آموزش مسترکلاس طراحی و معماری سیستم + بررسی نمونه‌های واقعی - آخرین آپدیت

دانلود System Design & Architecture Masterclass + Case Studies

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: طراحی سیستم‌های مقیاس‌پذیر با بررسی نمونه‌های واقعی (نتفلیکس، آمازون، گوگل، ChatGPT) + سوالات مصاحبه و چک‌لیست‌های کاربردی طراحی سیستم‌های مقیاس‌پذیری که مانند نتفلیکس، آمازون و گوگل میلیون‌ها کاربر را پشتیبانی می‌کنند تسلط بر Sharding دیتابیس، استراتژی‌های Caching و Load Balancing برای اپلیکیشن‌های با ترافیک بالا انتخاب بین دیتابیس‌های SQL و NoSQL با استفاده از چارچوب‌های تصمیم‌گیری اثبات شده معماری سیستم‌های میکروسرویس با ارتباطات صحیح بین سرویس‌ها و سازگاری داده‌ها ساخت سیستم‌های Real-time برای اپلیکیشن‌های چت، گیمینگ و استریم زنده طراحی لایه‌های کش توزیع‌شده برای بهبود عملکرد تا ۱۰ برابر یا بیشتر پیاده‌سازی شبکه‌های توزیع محتوا (CDN) و Edge Computing برای اپلیکیشن‌های جهانی مدیریت متناسب شکست‌های سیستم با استفاده از الگوهای Circuit Breaker و Redundancy بهینه‌سازی هزینه‌های سیستم در عین حفظ عملکرد و قابلیت اطمینان موفقیت در مصاحبه‌های طراحی سیستم در شرکت‌های برتر تکنولوژی با رویکردهای ساختاریافته حل مسئله به‌کارگیری الگوهای زیرساختی یادگیری ماشین برای اپلیکیشن‌های AI/ML طراحی سیستم‌های پرداخت با امنیت مناسب، رعایت استانداردهای قانونی و تشخیص کلاهبرداری ایجاد سیستم‌های مانیتورینگ و Observability برای جلوگیری از قطعی‌ها پیش از وقوع ساخت سیستم‌های اجماع (Consensus) و مدیریت پیچیدگی‌های سیستم‌های توزیع‌شده اتخاذ تصمیمات معماری با استفاده از چارچوب‌های مورد استفاده مهندسان ارشد در شرکت‌های FAANG پیشنیازها: بیش از ۱ سال تجربه برنامه‌نویسی به هر زبانی (Java, Python, JavaScript و غیره) درک ابتدایی از اپلیکیشن‌های وب و نحوه عملکرد سیستم‌های Frontend و Backend آشنایی با دیتابیس‌های SQL و نوشتن کوئری‌های پایه درک مفاهیم HTTP، REST APIها و پروتکل‌های وب مفاهیم پایه شبکه (آدرس‌های IP، پورت‌ها، ارتباط کلاینت-سرور) تجربه خواندن و نوشتن کد (به هر زبان برنامه‌نویسی) درک ساختارهای داده پایه (آرایه‌ها، جدول‌های هش، درخت‌ها) آشنایی با سیستم کنترل نسخه Git کار با خط فرمان (Terminal) در سطح پایه دانش ابتدایی در مورد سیستم‌های AI/ML

این دوره شامل استفاده از هوش مصنوعی است.


تحول شغلی خود را با تسلط بر طراحی سیستمی آغاز کنید که در دنیای واقعی کاربرد دارد

آیا از آموزش‌های طراحی سیستم که فقط تئوری می‌گویند و شما را در مورد پیاده‌سازی واقعی بی‌اطلاع می‌گذارند خسته شده‌اید؟ آیا آماده‌اید با اعتماد به نفس سیستم‌هایی را معماری کنید که برای میلیون‌ها کاربر مقیاس‌پذیر باشند و مسیر شغلی خود را به سمت نقش‌های ارشد (Senior) سوق دهید؟

این فقط یک دوره طراحی سیستم دیگر نیست؛ بلکه ابزار کامل تحول شغلی شماست که فاصله بین دانش تئوری و تخصص عملی را پر می‌کند؛ همان تخصصی که شرکت‌های برتر تکنولوژی به دنبال آن هستند.



