1. Core data concepts
1.1. Data formats
1.1.1. Structured data
1.1.2. Semi-structured data
1.1.3. Unstructured data
1.2. Data stores
1.2.1. File stores
1.2.1.1. Human-readable
1.2.1.1.1. BLOB
1.2.1.1.2. CSV
1.2.1.1.3. JSON
1.2.1.1.4. XML
1.2.1.2. Optimized
1.2.1.2.1. Avro
1.2.1.2.2. ORC
1.2.1.2.3. Parquet
1.2.2. Databases
1.2.2.1. Relational
1.2.2.2. Non-relational
1.2.2.2.1. Key-value
1.2.2.2.2. Document
1.2.2.2.3. Column family
1.2.2.2.4. Graph
1.2.3. Data processing
1.2.3.1. Transactional (OLTP)
1.2.3.1.1. ACID
1.2.3.1.2. LOB applications
1.2.3.2. Analytical (OLAP)
1.2.3.2.1. Read-only
1.2.3.2.2. Data lake
1.2.3.2.3. ETL
1.2.3.2.4. Fact tables
1.2.3.2.5. Dimensional tables
1.2.3.2.6. Cube
1.2.3.2.7. Measure
1.2.3.2.8. Dimension
1.2.3.2.9. Data warehouses
1.3. Job roles
1.3.1. Database administrators
1.3.2. Data engineers
1.3.3. Data analysts
1.3.4. Data scientists
1.3.5. Data architect
1.3.6. Business users
1.4. Data services
1.4.1. Azure SQL
1.4.1.1. Azure SQL Database
1.4.1.2. Azure SQL Managed Instance
1.4.1.3. Azure SQL VM
1.4.2. Open-source relational databases
1.4.2.1. Azure Database for MySQL
1.4.2.2. Azure Database for MariaDB
1.4.2.3. Azure Database for PostgreSQL
1.4.3. CosmosDB (NoSQL)
1.4.4. Azure Storage
1.4.4.1. Blob containers
1.4.4.2. File shares
1.4.4.3. Tables
1.4.4.4. Queues
1.4.5. Azure Data Factory
1.4.6. Azure Synapse Analytics
1.4.6.1. Pipelines
1.4.6.2. SQL
1.4.6.3. Apache Spark
1.4.6.4. Azure Synapse Data Explorer
1.4.7. Azure Databricks
1.4.7.1. Databricks
1.4.7.2. Apache Spark + SQL
1.4.8. Azure HDInsight
1.4.9. Azure Stream Analytics
1.4.10. Azure Data Explorer
1.4.10.1. IOT Telemetry data
1.4.10.2. Log files
1.4.11. Microsoft Purview
1.4.11.1. Data governance
1.4.12. Microsoft Power BI
2. Relational data
2.1. Table
2.2. Entity
2.3. Row
2.4. Column
2.5. Normalization
2.6. Primary keys
2.7. Foreign keys
2.8. SQL
2.8.1. Statement types
2.8.1.1. Data Definition Language (DDL)
2.8.1.1.1. CREATE
2.8.1.1.2. ALTER
2.8.1.1.3. DROP
2.8.1.1.4. RENAME
2.8.1.2. Data Control Language (DCL)
2.8.1.2.1. GRANT
2.8.1.2.2. DENY
2.8.1.2.3. REVOKE
2.8.1.3. Data Manipulation Language (DML)
2.8.1.3.1. SELECT
2.8.1.3.2. INSERT
2.8.1.3.3. UPDATE
2.8.1.3.4. DELETE
2.8.2. Dialects
2.8.2.1. Transact-SQL (T-SQL)
2.8.2.2. pgSQL
2.8.2.3. PL/SQL
2.8.3. Database objects
2.8.3.1. Table
2.8.3.2. View
2.8.3.3. Stored Procedure
2.8.3.4. Index
3. Non-relational data
3.1. Azure blob storage
3.1.1. Types
3.1.1.1. Block blobs
3.1.1.2. Page blobs
3.1.1.3. Append blobs
3.1.2. Access tiers
3.1.2.1. Hot
3.1.2.2. Cool
3.1.2.3. Archive
3.2. Azure DataLake Storage Gen2
3.2.1. Hierarchical Namespace
3.3. Azure Files
3.3.1. Azure Portal
3.3.2. AzCopy
3.3.3. Azure File Sync
3.3.4. Performance tiers
3.3.4.1. Standard
3.3.4.2. Premium
3.3.5. Network file sharing protocols
3.3.5.1. Server Message Block (SMB)
3.4. Azure Tables
3.4.1. Partition
3.4.2. Row
3.5. CosmosDB
3.5.1. Use cases
3.5.1.1. IOT and telematics
3.5.1.2. Retail and marketing
3.5.1.3. Gaming
3.5.1.4. Web apps
3.5.1.5. Mobile apps
3.5.2. APIs
3.5.2.1. Azure Cosmos DB for NoSQL
3.5.2.2. Azure Cosmos DB for MongoDB
3.5.2.3. Azure Cosmos DB for PostgreSQL
3.5.2.4. Azure Cosmos DB for Table
3.5.2.5. Azure Cosmos DB for Apache Cassandra
3.5.2.6. Azure Cosmos DB for Apache Gremlin
4. Data analytics
4.1. Large-scale data warehousing
4.1.1. Data ingestion and processing
4.1.1.1. Extract, transform and load (ETL)
4.1.1.2. Extract, load and transform (ELT)
4.1.1.3. Pipelines
4.1.1.3.1. Azure Data Factory
4.1.1.3.2. Azure Synapse Analytics
4.1.2. Analytical data store
4.1.2.1. Data warehouses
4.1.2.2. Data lakes
4.1.2.3. Hybrid (data lakehouse)
4.1.2.4. Services
4.1.2.4.1. Azure Synapse Analytics
4.1.2.4.2. Azure Databricks
4.1.2.4.3. Azure HDInsight
4.1.3. Analytical data model
4.1.4. Data visualization
4.2. Real-time analytics
4.2.1. Processing
4.2.1.1. Batch
4.2.1.2. Stream
4.2.1.2.1. Services
4.2.1.2.2. Sources
4.2.1.2.3. Sinks (output)