لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ضروری مدل سازی داده کاساندرا (2017)
Cassandra Data Modeling Essential Training (2017)
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
آپاچی کاساندرا یک پایگاه داده NoSQL است که قادر به مدیریت حجم زیادی از داده ها است که به سرعت تغییر می کنند. در این دوره، با معماری این پایگاه داده محبوب آشنا شوید و نحوه طراحی مدل های داده کاساندرا را که از برنامه های کاربردی مقیاس پذیر پشتیبانی می کنند، بیاموزید. دن سالیوان تفاوتهای بین Cassandra و پایگاههای داده رابطهای را برجسته میکند، زبان پرس و جو کاساندرا (CQL) را مورد بحث قرار میدهد، و تکنیکهایی را برای مدلسازی بر اساس الزامات پرس و جوی کاربردی نشان میدهد. او همچنین به جزئیات پیادهسازی کاساندرا میپردازد که بر انتخابهای مدلسازی دادهها تأثیر میگذارد تا به شما کمک کند تا در تصمیمگیریهای دیگر طراحی استدلال کنید و در عین حال معماری و محدودیتهای پایگاه داده را در نظر بگیرید.
اهداف یادگیری
معماری کاساندرا
فضاهای کلیدی، جداول و ستون ها
نصب جاوا و کاساندرا
انواع داده CQL
طراحی جداول کاساندرا
تنظیم جداول برای بهینه سازی پرس و جوها
چه زمانی از نمایه های ثانویه و نماهای تحقق یافته استفاده شود
مدل سازی و توزیع داده های فیزیکی
معماری کاساندرا و تاثیر آن بر مدل سازی داده ها
سرفصل ها و درس ها
مقدمه
Introduction
خوش آمدی
Welcome
آنچه شما باید بدانید
What you should know
فایل های تمرینی
Exercise files
1. معماری کاساندرا
1. Cassandra Architecture
کاساندرا و پایگاه های داده رابطه ای
Cassandra and relational databases
فضاهای کلیدی، جداول و ستون ها
Keyspaces, tables, and columns
کلیدهای اصلی، پارتیشن ها و ایندکس های ثانویه
Primary keys, partitions, and secondary indexes
خوشه های کاساندرا
Cassandra clusters
نصب جاوا
Installing Java
نصب کاساندرا
Installing Cassandra
ایجاد فضای کلید در جداول
Creating a keyspace in tables
امتحان فصل
Chapter Quiz
2. انواع داده زبان پرس و جو کاساندرا
2. Cassandra Query Language Data Types
انواع داده های عددی
Numeric data types
رشته، تاریخ، و انواع منحصر به فرد
String, date, and unique types
انواع داده های مجموعه
Collection data types
چندین نوع داده
Tuple data types
امتحان فصل
Chapter Quiz
3. طراحی جداول کاساندرا
3. Designing Cassandra Tables
طراحی درایو کوئری ها
Queries drive design
غیرعادی کردن: پیوستن یا مرتب کردن
Denormalizing: Joining or sorting
تنظیم جداول برای بهینه سازی پرس و جوها
Tuning tables to optimize queries
مدل سازی داده برای سری های زمانی: قسمت 1
Data modeling for time series: Part 1
مدل سازی داده برای سری های زمانی: قسمت 2
Data modeling for time series: Part 2
تمرین سری زمانی
Time series exercise
زمان استفاده از شاخص های ثانویه
When to use secondary indexes
زمان استفاده از نماهای مادی شده
When to use materialized views
UUID و حذف تمرین
UUID and delete exercise
امتحان فصل
Chapter Quiz
4. مدل سازی داده های فیزیکی و توزیع داده ها
4. Physical Data Modeling and Distributing Data
تخمین اندازه داده 1: فرمول ها
Estimating data size 1: The formulas
تخمین اندازه داده 2: یک مثال
Estimating data size 2: An example
همانندسازی در کاساندرا
Replication in Cassandra
درک سطوح سازگاری
Understanding consistency levels
امتحان فصل
Chapter Quiz
5. معماری کاساندرا و تاثیر آن بر مدل سازی داده ها
5. Cassandra Architecture and Its Impact on Data Modeling
درک فرآیند پرس و جو
Understanding the query process
درک متعهد می نویسد
Understanding commit writes
فیلترهای بلوم و پردازش پرس و جو
Bloom filters and query processing
حذف و سنگ قبر را درک کنید
Understand deletes and tombstones
تراکم را درک کنید
Understand compaction
امتحان فصل
Chapter Quiz
نتیجه
Conclusion
پنج روش برتر برای مدلسازی دادههای کاساندرا
Five best practices for Cassandra data modeling
لینکدین: شبکه اجتماعی حرفهای برای ارتباط و کارآفرینی
لینکدین به عنوان یکی از بزرگترین شبکههای اجتماعی حرفهای، به میلیونها افراد در سراسر جهان این امکان را میدهد تا ارتباط برقرار کنند، اطلاعات حرفهای خود را به اشتراک بگذارند و فرصتهای شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان میدهد تا رزومه حرفهای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمنها و گروههای حرفهای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهرهمند شوند.
لینکدین همچنین به کارفرمایان امکان میدهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفهای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصتهای شغلی و گسترش شبکه حرفهای خود، نقش مهمی را ایفا میکند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفهای در دنیای امروز مورد توجه قرار دارد.
معمار سازمانی ، کارشناس بزرگ داده
دان سالیوان ، دکترای علوم ، یک معمار سازمانی و متخصص داده های بزرگ است.
دان متخصص در معماری داده ، تجزیه و تحلیل ، داده کاوی ، آمار ، مدل سازی داده ها ، داده های بزرگ و رایانش ابری است. علاوه بر این ، او دارای دکترای ژنتیک ، بیوانفورماتیک و زیست محاسباتی است. Dan به طور منظم با Spark ، Oracle ، NoSQL ، MongoDB ، Redis ، R و Python کار می کند. وی تجربه نوشتن گسترده ای در موضوعاتی از جمله رایانش ابری ، داده های بزرگ ، Hadoop و امنیت دارد.
نمایش نظرات