آموزش SQL Server: چرا طراحی پایگاه داده فیزیکی اهمیت دارد

SQL Server: Why Physical Database Design Matters

Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیویی برای نمایش وجود ندارد.
      توضیحات دوره: این دوره نشان می دهد که چگونه می توانید انواع داده های مناسب قابل استفاده برای توسعه دهندگان SQL Server و هر کسی را که مسئول طراحی و ایجاد جداول و فهرست های SQL Server است ، از SQL Server 2005 به بعد گسترش همه مقدمه 26 متر 1 ثانیه انواع داده و اندازه ردیف 1 ساعت و 5 دقیقه 49 ثانیه انواع داده ها و اندازه فهرست 1 ساعت و 44 دقیقه و 27 ثانیه انواع داده ها و عملکرد پرس و جو 39 متر 46 علائم تجاری و نامهای تجاری اشخاص ثالث ذکر شده در این دوره متعلق به صاحبان مربوطه می باشند و Pluralsight وابسته یا تأیید شده توسط این احزاب نیست.

      سرفصل ها و درس ها

      مقدمه Introduction

      • آیا طراحی پایگاه داده فیزیکی اهمیتی دارد؟ Does Physical Database Design Matter?

      • چرا این دوره مهم است؟ Why is This Course Important?

      • طراحی پایگاه داده فیزیکی به چه معناست؟ What Does Physical Database Design Mean?

      • نمونه سازی کامل است Prototyping Makes Perfect

      • چرا این دوره مرتبط است؟ Why is This Course Relevant?

      • چرا می توانم این دوره را آموزش دهم؟ Why Can I Teach This Course?

      • تمرکز و ساختار دوره (1) Course Focus and Structure (1)

      • تمرکز و ساختار دوره (2) Course Focus and Structure (2)

      انواع داده و اندازه ردیف Data Types and Row Size

      • مقدمه Introduction

      • این فقط مربوط به ارزش یک ستون نیست It is Not Just About That Single Column Value

      • از عقل سلیم استفاده کنید: خیلی دور نروید ... Use Common Sense: Do Not Take it Too Far...

      • اندازه ستون و تعداد ستون ها Column Size and Number of Columns

      • درک ردیف ها ، صفحات و فضای ذخیره سازی Understanding Rows, Pages, and Storage

      • ساختار ذخیره سازی داده ها: IN_ROW_DATA Data Storage Structure: IN_ROW_DATA

      • ساختار ذخیره سازی داده ها: ROW_OVERFLOW_DATA Data Storage Structure: ROW_OVERFLOW_DATA

      • ساختار ذخیره سازی داده ها: LOB_DATA Data Storage Structure: LOB_DATA

      • ساختار ضبط Record Structure

      • نسخه ی نمایشی: تجزیه و تحلیل ساختارهای جدول Demo: Analyzing Table Structures

      • نسخه ی نمایشی: خطاهای ثانویه - وارد کردن خطا از انتخاب ستون ضعیف Demo: Secondary Errors - Insert Error from Poor Column Choice

      • ساختار ضبط: نکات کلیدی (1) Record Structure: Key Points (1)

      • ساختار ضبط: نکات کلیدی (2) Record Structure: Key Points (2)

      • پارتیشن بندی عمودی (LOB و LOB محدود) Vertical Partitioning (Limited LOB And LOB)

      • پارتیشن بندی عمودی: جدول مشتری Vertical Partitioning: Customer Table

      • استراتژی های تقسیم عمودی Vertical Partitioning Strategies

      • ساختار ضبط و فشرده سازی Record Structure and Compression

      • خلاصه: اندازه ستون و اندازه ردیف مهم است! Summary: Column Size and Row Size Matter!

      انواع داده ها و اندازه فهرست Data Types and Index Size

      • مقدمه Introduction

      • چه ساختارهایی برای یک جدول وجود دارد؟ What Structures Exist for A Table?

      • در مورد شاخص های Columnstore چطور؟ What About Columnstore Indexes?

      • ساختار جدول: انبوه Table Structure: Heap

      • نسخه ی نمایشی: تجزیه و تحلیل ساختارهای انبوه - تنظیمات Demo: Analyzing Heap Structures - Setup

      • نسخه ی نمایشی: تجزیه و تحلیل ساختارهای انبوه Demo: Analyzing Heap Structures

      • ساختار جدول: جدول خوشه ای Table Structure: Clustered Table

      • نسخه ی نمایشی: تجزیه و تحلیل ساختارهای جدول خوشه ای - تنظیمات Demo: Analyzing Clustered Table Structures - Setup

      • نسخه ی نمایشی: تجزیه و تحلیل ساختارهای جدول خوشه ای - قسمت اول Demo: Analyzing Clustered Table Structures - Part I

