دستی آمازون DynamoDB برای توسعه دهندگان [ویدئو]

Hands-On Amazon DynamoDB for Developers [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با این دوره، شما نقاط قوت DynamoDB را درک خواهید کرد و از مشکلات آن آگاه خواهید شد تا مطمئن شوید که برای موفقیت آماده شده اید. هنگام ارائه نرم‌افزار، به‌سرعت راه‌اندازی و شروع به کار بسیار مهم است. DynamoDB که یک سرویس کاملاً مدیریت شده در AWS است، دقیقاً این امکان را فراهم می کند. Amazon DynamoDB یک سرویس پایگاه داده NoSQL کاملا مدیریت شده، سریع و انعطاف پذیر است. این دوره به شما درک خوبی از نحوه عملکرد سرویس و بهترین راه برای استفاده از آن در عین اجتناب از دام های رایج ارائه می دهد. شما یاد خواهید گرفت که DynamoDB چگونه در زیر پوشش ها کار می کند. ابتدا، اصول اولیه را بررسی می‌کنید، سپس به مدل‌سازی یک سیستم در DynamoDB می‌پردازید تا اطمینان حاصل کنید که عملکرد و مقیاس‌پذیری قابل اعتمادی را ارائه می‌دهد. شما درک درستی از قابلیت های DynamoDB ارائه می دهد، مانند Triggers و همه چیز را در مورد Time to Live و DynamoDB Accelerator یاد خواهید گرفت. در نهایت، نحوه بهبود عملکرد و ساخت یک پایگاه داده کاربردی با کارایی بالا را یاد خواهید گرفت. در پایان این دوره، اصول DynamoDB را درک خواهید کرد و هنگام ساخت اپلیکیشن خود، از استفاده از آن راحت خواهید بود. همه فایل های کد این دوره در Github در دسترس هستند - https://github.com/PacktPublishing/Hands-On-Amazon-DynamoDB-for-Developers-V- NoSQL و تفاوت آن با مدل سنتی داده های رابطه ای را بدانید بیاموزید که چگونه DynamoDB به ما در ساختن برنامه های اینترنتی در مقیاس ابری کمک می کند اصول مدل داده DynamoDB را وارد عمل کنید و درک کنید که چگونه تصمیمات طراحی برنامه را هدایت می کند از شاخص های ثانویه DynamoDB برای افزودن انعطاف پذیری بیشتر به برنامه ما استفاده کنید عملکرد DynamoDB را با ویژگی هایی مانند DAX و Global Tables تسریع کنید به طور خودکار اشیاء منقضی شده را با TTL حذف کنید داده ها را برای استفاده بعدی با جریان های DynamoDB صادر کنید تراکنش های ACID را روی جداول DynamoDB اجرا کنید این دوره برای معماران و توسعه دهندگان ابری AWS مناسب است که می خواهند راه حل های ذخیره سازی داده و پایگاه داده موثر و کارآمد را بر روی AWS بسازند. برخی از دانش قبلی در مورد استفاده از برخی خدمات AWS مفید خواهد بود. • یاد بگیرید که چگونه از برخی از قدرتمندترین ویژگی های آن مانند یک حرفه ای استفاده کنید و به شرکت هایی مانند AirBnB، سامسونگ و تویوتا بپیوندید که DynamoDB را به عنوان پایگاه داده ابری انتخابی خود انتخاب کرده اند * • ابزارهایی را که به شما امکان می دهند فراتر از یک پایگاه داده ساده NoSQL حرکت کنید را بدانید. و به DynamoDB اجازه دهید با ویژگی هایی مانند Streams، DAX، و Global Tables به قلب هر برنامه ای تبدیل شود * •همه آنچه را که باید در مورد DynamoDB بدانید از طریق مثال های ساده و با دقت انتخاب شده بیاموزید *

سرفصل ها و درس ها

مدل داده DynamoDB The DynamoDB Data Model

  • بررسی اجمالی دوره The Course Overview

  • پایگاه های داده رابطه ای در مقابل NoSQL Relational Databases versus NoSQL

  • مدل داده DynamoDB The DynamoDB Data Model

  • یک مدل داده ساده DynamoDB A Simple DynamoDB Data Model

  • ایجاد اولین جدول DynamoDB خود با کنسول AWS Creating Your First DynamoDB Table with the AWS Console

ساخت یک برنامه ساده با پشتیبانی DynamoDB Building a Simple Application Powered By DynamoDB

