آموزش طراحی پایگاه داده های SQL بسیار مقیاس پذیر و بسیار در دسترس - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• آنچه باید بدانید What you should know

• چالش های مقیاس گذاری پایگاه داده های رابطه ای Challenges to scaling relational databases

1. درک نیازهای مقیاس پذیری 1. Understanding Scalability Requirements

• چالش: نیازهای تجاری را در یک سناریو شناسایی کنید Challenge: Identify business requirements in a scenario

• راه حل: الزامات تجاری مشخص شده Solution: Identified business requirements

• شناسایی الزامات امنیتی و انطباق Identifying security and compliance requirements

• یادگیری در مورد نیازهای تجاری برای مقیاس پذیری پایگاه داده Learning about business requirements for database scalability

• شناسایی موارد استفاده برای داده ها Identifying use cases for data

• تخمین رشد داده Estimating data growth

2. معماری پایگاه داده و پایگاه داده های رابطه ای 2. Database Architecture and Relational Databases

• طراحی فیزیکی سطح بالا High-level physical design

• چالش: چه چیزی در یک مثال معماری پایگاه داده وجود ندارد؟ Challenge: What is missing in a database architecture example?

• انتخاب فروشگاه داده: SQL ، NOSQL یا تحلیلی؟ Choosing a data store: SQL, NoSQL, or analytical?

• راه حل: معماری دیتابیس اصلاح شده Solution: Revised database architecture

• شناسایی طرح ها و دامنه ها Identifying schemas and domains

• شناسایی موجودات کلیدی Identifying key entities

3. مصرف داده ها 3. Data Ingestion

• خوردن در مقیاس انسانی و ماشین Ingesting at human and machine scale

• داده های مقیاس انسانی و ماشین Human and machine scale data

• مدل سازی داده ها برای مقیاس: منابع رویداد Data modeling for scale: Event sourcing

• جدایی مسئولیت پرس و جو (CQRS) Command Query Responsibility Segregation (CQRS)

• چالش: برای پشتیبانی از داده های سری زمانی جریان ، یک سرویس دستیابی به داده های مقیاس پذیر طراحی کنید Challenge: Design a scalable data acquisition service to support streaming time series data

• راه حل: خدمات و API برای یک رابط کاربری مقیاس پذیر Solution: Services and APIs for a scalable user interface

• صف پیام برای بافر داده های مصرف شده Message queues to buffer ingested data

• استراتژی های مختلف مصرف داده ها Different data ingestion strategies

4. طراحی برای پرس و جو مقیاس پذیر 4. Designing for Scalable Querying

• دیدگاههای مادی برای نمایش داده شد Materialized views for transactional queries

• نمایه سازی برای عملکرد پرس و جو Indexing for query performance

• پرس و جوهای تراکنش در مقابل تحلیلی Transactional vs. analytical queries

• راه حل: طرحواره ستاره ای برای نمایش داده های تحلیلی Solution: Denormalized star schema for analytical queries

• درک نوشتن پیش از ورود به سیستم Understanding write ahead logging

• تجمع و نمونه گیری برای نمایش داده شدگان تحلیلی Aggregation and sampling for analytical queries

• ناسازگاری برای نمایش داده شدگان تحلیلی Denormalizing for analytical queries

• با استفاده از ماکت های Read برای بهبود عملکرد پرس و جو Using read replicas to improve query performance

• چالش: یک مدل داده را برای نمایش داده شدگان تحلیلی بهینه کنید Challenge: Optimize a data model for analytical queries

5. DevOps برای پایگاه داده های رابطه ای مقیاس پذیر 5. DevOps for Scalable Relational Databases

• مدیریت چرخه عمر داده ها Data lifecycle management

• معماری های در دسترس بالا High-availability architectures

• کاهش تأخیر با ذخیره سازی Reducing latency with caching

• راه حل: درک DevOps پایگاه داده Solution: Understanding database DevOps

• چالش: درک DevOps پایگاه داده Challenge: Understanding database DevOps

• نظارت بر پایگاه داده های رابطه ای Monitoring relational databases

• پارتیشن بندی برای مقیاس پذیری Partitioning for scalability

پایان Conclusion

• مراحل بعدی Next steps