چرا این دوره باعث شتاب در مسیر شغلی شما می‌شود (نه فقط یادگیری مفاهیم)

۱. برای توسعه‌دهندگان نرم‌افزار (در تمامی سطوح):توسعه‌دهندگان جونیور می‌توانند با الگوهای تست شده، ۲ تا ۳ سال از مسیر آزمون و خطا را حذف کنند. توسعه‌دهندگان Mid-level تفکر معماری لازم برای ارتقاء به نقش‌های ارشد را به دست می‌آورند و توسعه‌دهندگان Senior مهارت‌های طراحی سیستم را برای رسیدن به جایگاه‌های Tech Lead و معمار سیستم کسب می‌کنند.


۲. برای معماران سیستم و Tech Leadها:به چارچوب‌های تصمیم‌گیری مورد استفاده در تیم‌های مهندسی نتفلیکس، آمازون و گوگل دسترسی پیدا کنید. استراتژی‌های بهینه‌سازی هزینه را بیاموزید که می‌تواند سالانه میلیون‌ها دلار در هزینه‌های شرکت شما صرفه‌جویی کند. توازن‌ها (Trade-offs) را درک کنید تا از اشتباهات معماری پرهزینه جلوگیری کنید.


۳. برای مهندسان Cloud و DevOps:فاصله بین زیرساخت و معماری اپلیکیشن را پر کنید. درک کنید که چرا سیستم‌ها به روش خاصی طراحی شده‌اند و به یک مشارکت‌کننده استراتژیک‌تر تبدیل شوید. برنامه‌ریزی ظرفیت (Capacity Planning) و استراتژی‌های مقیاس‌بندی را برای جلوگیری از قطعی‌ها بیاموزید.


۴. برای مدیران مهندسی:بدون نیاز به کدنویسی مستقیم، تصمیمات فنی آگاهانه بگیرید. توازن‌های معماری را درک کنید تا تیم خود را به طور موثر هدایت کنید و مفاهیم طراحی سیستم را به ذینفعان و مدیران ارشد منتقل نمایید.



چه چیزی این دوره را به مزیت رقابتی شما تبدیل می‌کند

  • بررسی موردی واقعی، نه مثال‌های سادهبه جای ساختن "توییتر برای ۱۰۰ کاربر"، سیستم‌های واقعی را معماری خواهید کرد: نتفلیکس با بیش از ۲۰۰ میلیون مشترک و استریم جهانی، آمازون با پردازش میلیون‌ها سفارش و لجستیک پیچیده، ChatGPT با ارائه هوش مصنوعی مکالمه‌ای به میلیون‌ها کاربر همزمان و اوبر با هماهنگی داده‌های مکانی در مقیاس عظیم.

    این‌ها تمرینات تئوری نیستند، بلکه چالش‌های دقیقی هستند که این شرکت‌ها با آن‌ها روبرو شدند و نحوه حل آن‌ها را بررسی می‌کنیم.

  • چارچوب‌های تصمیم‌گیری کاربردیهر بخش شامل چک‌لیست‌های عملی با راهنمایی‌های دقیق است؛ مثلاً چه زمانی SQL یا NoSQL را انتخاب کنیم (با مثال‌های عینی)، استراتژی‌های Load Balancing برای الگوهای مختلف ترافیک، تصمیمات کشینگ برای بهبود ۱۰ برابری عملکرد و روش‌های Sharding دیتابیس برای جلوگیری از مشکلات آینده.

  • استراتژی موفقیت در مصاحبهبیش از ۲۰۰ سوال منتخب از مصاحبه‌های واقعی شرکت‌های FAANG، رویکردهای گام‌به‌گام برای حل هر مسئله طراحی سیستم، اشتباهات رایجی که باعث رد شدن ۸۰٪ کاندیداها می‌شود و چارچوب‌هایی برای بیان شفاف تصمیمات طراحی شما.



این دوره چگونه کار روزمره شما را متحول می‌کند

  • از طریق تحلیل Case Studyهای واقعی:هر بخش اصلی با تحلیل نحوه حل چالش‌های مقیاس‌بندی توسط شرکت‌هایی چون نتفلیکس، آمازون و گوگل به پایان می‌رسد. این آموزش تئوری نیست؛ شما تصمیمات مهندسی دقیقی را که میلیون‌ها کاربر را پشتیبانی می‌کنند درک خواهید کرد.


  • با استفاده از چارچوب‌های تصمیم‌گیری به جای تئوری محض:به جای حفظ کردن مفاهیم، چارچوب‌های سیستماتیکی را می‌آموزید که مهندسان ارشد برای ارزیابی Trade-offها استفاده می‌کنند. وقتی تیم شما در مورد SQL در برابر NoSQL بحث می‌کند، شما یک ماتریس تصمیم‌گیری اثبات شده خواهید داشت.


