دوره آموزشی طراحی دیتابیس های SQL بسیار مقیاس پذیر و بسیار در دسترس (2020)
2 ساعت 39 دقیقهپیشرفته2020-11-11
مدرسین

Dan Sullivan
Enterprise Architect, Big Data Expert
جزئیات دوره
فعالیتهای آنلاین، دستگاههای تلفن همراه و حسگرهای اینترنت اشیا (IOT) حجم عظیمی از دادهها را تولید میکنند. بیشتر این دادهها به قابلیتهای پایگاه داده رابطهای مانند خواندن / نوشتن سازگاری و پردازش معاملات پیچیده نیاز دارند. در این دوره، یک نمای کلی از عناصر اساسی طراحی و پیادهسازی پایگاه دادههای رابطهای بسیار مقیاس پذیر و در دسترس داشته باشید. مربی Dan Sullivan به توسعه دهندگان و مدلسازان داده کمک میکند تا مفاهیم اساسی معماری و الگوهای طراحی را بدست آورند تا اطمینان حاصل شود که پایگاه داده آنها میتواند متناسب با نیازهای کسب و کارشان باشد. او از الزامات کلیدی مربوط به عملکردهای خاص و نیازهای غیر عملکردی مانند در دسترس بودن استفاده میکند. او نشان میدهد که چگونه میتوان از الزامات شما برای ایجاد معماری داده و مدل داده استفاده کرد. بعلاوه، وی مشکلات مصرف دادهها را در مقیاس بررسی میکند، الگوهای طراحی را برای پشتیبانی از انواع الگوهای مصرفی توصیف میکند، در مورد چگونگی طراحی برای پرسشهای مقیاس پذیر و موارد دیگر بحث میکند.
مهارت ها
PostgreSQLSQLDatabase AdministrationAdvancedDatabase DevelopmentDatabase ManagementData AnalysisProgramming LanguagesData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceSoftware Development
سرفصل ها
0. مقدمه
- 01-چالش های مقیاس بندی پایگاه های داده رابطه ای
- 02-آنچه باید بدانید
1. درک الزامات مقیاس پذیری
- 03- الزامات تجاری برای مقیاس پذیری پایگاه داده
- 04- موارد استفاده برای داده ها را شناسایی کنید
- 05- الزامات امنیتی و انطباق را شناسایی کنید
- 06-رشد داده ها را برآورد کنید
- 07-چالش - الزامات کسب و کار را در یک سناریو شناسایی کنید
- 08-راه حل - الزامات کسب و کار را در یک سناریو شناسایی کنید
2. معماری پایگاه داده و پایگاه های داده رابطه ای
- 09- یک دیتا استور - SQL، NoSQL یا تحلیلی را انتخاب کنید
- 10- طرحواره ها را شناسایی کنید
- 11- نهادهای کلیدی را شناسایی کنید
- 12-طراحی فیزیکی سطح بالا
- 13-چالش - معماری پایگاه داده اصلاح شده
- 14-راه حل - معماری پایگاه داده اصلاح شده
3. بلع داده ها
- 15-داده های مقیاس انسانی و ماشینی
- 16-استراتژی های مختلف جذب داده ها
- 17-طراحی رابط های کاربری مقیاس پذیر
- 18-صف های پیام برای بافر داده های دریافت شده
- 19-مدل سازی داده ها برای مقیاس - منبع یابی رویداد
- 20-توزیع حجم کار - جداسازی پاسخ پرس و جوی فرمان (CQSR)
- 21-چالش - خدمات و رابط های برنامه کاربردی برای یک رابط کاربری مقیاس پذیر
- 22-راه حل - خدمات و رابط های برنامه کاربردی برای یک رابط کاربری مقیاس پذیر
4. طراحی برای پرس و جو مقیاس پذیر
- 23-پرس و جوهای معاملاتی در مقابل تحلیلی
- 24- نمایه سازی برای پرس و جوهای تراکنش
- 25-نماهای مادی برای پرس و جوهای تراکنش
- 26- استفاده از replica های خواندنی برای بهبود عملکرد پرس و جو
- 27-آشنایی با ثبت پیشنویس
- 28- غیر عادی سازی برای پرس و جوهای تحلیلی
- 29- تجمیع و نمونه برداری برای پرس و جوهای تحلیلی
- 30-چالش - بهینه سازی یک مدل داده برای پرس و جوهای تحلیلی
- 31-راه حل - بهینه سازی یک مدل داده برای پرس و جوهای تحلیلی
5. DevOps برای پایگاه های داده رابطه ای مقیاس پذیر
- 32- پایش پایگاه های اطلاعاتی رابطه ای
- 33-کاهش تاخیر با کش
- 34-پارتیشن بندی برای مقیاس پذیری
- 35-معماری های با در دسترس بودن بالا
- 36-مدیریت چرخه حیات داده ها
- 37-چالش - درک پایگاه داده DevOps
- 38-راه حل - درک پایگاه داده DevOps
دوره های مرتبط
- دوره آموزشی استفاده از PostgreSQL در کنار RAG
- دوره آموزشی پروژه عملی PostgreSQL: علم داده فضایی
- دوره آموزشی راهنمای کامل هوش مصنوعی مولد برای تحلیل دادهها و علم دادهها
- دوره آموزشی تحلیل دادهها با PostgreSQL
- دوره آموزشی پشتیبان گیری و بازیابی PostgreSQL با pgBackRest
- دوره آموزشی کار با آرایه های داده در PostgreSQL
- دوره آموزشی تسلط بر دستورات متا در PostgreSQL
- دوره آموزشی PostgreSQL: کوئریهای پیشرفته