آموزش مدل سازی داده های کاساندرا

Cassandra Data Modeling Essential Training

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: Apache Cassandra یک پایگاه داده NoSQL است که قادر به مدیریت مقدار زیادی داده است که به سرعت تغییر می کند. در این دوره ، با معماری این پایگاه داده محبوب آشنا شوید و نحوه طراحی مدل های داده Cassandra را که از برنامه های مقیاس پذیر پشتیبانی می کنند ، بیابید. دن سالیوان تفاوت های پایگاه داده های Cassandra و رابطه ای را برجسته می کند ، در مورد زبان پرسش Cassandra (CQL) بحث می کند و تکنیک های مدل سازی بر اساس نیازهای درخواست برنامه را نشان می دهد. او همچنین به جزئیات پیاده سازی کاساندرا می پردازد که بر انتخاب مدل سازی داده ها تأثیر می گذارد تا به شما کمک کند با در نظر گرفتن معماری و محدودیت های پایگاه داده از طریق سایر تصمیمات طراحی ، استدلال کنید.
موضوعات شامل:
  • معماری کاساندرا
  • فضاهای کلیدی ، جداول و ستون ها
  • نصب جاوا و کاساندرا
  • انواع داده های CQL
  • طراحی جداول کاساندرا
  • تنظیم جدول ها برای بهینه سازی نمایش داده ها
  • چه موقع باید از نمایه های ثانویه و نمایش های مادی استفاده کرد
  • مدل سازی داده های فیزیکی و توزیع داده ها
  • معماری کاساندرا و تأثیر آن بر مدل سازی داده ها

سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

  • آنچه باید بدانید What you should know

  • فایل های تمرینی Exercise files

1. معماری کاساندرا 1. Cassandra Architecture

  • پایگاه داده های کاساندرا و رابطه ای Cassandra and relational databases

  • صفحه کلید ، جداول و ستون Keyspaces, tables, and columns

  • کلیدهای اصلی ، پارتیشنها و فهرستهای ثانویه Primary keys, partitions, and secondary indexes

  • خوشه های کاساندرا Cassandra clusters

  • نصب جاوا Installing Java

  • نصب کاساندرا Installing Cassandra

  • ایجاد یک صفحه کلید در جداول Creating a keyspace in tables

2. انواع داده های پرس و جو Cassandra 2. Cassandra Query Language Data Types

  • انواع داده های عددی Numeric data types

  • انواع ، تاریخ ، و انواع منحصر به فرد String, date, and unique types

  • انواع داده های مجموعه Collection data types

  • انواع داده را لمس کنید Tuple data types

3. طراحی جداول کاساندرا 3. Designing Cassandra Tables

  • طراحی درایوها Queries drive design

  • Denormalizing: پیوستن یا مرتب سازی Denormalizing: Joining or sorting

  • برای بهینه سازی نمایش داده شد ، جداول را تنظیم کنید Tuning tables to optimize queries

  • مدل سازی داده ها برای سری زمان: قسمت 1 Data modeling for time series: Part 1

  • مدل سازی داده ها برای سری زمان: قسمت 2 Data modeling for time series: Part 2

  • تمرین سری زمانی Time series exercise

  • چه زمانی از شاخصهای ثانویه استفاده کنیم When to use secondary indexes

  • چه زمانی از نماهای مادی استفاده کنیم When to use materialized views

  • UUID و ورزش را حذف کنید UUID and delete exercise

4- مدل سازی داده های فیزیکی و توزیع داده ها 4. Physical Data Modeling and Distributing Data

  • تخمین اندازه داده ها 1: فرمول ها Estimating data size 1: The formulas

  • تخمین اندازه داده 2: مثالی Estimating data size 2: An example

  • همانندسازی در کاساندرا Replication in Cassandra

  • درک سطح قوام Understanding consistency levels

5- معماری کاساندرا و تأثیر آن بر مدل سازی داده ها 5. Cassandra Architecture and Its Impact on Data Modeling

  • درک فرایند پرس و جو Understanding the query process

  • درک تعهد می نویسد Understanding commit writes

  • فیلترهای Bloom و پردازش پرس و جو Bloom filters and query processing

  • حذف ها و مقبره ها را درک کنید Understand deletes and tombstones

  • فشردگی را درک کنید Understand compaction

نتیجه Conclusion

  • پنج روش برتر برای مدل سازی داده های کاساندرا Five best practices for Cassandra data modeling

  • مراحل بعدی Next steps

نمایش نظرات

آموزش مدل سازی داده های کاساندرا
جزییات دوره
1h 38m
34
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
69,365
- 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.