  • اتصال معماری به تاثیرات بیزینسی:هر الگو از زاویه "اگر این بخش شکست بخورد چه می‌شود"و "هزینه این مورد در مقیاس بالا چقدر است"تدریس می‌شود. شما درک خواهید کرد که چرا نتفلیکس الگوهای خاصی از دیتابیس را انتخاب کرده است، نه فقط از نظر فنی، بلکه چون جایگزین‌های دیگر میلیون‌ها دلار هزینه زیرساختی یا از دست دادن مشترک را به دنبال داشت.


  • ساخت پیچیدگی به صورت تدریجی:دوره به گونه‌ای ساختاریافته که هر بخش بر مفاهیم قبلی بنا شده و پیچیدگی‌های جدید را معرفی می‌کند. تا زمانی که به Case Study نتفلیکس برسید، به طور طبیعی کشینگ، Load Balancing و الگوهای سازگاری داده‌ها را ترکیب می‌کنید.


  • با چارچوب‌های بلافاصله قابل اجرا:هر چک‌لیست شامل درخت‌های تصمیم‌گیری است که می‌توانید فردا در محل کارتان استفاده کنید. "آیا الگوی ترافیک من برای کشینگ CDN مناسب است؟""آیا باید دیتابیس را الان Shard کنم یا بعداً؟"این‌ها سوالات آکادمیک نیستند، بلکه تصمیمات روزانه‌ای هستند که مهندسان ارشد را از جونیورها متمایز می‌کنند.


  • آموزش "چرا"پشت هر مفهوم:شما درک خواهید کرد که چرا از Redis برای ذخیره Session استفاده می‌شود (نه فقط اینکه استفاده می‌شود)، چرا میکروسرویس‌ها پیچیدگی ایجاد می‌کنند و چرا سازگاری نهایی (Eventual Consistency) اهمیت دارد. این درک زمینه‌ای به شما اجازه می‌دهد تصمیمات معماری هوشمندانه بگیرید.


  • مکانیسم واقعی تحول:نمونه‌های موردی فقط مثال نیستند، بلکه تمرین‌های فکری هستند که به شما می‌آموزند با همان چارچوب تحلیلی مهندسان برتر به هر چالش طراحی سیستم نگاه کنید.



جعبه ابزار کامل موفقیت شما

  • چک‌لیست‌های هر بخشخلاصه‌های موجز برای ارجاع سریع در طول پروژه‌های واقعی، چارچوب‌های تصمیم‌گیری فوری و تحلیل Trade-off برای هر تصمیم معماری مهم.

  • زرادخانه آماده‌سازی برای مصاحبهسوالات منتخب از مصاحبه‌های آمازون، گوگل، متا و نتفلیکس، چارچوب‌های حل مسئله برای هر نوع چالش طراحی سیستم و مسائل تمرینی با راهکارهای دقیق.

  • قالب‌های معماریالگوهای اثبات شده برای انواع رایج سیستم‌ها (شبکه‌های اجتماعی، تجارت الکترونیک، استریم)، چک‌لیست‌های مقیاس‌پذیری و استراتژی‌های بهینه‌سازی هزینه.



چه کسانی با این دوره متحول می‌شوند

این دوره برای توسعه‌دهندگان نرم‌افزاری که می‌خواهند به نقش‌های ارشد و معمار ارتقاء یابند، معماران سیستمی که به دنبال تجربه پیاده‌سازی عملی هستند، Tech Leadهایی که نیاز به تصمیمات معماری بهتر دارند، مهندسان Cloud که می‌خواهند معماری اپلیکیشن را درک کنند، مهندسان DevOps، مدیران مهندسی، کاندیداهای مصاحبه برای نقش‌های ارشد و افرادی که قصد تغییر مسیر شغلی به شرکت‌های تکنولوژی با رشد بالا را دارند، ایده‌آل است.



چه کسانی نباید در این دوره شرکت کنند

مبتدیان مطلق بدون تجربه برنامه‌نویسی باید ابتدا یک دوره مبانی کدنویسی بگذرانند. کسانی که به دنبال آموزش‌های خاص یک فریم‌ورک هستند باید بدانند تمرکز این دوره بر معماری است، نه React یا Angular. افرادی که به دنبال راهکارهای سریع و لحظه‌ای هستند باید بدانند تسلط بر طراحی سیستم نیازمند یادگیری متعهدانه است. کسانی که انتظار کدنویسی گام‌به‌گام دارند باید بدانند تمرکز دوره بر معماری است، نه پیاده‌سازی کد.



