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

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.