آموزش SQL پیشرفته برای توسعه برنامه

Advanced SQL for Application Development

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: بسیاری از برنامه ها به یک پایگاه داده رابطه ای احتیاج دارند. اما معماری ضعیف طراحی داده ها و SQL ضعیف نوشته شده می تواند منجر به عملکرد زیرکار ، خدمات غیرقابل اعتماد و مقیاس بندی دشوار شود. این دوره شامل مثالهای عملی و درسی است که نشان می دهد چگونه می توان پایگاه داده های مقیاس پذیر و انعطاف پذیر برای پشتیبانی از هر برنامه ای ساخت. بیاموزید که چگونه SQL بهینه شده را برای پردازش معاملات بنویسید ، از شاخص ها برای کاهش تأخیر خواندن ، داده های پارتیشن برای بهبود مقیاس پذیری و استفاده از الگوهای طراحی شده استفاده کنید. مربی Dan Sullivan همچنین نقشه برداری رابطه ای شی را کاوش می کند و نحوه پاسخگویی به خطاهای پایگاه داده مانند وقفه های جستجو و اتصالات رد شده را نشان می دهد. پس از اتمام این دوره ، شما قادر خواهید بود برنامه های کاربردی پایگاه داده قوی را طراحی کنید که بتواند برای مقابله با بارهای فزاینده خواستار مقیاس بندی کند.
موضوعات شامل:
  • ایجاد جداول و بارگذاری داده ها
  • پارامتر کردن عبارات SELECT
  • جدول های نمایه سازی
  • نقشه برداری رابطه ای اشیا
  • پارتیشن بندی
  • به دام انداختن خطا
  • نظارت و ورود به سیستم
  • انتقال خودکار طرحواره

سرفصل ها و درس ها

مقدمه Introduction

  • شروع کار با SQL برای توسعه دهندگان برنامه Getting started with SQL for application developers

1. جستجوی پیشرفته با انتخاب 1. Advanced Querying with Select

  • طراحی یک بانک اطلاعاتی برنامه تجارت الکترونیک Designing an ecommerce application database

  • ایجاد جداول و بارگیری داده ها Creating tables and loading data

  • استفاده از متغیرهای محیط برای پارامترهای اتصال Using environment variables for connection parameters

  • اتصال به یک بانک اطلاعاتی Connecting to a database

  • پارامتر کردن جملات SELECT Parameterizing SELECT statements

  • اجتناب از نمایش داده شد N + 1 Avoiding N+1 queries

  • Challenge: یک پرس و جو پارامتری در Python بنویسید Challenge: Write a parameterized query in Python

  • راه حل: نحوه نوشتن یک کوئری پارامتری در Python Solution: How to write a parameterized query in Python

2. فهرست بندی فهرست بندی ها 2. Indexing Tables

  • مروری بر انواع شاخص Overview of index types

  • با استفاده از فهرست های درخت B و اسکن های دامنه Using B-tree indexes and range scans

  • استفاده از ایندکس هاش و عملیات برابری Using hash indexes and equality operations

  • نمایه ها را پوشش می دهد Covering indexes

  • فهرست ها و بارگذاری داده های فله Indexes and bulk data loading

  • جلوگیری از قفل های شاخص Avoiding index locks

  • چالش: یک درخت B و یک شاخص هش را تعریف کنید Challenge: Define a B-tree and a hash index

  • راه حل: تعریف شاخص های درخت B و هش Solution: Defining B-tree and hash indexes

3. نقشه برداری شیء-رابطه ای (ORM) 3. Object-Relational Mapping (ORM)

  • نمای کلی نقشه نویسی شیء-رابطه Overview of object-relational mapping

  • آشنایی با SQLAlchemy Introduction to SQLAlchemy

  • نصب SQLAlchemy Installing SQLAlchemy

  • پرس و جو با SQLAlchemy Query with SQLAlchemy

  • محدودیت های ORM و توصیه های احتیاطی Limitations of ORM and cautionary advice

  • چالش: یک مدل ORM بسازید Challenge: Create an ORM model

  • راه حل: یک مدل ORM ایجاد کنید Solution: Create an ORM model

4. طراحی برای مقیاس پذیری 4. Designing for Scalability

  • نمای کلی از پارتیشن بندی Overview of partitioning

  • پارتیشن بندی محدوده Range partitioning

  • تقسیم بندی را لیست کنید List partitioning

  • پارتیشن بندی حش Hash partitioning

  • جداول تقسیم شده Querying partitioned tables

  • با استفاده از ماکت های فقط خواندنی Using read-only replicas

  • چالش: یک جدول تقسیم شده را تعریف کنید Challenge: Define a partitioned table

  • راه حل: تعیین یک جدول تقسیم شده Solution: Defining a partitioned table

5. طراحی برای قابلیت اطمینان 5. Designing for Reliability

  • خطاهای بانک اطلاعاتی Database errors

  • خطا در دام افتادن Error trapping

  • پایگاه داده پاسخ نمی دهد ، زمان بندی و پشتیبان نمایی Database not responding, timeouts, and exponential backoff

  • اتصال استخر و سرهای فله Connection pooling and bulk heads

  • نظارت و ورود به سیستم بهترین روشها Monitoring and logging best practices

  • چالش: وقتی برنامه Python شما انجام نشد Challenge: When your Python application fails

  • راه حل: وقتی برنامه Python شما انجام نشد Solution: When your Python application fails

6. طراحی برای حفظ 6. Designing for Maintainability

  • درک طرحواره تغییر می کند Understanding schema changes

  • اسکریپت های موقت برای تغییرات طرحواره Ad hoc scripts for schema changes

  • مهاجرت خودکار طرحواره با Flyway Automated schema migration with Flyway

  • مهاجرت خودکار طرحواره با Liquibase Automated schema migration with Liquibase

  • چالش Challenge

  • راه حل Solution

نتیجه Conclusion

  • ملاحظات کلیدی Key considerations

نمایش نظرات

Linkedin (لینکدین)

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.

آموزش SQL پیشرفته برای توسعه برنامه
جزییات دوره
2h 7m
46
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
2,169
- از 5
ندارد
دارد
دارد
Dan Sullivan
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Dan Sullivan Dan Sullivan

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.