: Big Data Integration and Observability

1. Combining Redis, MongoDB, and DynamoDB in data pipelines
2. Integration with Spark, Kafka, and Flink
3. Metrics, monitoring, and observability tools
4. Troubleshooting distributed databases
5. Security and compliance considerations

Module 7: Hands-on Labs and Real-World Scenarios

1. Setting up a Redis Cluster
2. Configuring MongoDB Sharded Cluster
3. Working with DynamoDB Global Tables
4. Benchmarking NoSQL databases
5. Final capstone project: building a scalable Big Data solution