مسیر یادگیری شما

فاز ۱: مبانی (هفته ۱ تا ۳)ایجاد درکی عمیق از مقیاس‌پذیری، دیتابیس‌ها و کشینگ.

فاز ۲: سیستم‌های هسته (هفته ۴ تا ۸)تسلط بر Load Balancing، میکروسرویس‌ها و الگوهای سازگاری داده‌ها.

فاز ۳: الگوهای پیشرفته (هفته ۹ تا ۱۲)مواجهه با سیستم‌های Real-time، زیرساخت‌های AI/ML و سیستم‌های توزیع‌شده پیچیده.

فاز ۴: کاربرد در دنیای واقعی (هفته ۱۳ تا ۱۶)پیاده‌سازی تمام آموخته‌ها از طریق Case Studyهای جامع و آماده‌سازی برای مصاحبه.



آنچه نباید انتظار داشته باشید (انتظارات واقع‌بینانه)

این دوره شما را یک‌شبه به معمار سیستم تبدیل نمی‌کند؛ تسلط نیازمند تمرین و کاربرد در دنیای واقعی است. ما جزئیات پیاده‌سازی هر تکنولوژی را پوشش نمی‌دهیم و شما همچنان برای تبدیل شدن به یک متخصص واقعی به تجربه عملی نیاز دارید.

با این حال، شما مبانی مفهومی و چارچوب‌های عملی را به دست می‌آورید که معمولاً سال‌ها زمان می‌برد تا از طریق آزمون و خطا یاد گرفته شوند.



نیازمندی‌های دوره

  • پیش‌نیازها:تجربه پایه برنامه‌نویسی به هر زبانی (۱ سال به بالا)، درک اپلیکیشن‌های وب (مفاهیم فرانت‌اند/بک‌اند)، آشنایی با دیتابیس‌ها (مبانی SQL) و دانش پایه شبکه (HTTP, REST APIs).


  • پیش‌زمینه توصیه شده:تجربه کار با پلتفرم‌های ابری (AWS, GCP, Azure) مفید است اما اجباری نیست. آشنایی قبلی با سیستم‌های توزیع شده مزیت است اما ما از مبانی شروع می‌کنیم.


  • نیازمندی‌های فنی:نرم‌افزار خاصی مورد نیاز نیست؛ تمرکز بر مفاهیم و معماری است. دسترسی به اینترنت و ابزاری برای یادداشت‌برداری.



مخاطبان هدف

  • مخاطبان اصلی:توسعه‌دهندگان Mid-level تا Senior (۳ تا ۸ سال تجربه)، معماران سیستم و Tech Leadها، مدیران مهندسی با پیش‌زمینه فنی.

  • مخاطبان ثانویه:مهندسان Cloud و DevOps به دنبال دانش معماری، کاندیداهای مصاحبه برای نقش‌های ارشد، متخصصانی که در حال انتقال به نقش‌های معماری هستند.

  • تمرکز بر مرحله شغلی:متخصصانی که آماده‌اند از نقش‌های توسعه‌دهنده ساده فراتر روند و به دنبال جایگاه‌هایی با تخصص طراحی سیستم یا رهبری فنی هستند.


سرفصل ها و درس ها

مقدمه‌ای بر طراحی سیستم Introduction to System Design

  • چرا طراحی سیستم اهمیت دارد Why System Design Matters

  • چگونه مانند یک معمار فکر کنیم How to Think Like an Architect

  • نیازمندی‌های کاربردی (Functional) Functional Requirements

  • نیازمندی‌های غیرکاربردی (Non-Functional) Non-Functional Requirements

  • محاسبات تخمینی سریع - بخش اول Back-of-Envelope Calculations - Part 1

  • محاسبات تخمینی سریع - بخش دوم Back-of-Envelope Calculations - Part 2

  • چارچوب طراحی ۴ مرحله‌ای The 4-Step Design Framework

  • ضمیمه بخش ۱ (تمرینات، سوالات متداول و بیشتر) Section 1 Handout - (Exercises, FAQs and more)