  • مدل سازی یک برنامه مدیریت کاربر با DynamoDB Modeling a User Management Application With DynamoDB

  • اهمیت درک الگوهای پرس و جو The Importance of Understanding Query Patterns

  • یک API ساده پایتون برای مدیریت کاربران و دوره های آموزشی مورد علاقه آنها A Simple Python API to Manage Users and Their Favorite Training Courses

  • ذخیره اطلاعات کاربر در DynamoDB Storing User Data in DynamoDB

مبانی بازیابی داده ها: پرس و جوها، اسکن ها و نمایه ها Data Retrieval Fundamentals: Queries, Scans, and Indexes

  • بازیابی داده ها بر اساس کلید: پرس و جو Retrieve Data By Key: Queries

  • اسکن داده های خارج از کلید اصلی Scanning the Data Outside of the Primary Key

  • تجزیه و تحلیل عملکرد: پرس و جو در مقابل اسکن Performance Analysis: Queries versus Scans

  • دسترسی به داده های خارج از کلید اولیه با استفاده از شاخص های ثانویه Accessing Data Outside of the Primary Key Using Secondary Indexes

مقیاس کردن برنامه DynamoDB شما: مقیاس خودکار، جداول جهانی و DAX Scaling Your DynamoDB Application: Autoscaling, Global Tables, and DAX

  • واحد عملکرد در DynamoDB: واحدهای ظرفیت تامین شده The Unit of Performance in DynamoDB: Provisioned Capacity Units

  • پاسخگویی خودکار به تقاضا با مقیاس خودکار Automatically Responding the Demand with Autoscaling

  • با استفاده از حافظه پنهان با DAX، برنامه کاربر را با تأخیر کم کنید Make the User Application Low Latency by Employing in Memory Caching with DAX

  • جهانی شدن: استقرار برنامه ما در سراسر جهان با جداول لامبدا و جهانی Going Global: Deploying Our Application Around the World with Lambda and Global Tables

ساخت کش داده با DynamoDB و TTL Building a Data Cache with DynamoDB and TTL

  • ایجاد یک سرویس ساده احراز هویت کاربر Creating a Simple User Authentication Service

  • صدور توکن های تایید هویت موقت برای کاربران Issuing Temporary Authentication Tokens to Users

  • در حال انقضا توکن های احراز هویت کاربر با DynamoDB TTL Expiring User Authentication Tokens with DynamoDB TTL

صادرات داده برای بازیابی بعدی با جریان Exporting Data for Later Retrieval with Streams

  • درک جریان های DynamoDB به عنوان مکانیزمی برای تغییر ضبط داده ها Understanding DynamoDB Streams As a Mechanism for Change Data Capture

  • فعال کردن استریم ها در جدول DynamoDB و بررسی فرمت خروجی Enabling Streams On the DynamoDB Table and Inspecting the Output Format

  • گرفتن داده های جریان، تبدیل آن، و صادرات آن به S3 Capturing the Stream Data, Transforming it, and Exporting It to S3

  • جستجوی داده های جریان DynamoDB با آمازون آتنا Querying the DynamoDB Stream Data with Amazon Athena

حفظ انطباق ACID با تراکنش های DynamoDB Maintaining ACID Compliance with DynamoDB Transactions

  • ACID چیست و چرا دستیابی به آن در یک سیستم توزیع شده مانند Dynamo دشوار است؟ What Is ACID and Why Is It Difficult to Achieve In a Distributed System like Dynamo?

  • اجرای تراکنش در مقابل DynamoDB می خواند و می نویسد Running Transaction Reads and Writes Against DynamoDB

نمایش نظرات

دستی آمازون DynamoDB برای توسعه دهندگان [ویدئو]
جزییات دوره
2 h 33 m
26
Packtpub Packtpub
(آخرین آپدیت)
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

