آموزش پایگاه های داده توزیع شده با Apache Ignite

Distributed Databases with Apache Ignite

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

Apache Ignite یک پایگاه داده منبع باز، توزیع شده و پلت فرم محاسباتی است که عملکرد، مقیاس پذیری و دوام بالایی را برای برنامه های کاربردی داده فشرده و پردازش در زمان واقعی ارائه می دهد. در این دوره، معمار و مهندس داده خبره گوگل، جانانی راوی، محتوای پیشرفته استفاده از پایگاه داده های توزیع شده با آپاچی ایگنایت را برجسته می کند. با معماری حافظه محور و نحوه اعمال آن در Apache Ignite آشنا شوید. به اجرای یک کلاستر Ignite تک گره بروید و گره Ignite در حال اجرا در Docker را بررسی کنید. نحوه ایجاد یک کلاستر Ignite در حافظه و اتصال به Ignite با استفاده از DBeaver را بیاموزید. روش‌های ذخیره و نظارت بر داده‌ها و همچنین پارتیشن بندی و تکثیر داده‌ها را پوشش می‌دهد. نحوه اجرای پرس و جوهای SQL و بارگیری انبوه داده ها با استفاده از اسکریپت SQL، COPYINTO و حالت پخش را بیاموزید. به‌علاوه، نحوه دسترسی برنامه‌نویسی به Ignite با پایتون را بررسی کنید.

این دوره توسط جانانی راوی ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.


سرفصل ها و درس ها

معرفی Introduction

  • نمای کلی Apache Ignite Overview of Apache Ignite

1. شروع به کار با Apache Ignite 1. Getting Started with Apache Ignite

  • معماری حافظه محور Memory-centric architecture

  • مدل داده Ignite The Ignite data model

  • اجرای یک گره Ignite cluster Running a single node Ignite cluster

  • کاوش گره Ignite در حال اجرا در Docker Exploring the Ignite node running in Docker

  • اجرای یک کلاستر Ignite در حافظه Running an in-memory Ignite cluster

  • با استفاده از DBeaver به Apache Ignite متصل شوید Connect to Apache Ignite using DBeaver

2. ذخیره و نظارت بر داده ها 2. Storing and Monitoring Data

  • کار با داده های درون حافظه Working with in-memory data

  • اجرای یک خوشه با ماندگاری بومی فعال است Running a cluster with native persistence enabled

  • ذخیره سازی دائمی در یک خوشه Ignite Persistent storage in an Ignite cluster

  • اجرای یک خوشه Ignite چند گره Running a multi-node Ignite cluster

  • پیکربندی نظارت با استفاده از GridGain Configuring monitoring using GridGain

  • مانیتورینگ کلاسترها با GridGain Monitoring clusters with GridGain

3. پارتیشن بندی و تکرار داده ها 3. Data Partitioning and Replication

  • پارتیشن بندی و تکثیر داده ها Data partitioning and replication

  • ایجاد جداول پارتیشن بندی شده با کلیدهای Affinity Creating partitioned tables with affinity keys

  • رسیدگی به تلفات پارتیشن Handling partition losses

  • ایجاد جداول با پشتیبان گیری Creating tables with backups

  • مدیریت تلفات پارتیشن با پشتیبان گیری Handling partition losses with backups

  • ایجاد جداول با تکرار Creating tables with replication

  • مدیریت تلفات پارتیشن با تکرار Handling partition losses with replication

4. اجرای SQL Queries و Bulk Loading Data 4. Running SQL Queries and Bulk Loading Data

  • بازنشانی به Ignite نسخه 2.14.0 Resetting back to Ignite version 2.14.0

  • راه اندازی برای بارگذاری انبوه داده ها Setting up for bulk loading of data

  • بارگذاری انبوه داده ها با استفاده از اسکریپت SQL Bulk loading data using a SQL script

  • بارگیری انبوه داده با استفاده از COPYINTO Bulk loading data using COPYINTO

  • بارگیری انبوه داده با استفاده از حالت جریان Bulk loading data using streaming mode

  • نمایه سازی Indexing

5. دسترسی برنامه نویسی Ignite با پایتون 5. Programmatically Accessing Ignite with Python

  • استفاده از حافظه پنهان API با pyignite Using the cache API with pyignite

  • پر کردن انواع داده های پیچیده در حافظه پنهان Populating complex data types in the cache

  • بازیابی داده های پیچیده از کش Retrieving complex data from the cache

  • پیکربندی انقضای حافظه پنهان Configuring cache expiry

  • پیکربندی حالت‌های سازگاری حافظه پنهان Configuring cache consistency modes

  • خرابی مشتری Client failover

نتیجه Conclusion

  • خلاصه و مراحل بعدی Summary and next steps

نمایش نظرات

آموزش پایگاه های داده توزیع شده با Apache Ignite
جزییات دوره
1h 55m
33
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.