اجزای سازنده مقیاس‌پذیری Building Blocks of Scalability

  • توضیح مقیاس‌بندی عمودی (Vertical Scaling) Vertical Scaling Explained

  • مبانی مقیاس‌بندی افقی (Horizontal Scaling) Horizontal Scaling Fundamentals

  • مبانی Load Balancing Load Balancing Basics

  • الگوریتم‌های Load Balancing - بخش اول Load Balancing Algorithms - Part 1

  • الگوریتم‌های Load Balancing - بخش دوم Load Balancing Algorithms - Part 2

  • طراحی سرویس‌های Stateless Stateless Service Design

  • الگوهای Service Discovery Service Discovery Patterns

  • قطع‌کننده‌های مدار (Circuit Breakers) و تاب‌آوری Circuit Breakers and Resilience

  • ضمیمه بخش ۲ (تمرینات، سوالات متداول و بیشتر) Section 2 Handout - (Exercises, FAQs and more)

تمرین موردکاوی ۱: کوتاه‌کننده لینک (URL Shortener) Case Study Assignment 1 - URL Shortener

  • نیازمندی: تمرین طراحی کوتاه‌کننده لینک Requirement: Design a URL Shortener Assignment

  • راهکار: طراحی API Solution: API Design

  • راهکار: طراحی دیتابیس Solution: Database Design

  • راهکار: استراتژی کدگذاری (Encoding) Solution: Encoding Strategy

  • راهکار: مقیاس‌بندی و کشینگ Solution: Scaling & Caching

  • ضمیمه بخش ۳ (تمرینات، سوالات متداول و بیشتر) Section 3 Handout - (Exercises, FAQs and more)

مبانی دیتابیس - بخش اول Database Fundamentals - Part 1

  • مروری بر دیتابیس‌های SQL SQL Databases Overview

  • توضیح ویژگی‌های ACID ACID Properties Explained

  • مقدمه‌ای بر NoSQL NoSQL Introduction

  • دیتابیس‌های سندی (Document) Document Databases

  • ذخیره‌سازهای کلید-مقدار (Key-Value) Key-Value Stores

  • ذخیره‌سازهای خانواده ستونی (Column Family) Column-Family Stores

  • دیتابیس‌های گرافی (Graph) Graph Databases

  • ضمیمه بخش ۴ (تمرینات، سوالات متداول و بیشتر) Section 4 Handout - (Exercises, FAQs and more)

مبانی دیتابیس - بخش دوم Database Fundamentals - Part 2

  • توضیح قضیه CAP CAP Theorem Explained

  • مدل‌های سازگاری (Consistency) - بخش اول Consistency Models - Part 1

  • مدل‌های سازگاری (Consistency) - بخش دوم Consistency Models - Part 2

  • مقایسه ACID در برابر BASE ACID vs BASE

  • مبانی ایندکس‌گذاری دیتابیس Database Indexing Basics

  • بهینه‌سازی کوئری‌ها Query Optimization

  • ضمیمه بخش ۵ (تمرینات، سوالات متداول و بیشتر) Section 5 Handout - (Exercises, FAQs and more)

الگوهای مقیاس‌بندی دیتابیس Database Scaling Patterns

  • تکثیر Master-Slave Master-Slave Replication

  • مدیریت تاخیر در تکثیر (Replication Lag) Handling Replication Lag

  • تکثیر Master-Master Master-Master Replication

  • مبانی Sharding دیتابیس Database Sharding Basics

  • استراتژی‌های Sharding Sharding Strategies

  • هشینگ سازگار (Consistent Hashing) - بخش اول Consistent Hashing - Part 1

  • هشینگ سازگار (Consistent Hashing) - بخش دوم Consistent Hashing - Part 2

  • فدراسیون و غیرنرمال‌سازی (Denormalization) Federation and Denormalization

  • ضمیمه بخش ۶ (تمرینات، سوالات متداول و بیشتر) Section 6 Handout - (Exercises, FAQs and more)

تمرین موردکاوی ۲: اینستاگرام Case Study Assignment 2 - Instagram

  • نیازمندی: طراحی اینستاگرام Requirement: Design Instagram

  • راهکار: آپلود عکس Solution: Photo Upload

  • راهکار: استراتژی ذخیره‌سازی Solution - Storage Strategy

  • راهکار: تولید فید (Feed) - بخش اول Solution: Feed Generation - Part 1

  • راهکار: تولید فید (Feed) - بخش دوم Solution: Feed Generation - Part 2

  • راهکار: طراحی دیتابیس Solution: Database Design

  • ضمیمه بخش ۷ (تمرینات، سوالات متداول و بیشتر) Section 7 Handout - (Exercises, FAQs and more)

