آموزش طراحی معماری‌های استریمینگ قابل اعتماد - آخرین آپدیت

دانلود Design Reliable Streaming Architectures

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: پردازش داده‌ها به صورت بلادرنگ (Real-time) برای برنامه‌های مدرن حیاتی است، اما ساخت سیستم‌های استریمینگ قابل اعتماد نیازمند برنامه‌ریزی دقیق معماری و تخصص عملیاتی است. در این دوره، «طراحی معماری‌های استریمینگ قابل اعتماد»، شما توانایی طراحی و مدیریت سیستم‌های استریمینگ آماده برای محیط عملیاتی (Production-ready) را کسب می‌کنید که به‌طور قابل اعتمادی مقیاس‌پذیر باشند. در ابتدا، الگوهای رایج معماری از جمله ETL، غنی‌سازی داده‌ها (Enrichment)، CDC و معماری‌های Lambda را بررسی خواهید کرد و می‌آموزید که هر الگو را در چه زمانی و چگونه به‌طور مؤثر به کار ببرید. سپس، نحوه تصمیم‌گیری‌های معماری بر اساس اهداف قابلیت اطمینان و عملکرد را کشف خواهید کرد؛ از جمله انتخاب تضمین‌های پردازشی، برنامه‌ریزی برای سناریوهای شکست و طراحی برای مقیاس‌پذیری. در نهایت، یاد می‌گیرید که چگونه برای مشاهده‌پذیری (Observability)، نگهداری و تکامل سیستم‌های استریمینگ برنامه‌ریزی کنید که شامل استراتژی‌های مانیتورینگ، تکامل شمای داده‌ها (Schema Evolution) و مدیریت چرخه عمر عملیاتی است. پس از اتمام این دوره، شما مهارت‌ها و دانش لازم در زمینه معماری سیستم‌های استریمینگ را برای ساخت سیستم‌های پردازش داده‌های بلادرنگ، مقیاس‌پذیر و قابل اعتماد به دست خواهید آورد.

سرفصل ها و درس ها

الگوهای معماری استریمینگ و طراحی Streaming Architecture Patterns and Design

  • مروری بر الگوهای معماری استریمینگ Streaming Architecture Patterns Overview

  • ETL و غنی‌سازی جریان داده ETL And Stream Enrichment

  • تغییر در کپچر داده‌ها (CDC) و هشداردهی رویدادمحور Change Data Capture And Event Driven Alerting

  • طراحی توپولوژی: معماری‌های خطی در مقابل DAG Topology Design Linear Vs. DAG Based Architectures

  • نقش اجزا: بروکرها، پردازشگرها و سینک‌ها Component Roles Brokers, Processors, And Sinks

  • معماری لامبدا: جداسازی مسیرهای گرم و سرد Lambda Architecture Hot And Cold Path Separation

معماری قابلیت اطمینان و عملکرد Reliability and Performance Architecture

  • تضمین‌های پردازشی: دقیقاً یک‌بار برای سیستم‌های حساس Processing Guarantees Exactly Once For Critical Systems

  • تأخیر و نرخ انتقال: عملکرد تحت فشار Latency And Throughput Performance Under Pressure

  • بازیابی از شکست: افزونگی و بازسازی وضعیت Failure Recovery Redundancy And State Restoration

  • الگوهای استقرار: لبه (Edge)، ابری و ترکیبی Deployment Patterns Edge, Cloud, And Hybrid

  • مقیاس‌پذیری و انعطاف‌پذیری: مدیریت رشد و پیک‌های ترافیکی Scaling And Elasticity Handling Growth And Spikes

  • چارچوب‌های تصمیم‌گیری معماری Architectural Decision Frameworks

مشاهده‌پذیری و تعالی عملیاتی Observability and Operational Excellence

  • متریک‌های استریمینگ و KPIها: مانیتورینگ ضروری Streaming Metrics And KPIs Essential Monitoring

  • ردیابی توزیع‌شده: عیب‌یابی در سیستم‌های مختلف Distributed Tracing Debugging Across Systems

  • هشداردهی هوشمند: پاسخ خودکار به حوادث Intelligent Alerting Automated Incident Response

  • تکامل شمای داده‌ها: مدیریت تغییرات فرمت داده Schema Evolution Managing Data Format Changes

  • تست برنامه‌های استریمینگ: تست هرج‌ومرج و تاب‌آوری Testing Streaming Applications Chaos And Resilience

  • مدیریت چرخه عمر عملیاتی Operational Lifecycle Management

نمایش نظرات

آموزش طراحی معماری‌های استریمینگ قابل اعتماد
جزییات دوره
1h 5m
18
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
1
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

Goran Trajkovski Goran Trajkovski

دکتر گوران تراژکوفسکی دارای بیش از ۳۰ سال تجربه در زمینه‌های هوش مصنوعی، علم داده و طراحی یادگیری است و بر استراتژی‌های یادگیرنده-محور و تغییرات سازمانی تمرکز دارد. او بیش از ۳۵ برنامه آکادمیک و ۳۵۰ دوره آموزشی طراحی کرده، یک آزمایشگاه رباتیک با حمایت NSF تأسیس نموده و در استارتاپ‌های دانشگاهی و طرح‌های گواهینامه‌های خرد مشارکت داشته است. او به عنوان پژوهشگر فولبرایت، در محیط‌های آموزشی و صنعتی فعالیت کرده و هوش مصنوعی را با یادگیری و تصمیم‌گیری‌های داده‌محور ادغام نموده است. وی مناصب مدیریتی متعددی را در موسسات آکادمیک و محیط‌های شرکتی برای نظارت بر نوآوری در برنامه درسی، اعتباربخشی و طراحی آموزشی داشته است. تخصص او شامل حاکمیت هوش مصنوعی، تحلیل‌های یادگیری و توسعه برنامه با تمرکز ویژه بر مربیگری، تحقیق و نقش تکاملی هوش مصنوعی در آموزش و توسعه نیروی کار است. او کتاب‌ها و مقالاتی در زمینه AI و یادگیری تالیف کرده، در همکاری‌های پژوهشی بین‌المللی مشارکت داشته و به طور منظم در کنفرانس‌هایی درباره اخلاق در هوش مصنوعی، تحول دیجیتال و ارتقای مهارت‌های نیروی کار سخنرانی می‌کند. او با اشتیاق به پر کردن شکاف بین تکنولوژی و آموزش، به شکل دادن به آینده راهکارهای آموزشی و تمرینی مبتنی بر هوش مصنوعی ادامه می‌دهد.