James Cross James Cross

کولیبری یک شرکت مشاوره فناوری است که در سال 2015 توسط جیمز کراس و اینگرید فونی تاسیس شد. این شرکت با تخصص عمیق در زمینه هایی مانند کلان داده، علم داده، یادگیری ماشین و محاسبات ابری، به مشتریان خود کمک می کند تا در دنیای به سرعت در حال تغییر و پیچیده فناوری های نوظهور حرکت کنند. در چند سال گذشته، آنها با برخی از بزرگترین و معتبرترین شرکت های جهان، از جمله بانک سرمایه گذاری ردیف 1، یک گروه مشاوره مدیریت پیشرو، و یکی از محبوب ترین شرکت های نوشابه در جهان کار کرده اند و به هر یک از آنها کمک کرده اند تا داده های آن را بهتر درک کرده و آن ها را به روش های هوشمندانه تری پردازش کنید. این شرکت با شعار خود زندگی می کند: داده -> هوش -> عمل. جیمز کراس یک مهندس داده بزرگ و معمار راه حل های AWS دارای گواهینامه است که علاقه زیادی به برنامه های کاربردی داده محور دارد. او 3 تا 5 سال گذشته را صرف کمک به مشتریان خود برای طراحی و پیاده‌سازی پلتفرم‌های کلان داده در مقیاس عظیم، استریم، پشته‌های تحلیلی مبتنی بر ابر و معماری‌های بدون سرور کرده است. او کار حرفه‌ای خود را در بانکداری سرمایه‌گذاری، با کار با فناوری‌های جاافتاده مانند جاوا و SQL Server، قبل از ورود به فضای Big Data آغاز کرد. از آن زمان او با طیف وسیعی از ابزارهای کلان داده از جمله اکثر اکو سیستم Hadoop، Spark و بسیاری از فناوری‌های No-SQL مانند Cassandra، MongoDB، Redis و DynamoDB کار کرده است. اخیراً تمرکز او بر روی فناوری‌های ابری و نحوه استفاده از آن‌ها در تجزیه و تحلیل داده‌ها بوده است که در کار او در Scout Solutions به عنوان CTO و اخیراً با Mckinsey به اوج خود رسیده است. جیمز یک معمار راه حل های دارای گواهینامه AWS با چندین سال تجربه در طراحی و اجرای راه حل ها در این پلت فرم ابری است. او به‌عنوان مدیر ارشد فناوری Scout Solutions Ltd، مجموعه‌ای کاملاً بدون سرور از APIها و یک پشته تحلیلی مبتنی بر Lambda و Redshift ساخت.

James Cross James Cross

کولیبری یک شرکت مشاوره فناوری است که در سال 2015 توسط جیمز کراس و اینگرید فونی تاسیس شد. این شرکت با تخصص عمیق در زمینه هایی مانند کلان داده، علم داده، یادگیری ماشین و محاسبات ابری، به مشتریان خود کمک می کند تا در دنیای به سرعت در حال تغییر و پیچیده فناوری های نوظهور حرکت کنند. در چند سال گذشته، آنها با برخی از بزرگترین و معتبرترین شرکت های جهان، از جمله بانک سرمایه گذاری ردیف 1، یک گروه مشاوره مدیریت پیشرو، و یکی از محبوب ترین شرکت های نوشابه در جهان کار کرده اند و به هر یک از آنها کمک کرده اند تا داده های آن را بهتر درک کرده و آن ها را به روش های هوشمندانه تری پردازش کنید. این شرکت با شعار خود زندگی می کند: داده -> هوش -> عمل. جیمز کراس یک مهندس داده بزرگ و معمار راه حل های AWS دارای گواهینامه است که علاقه زیادی به برنامه های کاربردی داده محور دارد. او 3 تا 5 سال گذشته را صرف کمک به مشتریان خود برای طراحی و پیاده‌سازی پلتفرم‌های کلان داده در مقیاس عظیم، استریم، پشته‌های تحلیلی مبتنی بر ابر و معماری‌های بدون سرور کرده است. او کار حرفه‌ای خود را در بانکداری سرمایه‌گذاری، با کار با فناوری‌های جاافتاده مانند جاوا و SQL Server، قبل از ورود به فضای Big Data آغاز کرد. از آن زمان او با طیف وسیعی از ابزارهای کلان داده از جمله اکثر اکو سیستم Hadoop، Spark و بسیاری از فناوری‌های No-SQL مانند Cassandra، MongoDB، Redis و DynamoDB کار کرده است. اخیراً تمرکز او بر روی فناوری‌های ابری و نحوه استفاده از آن‌ها در تجزیه و تحلیل داده‌ها بوده است که در کار او در Scout Solutions به عنوان CTO و اخیراً با Mckinsey به اوج خود رسیده است. جیمز یک معمار راه حل های دارای گواهینامه AWS با چندین سال تجربه در طراحی و اجرای راه حل ها در این پلت فرم ابری است. او به‌عنوان مدیر ارشد فناوری Scout Solutions Ltd، مجموعه‌ای کاملاً بدون سرور از APIها و یک پشته تحلیلی مبتنی بر Lambda و Redshift ساخت.