استراتژی‌های کشینگ (Caching) Caching Strategies

  • چرا کشینگ اهمیت دارد Why Caching Matters

  • سطوح مختلف کش Cache Levels

  • الگوی Cache Aside Cache-Aside Pattern

  • مقایسه Write Through در برابر Write Behind Write-Through vs Write-Behind

  • استراتژی‌های ابطال کش (Cache Invalidation) Cache Invalidation Strategies

  • معماری Redis - بخش اول Redis Architecture - Part 1

  • معماری Redis - بخش دوم Redis Architecture - Part 2

  • ضمیمه بخش ۸ (تمرینات، سوالات متداول و بیشتر) Section 8 Handout - (Exercises, FAQs and more)

شبکه‌های توزیع محتوا (CDN) Content Delivery Networks

  • مبانی CDN CDN Fundamentals

  • مقایسه CDNهای Push در برابر Pull Push vs Pull CDNs

  • محتوای استاتیک در برابر دینامیک Static vs Dynamic Content

  • استریم ویدیو با CDNها Video Streaming with CDNs

  • ضمیمه بخش ۹ (تمرینات، سوالات متداول و بیشتر) Section 9 Handout - (Exercises, FAQs and more)

تمرین موردکاوی ۳: یوتیوب Case Study Assignment 3 - Youtube

  • نیازمندی: طراحی یوتیوب Requirement: Design YouTube

  • راهکار: آپلود ویدیو Solution: Video Upload

  • راهکار: پردازش ویدیو Solution: Video Processing

  • راهکار: ذخیره‌سازی و CDN Solution: Storage & CDN

  • راهکار: استریمینگ Solution: Streaming

  • راهکار: سیستم توصیه‌گر Solution: Recommendations

  • ضمیمه بخش ۱۰ (تمرینات، سوالات متداول و بیشتر) Section 10 Handout - (Exercises, FAQs and more)

صف‌های پیام و استریم‌ها (Message Queues & Streams) Message Queues & Streams

  • مبانی صف پیام (Message Queue) Message Queue Fundamentals

  • مقایسه مدل‌های Queue در برابر Topic Queue vs Topic Models

  • تضمین‌های تحویل پیام Message Delivery Guarantees

  • معماری Kafka - بخش اول Kafka Architecture - Part 1

  • معماری Kafka - بخش دوم Kafka Architecture - Part 2

  • ضمیمه بخش ۱۱ (تمرینات، سوالات متداول و بیشتر) Section 11 Handout - (Exercises, FAQs and more)

طراحی API API Design

  • طراحی REST API REST API Design

  • GraphQL GraphQL

  • gRPC و Protocol Buffers gRPC & Protocol Buffers

  • الگوریتم‌های Rate Limiting Rate Limiting Algorithms

  • Idempotency در API API Idempotency

تمرین موردکاوی ۴: واتس‌اپ Case Study Assignment 4 - WhatsApp

  • نیازمندی: طراحی واتس‌اپ Requirement: Design WhatsApp

  • راهکار: پروتکل پیام‌رسانی Solution: Message Protocol

  • راهکار: تحویل پیام Solution: Message Delivery

  • راهکار: رمزنگاری سرتاسری (E2E) Solution: E2E Encryption

  • راهکار: اشتراک‌گذاری مدیا Solution: Media Sharing

ارتباطات آنی (Real-time) Real-time Communication

  • توضیح Long Polling Long Polling Explained

  • مبانی WebSockets WebSockets Fundamentals

  • رویدادهای ارسالی سرور (SSE) Server-Sent Events (SSE)

  • مقیاس‌بندی WebSockets Scaling WebSockets

  • سیستم‌های حضور (Presence Systems) Presence Systems

معماری میکروسرویس - بخش اول Microservices Architecture - Part 1

  • مونولیت در برابر میکروسرویس Monolith vs Microservices

  • مرزهای سرویس (Service Boundaries) Service Boundaries

  • ارتباطات بین سرویس‌ها Service Communication

  • الگوی API Gateway API Gateway Pattern

  • کشف سرویس (Service Discovery) Service Discovery

معماری میکروسرویس - بخش دوم Microservices Architecture - Part 2

  • مشکل تراکنش‌های توزیع‌شده Distributed Transactions Problem

  • تعهد دو مرحله‌ای (2PC) Two-Phase Commit (2PC)

