دوره آموزشی پایگاه های داده توزیع شده با Apache Ignite
1 ساعت 56 دقیقهمتوسط2023-09-05
مدرسین
Janani Ravi
Certified Google Cloud Architect and Data Engineer
جزئیات دوره
Apache Ignite یه پایگاه داده و پلتفرم محاسباتی توزیعشده است که با ارائه عملکرد بالا، مقیاسپذیری و دوام، هم برای برنامههای دادهمحور و هم پردازشهای زمان واقعی طراحی شده. تو این دوره، جانانی راوی، معمار گواهیشدهی گوگل کلود و مهندس داده، محتوای پیشرفتهای رو در مورد استفاده از پایگاه دادههای توزیعشده با Apache Ignite معرفی میکنه. یاد میگیری که معماری حافظهمحور چطور به Apache Ignite مربوط میشه. نحوه اجرای یک کلاستر Ignite با یک نود رو بررسی میکنی و نود Ignite که در Docker اجرا میشه رو کشف میکنی. یاد میگیری چطور یه کلاستر Ignite در حافظه بسازی و با استفاده از DBeaver به Ignite متصل بشی. همچنین روشهای ذخیره و مانیتور کردن دادهها، و همچنین بخشبندی و تکثیر دادهها رو بررسی میکنی. یاد میگیری چطور با استفاده از اسکریپت SQL، COPYINTO و حالت استریمینگ، کوئریهای SQL اجرا کنی و دادهها رو به صورت انبوه بارگذاری کنی. علاوه بر این، نحوه دسترسی برنامهنویسی به Ignite با پایتون رو هم میگذری.
مهارت ها
IgniteApacheFull-Stack Web DevelopmentWeb DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - مروری بر Apache Ignite
1. شروع به کار با Apache Ignite
- 02 - معماری حافظه محور
- 03 - مدل داده Ignite
- 04 - اجرای یک گره Ignite cluster
- 05 - کاوش گره Ignite در حال اجرا در Docker
- 06 - اجرای یک کلاستر Ignite در حافظه
- 07 - با استفاده از DBeaver به Apache Ignite متصل شوید
2. ذخیره و نظارت بر داده ها
- 08 - کار با دادههای درون حافظه
- 09 - اجرای یک خوشه با فعال بودن ماندگاری بومی
- 10 - ذخیرهسازی مداوم در یک خوشه Ignite
- 11 - اجرای کلاستر Ignite چند گره
- 12 - پیکربندی مانیتورینگ با استفاده از GridGain
- 13 - مانیتورینگ کلاسترها با GridGain
3. پارتیشن بندی و تکرار داده ها
- 14 - پارتیشن بندی و تکثیر داده ها
- 15 - ایجاد جداول پارتیشن بندی شده با کلیدهای افینیتی
- 16 - رسیدگی به تلفات پارتیشن
- 17 - ایجاد جداول با بک آپ
- 18 - رسیدگی به ضررهای پارتیشن با پشتیبان گیری
- 19 - ایجاد جداول با تکرار
- 20 - مدیریت تلفات پارتیشن با تکرار
4. اجرای SQL Queries و Bulk Loading Data
- 21 - بازنشانی به Ignite نسخه 2.14.0
- 22 - راهاندازی برای بارگذاری انبوه داده ها
- 23 - بارگذاری انبوه دادهها با استفاده از اسکریپت SQL
- 24 - بارگذاری انبوه دادهها با استفاده از COPYINTO
- 25 - بارگذاری انبوه دادهها با استفاده از حالت جریان
- 26 - پروفایل سازی
5. دسترسی برنامه نویسی Ignite با پایتون
- 27 - استفاده از Cache API با pyignite
- 28 - پر کردن انواع دادههای پیچیده در حافظه پنهان
- 29 - بازیابی دادههای پیچیده از حافظه پنهان
- 30 - پیکربندی انقضای کش
- 31 - پیکربندی حالتهای سازگاری حافظه پنهان
- 32 - خرابی مشتری
نتیجه
- 33 - خلاصه و مراحل بعدی