      • نسخه ی نمایشی: sp_SQLskills_SQL2012_helpindex را تنظیم کنید Demo: Setup sp_SQLskills_SQL2012_helpindex

      • نسخه ی نمایشی: تجزیه و تحلیل ساختارهای جدول خوشه ای - قسمت 2 Demo: Analyzing Clustered Table Structures - Part 2

      • دسترسی به داده ها با استفاده از یک شاخص خوشه ای Accessing Data Using A Clustered Index

      • شاخص های غیرمجاز: آنالوگ کتاب Nonclustered Indexes: The Book Analogy

      • دسترسی به داده ها با استفاده از یک فهرست غیر عادی Accessing Data Using A Nonclustered Index

      • خوشه بندی استفاده کلیدی در شاخص های غیرپوشیده Clustering Key Usage In Nonclustered Indexes

      • نسخه ی نمایشی: تجزیه و تحلیل ساختارهای شاخص غیر شلوغ Demo: Analyzing Nonclustered Index Structures

      • خوشه بندی کلیدهای شاخص های غیرپوشیده Clustering Key Widens Nonclustered Indexes

      • شاخص سربار غیر عادی Nonclustered Index Overhead

      • آیا واقعاً اینقدر فضای زیاد است؟ Is it Really that Much Space?

      • معیارهای شاخص خوشه ای Clustered Index Criteria

      • یک کلید خوشه بندی خوب انتخاب کنید Choose A GOOD Clustering Key

      • کلید اصلی لازم نیست کلید خوشه بندی باشد Primary Key Does NOT Have to be The Clustering Key

      • سناریو: هزینه واقعی چیست؟ Scenario: What is The Real Cost?

      • سناریو: در آن کلید چیست؟ Scenario: What is In That Key?

      • سناریو: هزینه کل چیست؟ Scenario: What is The Total Cost?

      • نسخه ی نمایشی: تجزیه و تحلیل AdventureWorksDW2012.dbo.FactInternetSales Demo: Analyzing AdventureWorksDW2012.dbo.FactInternetSales

      • خلاصه: تأثیر انتخاب نوع داده Summary: The Effect of Data Type Choice

      انواع داده ها و عملکرد پرس و جو Data Types and Query Performance

      • مقدمه Introduction

      • تبدیل های ضمنی Implicit Conversions

      • نسخه ی نمایشی: تبدیل های ضمنی Demo: Implicit Conversions

      • اطلاعات بیشتر در مورد "تبدیلات ضمنی" More on Implicit Conversions

      • نسخه ی نمایشی: یافتن تبدیل های ضمنی در حافظه پنهان طرح Demo: Finding Implicit Conversions in The Plan Cache

      • باقیمانده پروب Probe Residual

      • نسخه ی نمایشی: Probe Residual Demo: Probe Residual

      • نسخه ی نمایشی: یافتن باقیمانده پروب در برنامه پنهان Demo: Finding Probe Residual in The Plan Cache

      • خلاصه: ناسازگاری در انواع داده ها Summary: Inconsistencies in Data Types

      • فقط نکته کوه یخ Just The Tip of The Iceberg

      • بعدی کجا برویم؟ Where to go Next?

      • خلاصه دوره Course Summary

      نمایش نظرات

      آموزش SQL Server: چرا طراحی پایگاه داده فیزیکی اهمیت دارد
      جزییات دوره
      3h 56m
      65
      Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
      (آخرین آپدیت)
      533
      4.8 از 5
      دارد
      دارد
      دارد
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Kimberly L. Tripp Kimberly L. Tripp

      Kimberly L. Tripp یک SVL Server MVP و مدیر منطقه ای مایکروسافت است و از سال 1985 با رایانه ها کار می کند. از سال 1995 ، کیمبرلی به عنوان سخنران ، نویسنده ، مربی و مشاور در شرکت خود SQLskills.com کار کرده است که اکنون با او اداره می کند شوهر - پل رندال. کار مشترک کیمبرلی و پاول از توانایی کار بر روی انواع پروژه ها برخوردار هستند - از Immersion Events گرفته تا مشاوره تا سخنرانی در کنفرانس ها تا نوشتن مقاله و کتاب. کیمبرلی از سال 1996 سخنرانی ها و سمینارهایی را در Microsoft Tech * Ed ، SQLConnections ، SQLPass و سایر رویدادهای مرتبط با SQL Server ارائه داده است و به لحاظ کیفیت محتوای فنی و سبک ارائه به طور مداوم دارای بالاترین رتبه است. کیمبرلی به مشتریان کمک می کند تا مشکلات موجود و عملکرد آنها و همچنین راه حل های مناسب طراحی و معماری را برطرف کنند.