  • استراتژی‌های پیاده‌سازی Saga Saga Implementation Strategies

  • رویداد-سورسینگ (Event Sourcing) و CQRS Event Sourcing & CQRS

تمرین موردکاوی ۵: اوبر Case Study Assignment 5 - Uber

  • نیازمندی: طراحی اوبر Requirement: Design Uber

  • راهکار: سرویس مکان‌یابی Solution: Location Service

  • راهکار: ردیابی راننده Solution: Driver Tracking

  • راهکار: الگوریتم تطبیق (Matching) Solution: Matching Algorithm

  • راهکار: قیمت‌گذاری پویا Solution: Dynamic Pricing

  • راهکار: ذخیره‌سازی سفر Solution: Trip Storage

سیستم‌های جستجو Search Systems

  • مبانی جستجو و امتیازدهی (Scoring) Search Fundamentals & Scoring

  • Elasticsearch و جستجوی توزیع‌شده Elasticsearch & Distributed Search

  • سیستم‌های Typeahead و Autocomplete Typeahead & Autocomplete Systems

  • شخصی‌سازی جستجو و رتبه‌بندی ML Search Personalization & ML Ranking

تمرین موردکاوی ۶: نتفلیکس Case Study Assignment 6 - Netflix

  • نیازمندی: طراحی نتفلیکس Requirement: Design Netflix

  • راهکار: کدگذاری بر اساس عنوان (Per Title Encoding) Solution: Per-Title Encoding

  • راهکار: CDN اختصاصی Open Connect Solution: Open Connect CDN

  • راهکار: استریم تطبیقی (Adaptive Streaming) Solution: Adaptive Streaming

  • راهکار: سیستم‌های توصیه‌گر Solution: Recommendation Systems

امنیت و احراز هویت Security & Authentication

  • روش‌های احراز هویت و MFA Authentication Methods & MFA

  • احراز هویت Session در برابر Token Session vs Token Authentication

  • بررسی عمیق JWT JWT Deep Dive

  • راهنمای کامل OAuth 2.0 OAuth 2.0 Complete Guide

  • الگوهای مجوزدهی (Authorization) Authorization Patterns

تمرین موردکاوی ۷: ایکس (توییتر) Case Study Assignment 7 - X (Twitter)

  • نیازمندی: طراحی X (توییتر) Requirement: Design X

  • راهکار: ذخیره‌سازی پست‌ها و مدل‌سازی داده‌ها Solution: Post Storage & Data Modeling

  • راهکار: تولید تایم‌لاین Solution: Timeline Generation

  • راهکار: تشخیص ترندهای آنی Solution: Real-time Trending Detection

مانیتورینگ و مشاهده‌پذیری (Observability) Monitoring & Observability

  • ساخت سیستم‌های مشاهده‌پذیر Building Observable Systems

  • پیاده‌سازی استک Observability Observability Stack Implementation

  • مفاهیم SLIs, SLOs و بودجه خطا (Error Budgets) SLIs, SLOs, and Error Budgets

  • سیستم‌های هشداردهی کاربردی Alerting That Actually Works

  • مهندسی هرج‌ومرج (Chaos Engineering) Chaos Engineering and Game Days

سیستم‌های پرداخت Payment Systems

  • معماری پردازش پرداخت Payment Processing Architecture

  • الگوهای Idempotency و قابلیت اطمینان Idempotency and Reliability Patterns

  • تشخیص کلاهبرداری و مدیریت ریسک Fraud Detection and Risk Management

  • استاندارد PCI و معماری امنیت PCI Compliance and Security Architecture

تمرین موردکاوی ۸: آمازون Case Study Assignment 8 - Amazon

  • نیازمندی: طراحی تجارت الکترونیک آمازون Requirement: Design Amazon E-commerce

  • راهکار: کاتالوگ محصولات و جستجو Solution: Product Catalog & Search

  • راهکار: سبد خرید و مدیریت نشست (Session) Solution: Shopping Cart & Session Management

  • راهکار: پردازش سفارش و تامین (Fulfillment) Solution: Order Processing & Fulfillment

سیستم‌های AI/ML AI/ML Systems

  • معماری سیستم‌های ML و الگوهای استقرار ML System Architecture & Deployment Patterns

  • Feature Storeها و سازگاری داده‌ها Feature Stores & Data Consistency

  • ارائه مدل (Model Serving) و بهینه‌سازی استنتاج Model Serving & Inference Optimization

  • دیتابیس‌های برداری (Vector DB) و سیستم‌های مدرن AI Vector Databases & Modern AI Systems

