طراحی پایگاه‌ داده‌های SQL مقیاس‌پذیر و Highly Available (نسخه 2025)

Name: طراحی پایگاه دادههای SQL مقیاسپذیر و Highly Available (نسخه 2025)
Price: 5024000 IRR
Availability: InStock
Author: AI Academy

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

پایگاه‌ داده های رابطه‌ای اغلب برای مدیریت حجم بالای داده‌ استفاده می‌شوند. بنابراین، توسعه‌دهندگان و مدل‌سازان داده باید معماری مقیاس‌پذیر و الگوهای مدل‌سازی داده را درک کنند.

در این دوره دان سالیوان، معمار داده، مدل‌ساز داده و دانشمند داده با دهه‌ها تجربه با الزامات مقیاس‌پذیری به‌ویژه الزامات کسب‌وکار، حجم داده و رشد داده شروع می‌کند. در ادامه، دوره به بررسی معماری پایگاه داده و الگوهای مدل‌سازی داده و سپس به بررسی عمیق روش‌های پشتیبانی از جذب داده‌ مقیاس‌پذیر می‌پردازد. البته، کوئری کردن، کامپوننت اساسی هر معماری پایگاه داده است. شما با تفاوت‌های بین کوئری‌های تراکنشی و تحلیلی آشنا می‌شوید و یاد می‌گیرید که چگونه می‌توانید از منابع پایگاه داده مانند ایندکس‌ها و materialized views برای بهبود عملکرد استفاده کنیم. این دوره با بحث درباره دواپس برای پایگاه‌ داده‌های رابطه‌ای مقیاس‌پذیر به پایان می‌رسد تا بتوانید پایگاه‌ داده‌های خود را با عملکرد مناسب و مورد انتظار نگه دارید.

طراحی پایگاه‌ داده‌های SQL مقیاس‌پذیر و Highly Available (نسخه 2025)

فصل 1: مقدمه

چالش‌ها برای مقیاس‌بندی پایگاه‌ داده‌های رابطه‌ای 0:00:36
آنچه باید بدانید 0:00:36

فصل 2: 1. درک الزامات مقیاس‌پذیری

یادگیری درباره الزامات کسب‌وکار برای مقیاس‌پذیری پایگاه داده 0:11:10
شناسایی یوزکیس‌ها برای داده 0:07:38
شناسایی الزامات امنیت و انطباق 0:09:34
برآورد رشد داده 0:03:22
چالش - شناسایی الزامات کسب‌وکار در یک سناریو 0:01:12
راه‌حل - شناسایی الزامات کسب‌وکار 0:00:54

فصل 3: 2. معماری پایگاه داده و پایگاه‌ داده‌های رابطه‌ای

انتخاب یک دیتااستور - SQL ،NoSQL یا تحلیلی؟ 0:11:12
شناسایی اسکیماها و دامنه‌ها 0:06:55
شناسایی انتیتی‌های کلیدی 0:06:42
طراحی فیزیکی سطح بالا 0:07:00
چالش - آنچه در مثال معماری پایگاه داده نادیده گرفته می‌شود؟ 0:00:25
راه‌حل - معماری پایگاه داده بازبینی شده 0:01:59

فصل 4: 3. جذب داده

داده‌ مقیاس انسانی و ماشین 0:05:33
استراتژی‌های مختلف جذب داده 0:06:00
جذب داده در مقیاس انسانی و ماشین 0:07:41
صف‌های پیام برای بافرینگ داده‌ جذب‌ شده 0:05:35
مدل‌سازی داده برای مقیاس - منبع‌یابی رویداد 0:09:02
تفکیک مسئولیت کوئری فرمان (CQRS) 0:05:17
چالش - طراحی سرویس اکتساب داده مقیاس‌پذیر برای پشتیبانی از داده‌ سری زمانی استریمینگ 0:00:34
راه‌حل - سرویس‌ها و APIs برای رابط کاربری مقیاس‌پذیر 0:00:52