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 اپلیکیشن‌های 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 به صورت قابل اعتمادی مقیاس‌پذیر باشند. در ابتدا، الگوهای رایج معماری از جمله ETL، غنی‌سازی (Enrichment)، CDC و معماری‌های Lambda را بررسی خواهید کرد و می‌آموزید که هر الگو را در چه زمانی و چگونه به طور موثر به کار ببرید. سپس، یاد می‌گیرید که چگونه تصمیمات معماری را بر اساس اهداف قابلیت اطمینان و عملکرد اتخاذ کنید؛ این موارد شامل انتخاب تضمین‌های پردازشی، برنامه‌ریزی برای سناریوهای شکست و طراحی برای مقیاس‌پذیری است. در نهایت، نحوه برنامه‌ریزی برای قابلیت مشاهده (Observability)، نگهداری و تکامل سیستم‌های استریمینگ را خواهید آموخت 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 به‌دست 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

  • پردازش ETL و غنی‌سازی استریم ETL And Stream Enrichment

  • تغییر داده‌های کپچر شده (CDC) و هشداردهی رویداد-محور Change Data Capture And Event Driven Alerting

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

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

  • معماری Lambda: 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 حیاتی 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 بازیابی وضعیت Failure Recovery Redundancy And State Restoration

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

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

  • چارچوب‌های تصمیم‌گیری معماری Architectural Decision Frameworks

قابلیت مشاهده و تعالی عملیاتی Observability and Operational Excellence

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

  • ردیابی توزیع شده: عیب‌یابی در سیستم‌های متصل 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 اپلیکیشن‌های 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
(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.