تمرین موردکاوی ۹: ChatGPT Case Study Assignment 9 - ChatGPT

  • نیازمندی: طراحی ChatGPT Requirement: Design ChatGPT

  • راهکار: زیرساخت ارائه LLM Solution: LLM Serving Infrastructure

  • راهکار: مدیریت مکالمات و بهینه‌سازی هزینه Solution: Conversation Management & Cost Optimization

سیستم‌های توزیع‌شده (پیشرفته) Distributed Systems (Advanced)

  • اجماع با الگوریتم Raft Consensus with Raft Algorithm

  • ساعت‌های برداری (Vector Clocks) و علیت توزیع‌شده Vector Clocks & Distributed Causality

  • فیلترهای Bloom برای مقیاس بالا Bloom Filters for Scale

  • HyperLogLog برای تخمین تعداد اعضا HyperLogLog for Cardinality Estimation

  • پروتکل‌های Gossip و انتشار اطلاعات اپیدمیک Gossip Protocols & Epidemic Information Spread

معماری Cloud Native Cloud Native Architecture

  • مبانی کانتینرها و کوبرنتیز (Kubernetes) Containers & Kubernetes Fundamentals

  • کوبرنتیز در عمل: مقیاس‌بندی و خودترمیمی Kubernetes in Practice - Scaling & Self-Healing

  • Service Mesh و الگوی Sidecar Service Mesh & the Sidecar Pattern

  • Serverless و الگوهای Event-Driven Serverless & Event-Driven Patterns

تمرین موردکاوی ۱۰: اسپاتیفای Case Study Assignment 10 - Spotify

  • نیازمندی: طراحی اسپاتیفای Requirement: Design Spotify

  • راهکار: استریم صوتی در مقیاس بالا Solution: Audio Streaming at Scale

  • راهکار: همگام‌سازی آفلاین و دانلودها Solution: Offline Sync & Downloads

  • راهکار: Discover Weekly و شخصی‌سازی Solution: Discover Weekly & Personalization

آماده‌سازی برای مصاحبه Interview Preparation

  • چارچوب مصاحبه RESHADED The RESHADED Interview Framework

  • مدیریت زمان و استراتژی مصاحبه Time Management & Interview Strategy

  • محاسبات تخمینی سریع Back-of-Envelope Calculations

  • برنامه‌ریزی ظرفیت در مصاحبه‌ها Capacity Planning in Interviews

  • رسم دیاگرام‌های شفاف سیستم Drawing Clear System Diagrams

  • تحلیل Trade-off و توجیه تصمیمات Trade-off Analysis & Decision Justification

  • اشتباهات حیاتی مصاحبه که باید از آن‌ها اجتناب کرد Critical Interview Mistakes to Avoid

سری مصاحبه‌های شبیه‌سازی شده Mock Interview Series

  • سیستم چت (واتس‌اپ) - بخش اول Chat System (WhatsApp) - Part 1

  • سیستم چت (واتس‌اپ) - بخش دوم Chat System (WhatsApp) - Part 2

  • سیستم AI/ML (موتور توصیه‌گر) AI/ML System (Recommendation Engine)

  • اپلیکیشن Cloud Native Cloud Native Application

  • پلتفرم تجارت الکترونیک (آمازون) E-commerce Platform (Amazon)

  • داشبورد تحلیل‌های آنی (Real-time Analytics) Real-time Analytics Dashboard

بخش پایانی Outro

  • سخن پایانی نویسنده An Outro Note from the Author

بونوس (محتوای تکمیلی) Bonus

  • درس بونوس Bonus Lecture

نمایش نظرات

آموزش مسترکلاس طراحی و معماری سیستم + بررسی نمونه‌های واقعی
جزییات دوره
36 hours
176
(آخرین آپدیت)
504
4.8 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Harsha Vardhan Harsha Vardhan

مربی خبره MS | 32000+ Student Happy من آموزش های کلاس ، شرکتی ، آنلاین از 12 سال گذشته را در مورد Microsoft Technologies و UI Technologies مختلف ارائه می دهم. خوشحالم که دانش خود را به جهانیان می گویم. تخصص من بیشتر در مورد فناوری های زیر است: Angular ، JavaScript ، JavaScript پیشرفته ، jQuery ، Bootstrap ، MDBootstrap ، NodeJS ، C # .Net ، Asp.Net ، Asp.Net Mvc 5 ، Asp.Net Core ، WCF ، SignalR ، HTML 5 ، CSS 3