تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی طراحی پایگاه‌های داده SQL با مقیاس‌پذیری بالا و در دسترس‌پذیری بالا

دوره آموزشی طراحی پایگاه‌های داده SQL با مقیاس‌پذیری بالا و در دسترس‌پذیری بالا

3 ساعت 22 دقیقهمتوسط2025-01-14

مدرسین

Dan Sullivan

Dan Sullivan

Enterprise Architect, Big Data Expert

جزئیات دوره

داده‌های رابطه‌ای معمولاً برای مدیریت حجم بالای داده‌ها استفاده می‌شوند، بنابراین توسعه‌دهندگان و مدل‌سازان داده باید با معماری مقیاس‌پذیر و الگوهای مدل‌سازی داده آشنا باشند.

در این دوره، دن سالیوان—معمار داده، مدل‌ساز داده و دانشمند داده با ده‌ها سال تجربه—با بررسی نیازهای مقیاس‌پذیری شروع می‌کند، به‌ویژه نیازهای کسب‌وکار، حجم داده‌ها و رشد داده‌ها. سپس دوره به بررسی معماری پایگاه‌داده و الگوهای مدل‌سازی داده پرداخته و به‌طور عمیق به پشتیبانی از دریافت داده مقیاس‌پذیر می‌پردازد. پرس‌وجو کردن، البته، جزء حیاتی هر معماری پایگاه‌داده است. شما در این دوره با تفاوت‌های بین پرس‌وجوهای تراکنشی و تحلیلی آشنا خواهید شد و نحوه استفاده از منابع پایگاه‌داده مانند شاخص‌ها و دیدهای ماتریسی برای بهبود عملکرد را خواهید آموخت. دوره با بحثی درباره DevOps برای پایگاه‌های داده رابطه‌ای مقیاس‌پذیر به پایان می‌رسد تا بتوانیم پایگاه‌داده‌های خود را به‌طور کارآمد نگه داریم و مطمئن شویم که به‌درستی عمل می‌کنند.

اهداف یادگیری
درک نیازهای مقیاس‌پذیری در سیستم‌های پایگاه‌داده رابطه‌ای.
بررسی الگوهای معماری پایگاه‌داده و مدل‌سازی داده برای پشتیبانی از مقیاس‌پذیری.
یادگیری نحوه پشتیبانی از دریافت داده مقیاس‌پذیر در پایگاه‌داده.
آشنایی با تفاوت‌های پرس‌وجوهای تراکنشی و تحلیلی و نحوه بهینه‌سازی عملکرد پایگاه‌داده.
استفاده از منابع پایگاه‌داده مانند شاخص‌ها و دیدهای ماتریسی برای بهبود عملکرد.
آشنایی با شیوه‌های DevOps برای پایگاه‌داده‌های مقیاس‌پذیر و نگهداری عملکرد پایگاه‌داده‌ها.

مهارت ها

SQLDatabase AdministrationDatabase DevelopmentDatabase ManagementData AnalysisProgramming LanguagesData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceSoftware DevelopmentOne-Off

سرفصل ها

0. مقدمه

  • 01 - چالش‌های مقیاس بندی پایگاه‌های داده رابطه ای
  • 02 - آنچه باید بدانید

1. درک الزامات مقیاس پذیری

  • 03 - یادگیری در مورد الزامات تجاری برای مقیاس پذیری پایگاه داده
  • 04 - شناسایی موارد استفاده برای داده ها
  • 05 - شناسایی الزامات امنیتی و انطباق
  • 06 - تخمین رشد داده ها
  • 07 - چالش - الزامات کسب و کار را در یک سناریو شناسایی کنید
  • 08 - راه حل - الزامات تجاری شناسایی شده است

2. معماری پایگاه داده و پایگاه‌های داده رابطه ای

  • 09 - انتخاب یک فروشگاه داده - SQL، NoSQL، یا تحلیلی
  • 10 - شناسایی طرحواره‌ها و دامنه ها
  • 11 - شناسایی نهادهای کلیدی
  • 12 - طراحی فیزیکی سطح بالا
  • 13 - چالش - آنچه در نمونه معماری پایگاه داده وجود ندارد
  • 14 - راه حل - معماری پایگاه داده اصلاح شده

3. بلع داده ها

  • 15 - داده‌های مقیاس انسان و ماشین
  • 16 - استراتژی‌های مختلف جذب داده ها
  • 17 - بلع در مقیاس انسان و ماشین
  • 18 - صف‌های پیام برای بافر داده‌های دریافت شده
  • 19 - مدل سازی داده‌ها برای مقیاس - منبع یابی رویداد
  • 20 - تفکیک مسئولیت کوئری‌ فرمان (CQRS)
  • 21 - چالش - طراحی یک سرویس جمع‌آوری داده مقیاس پذیر برای پشتیبانی از جریان داده‌های سری زمانی
  • 22 - راه حل - خدمات و API برای یک رابط کاربری مقیاس پذیر

4. طراحی برای کوئری‌ مقیاس پذیر

  • 23 - کوئری‌های تراکنشی در مقابل تحلیلی
  • 24 - پروفایل سازی برای عملکرد پرس و جو
  • 25 - نماهای واقعی برای کوئری‌های تراکنش
  • 26 - استفاده از replica‌های خواندنی برای بهبود عملکرد پرس و جو
  • 27 - درک نوشتن پیش از ورود به سیستم
  • 28 - غیر عادی سازی برای کوئری‌های تحلیلی
  • 29 - تجمیع و نمونه برداری برای کوئری‌های تحلیلی
  • 30 - چالش - بهینه‌سازی یک مدل داده برای کوئری‌های تحلیلی
  • 31 - راه حل - طرح ستاره غیرعادی شده برای کوئری‌های تحلیلی

5. DevOps برای پایگاه‌های داده رابطه ای مقیاس پذیر

  • 32 - پایش پایگاه‌های اطلاعاتی رابطه ای
  • 33 - کاهش تأخیر با کش
  • 34 - پارتیشن بندی برای مقیاس پذیری
  • 35 - معماری‌های با دسترسی بالا
  • 36 - مدیریت چرخه عمر داده ها
  • 37 - چالش - درک دیتابیس DevOps
  • 38 - راه حل - درک پایگاه داده DevOps

نتیجه گیری

  • 39 - مراحل بعدی

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
زرین پال
زیبال