🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پایگاه های داده توزیع شده با Apache Ignite
- آخرین آپدیت
Distributed Databases with Apache Ignite
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
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
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.
نمایش نظرات