آموزش مدیریت و بهره‌برداری از فرمت‌های جدول باز (Open Table Formats) - آخرین آپدیت

دانلود Operate and Manage Open Table Formats

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: فرمت‌های جدول باز نحوه ساخت دریاچه‌های داده مدرن را متحول کرده‌اند و امکان ایجاد جداول قابل اعتماد بر روی ذخیره‌سازهای شیء (Object Storage) را فراهم نموده‌اند. در این دوره آموزشی با عنوان «مدیریت و بهره‌برداری از فرمت‌های جدول باز»، خواهید آموخت که فرمت‌هایی مانند Apache Iceberg، Delta Lake و Apache Hudi چگونه متاداده‌ها را مدیریت می‌کنند، تکامل شمای (Schema Evolution) را هندل می‌کنند، از خواندن و نوشتن همزمان پشتیبانی می‌کنند و قابلیت‌هایی مانند سفر در زمان (Time Travel) و حذف داده‌ها را فعال می‌سازند. در ابتدا، بلوک‌های سازنده داخلی فرمت‌های جدول باز، از جمله فایل‌های متاداده، اسنپ‌شات‌ها و وضعیت نسخه‌بندی شده جدول را بررسی خواهید کرد. سپس، می‌آموزید که چگونه عملیات‌های رایج مانند درج، به‌روزرسانی، حذف و تغییرات شمای بدون ایجاد اختلال برای مصرف‌کنندگان پایین‌دست، به صورت ایمن اعمال می‌شوند. در نهایت، دغدغه‌های عملیاتی مانند فشرده‌سازی (Compaction)، انقضای اسنپ‌شات، کنترل همزمانی و بهینه‌سازی عملکرد را بررسی کرده و خواهید دید که این الگوها چگونه در پلتفرم‌های داده واقعی پیاده‌سازی می‌شوند. در پایان این دوره، شما قادر خواهید بود رفتار جداول را تحلیل کنید، مشکلات را عیب‌یابی نمایید و با اطمینان کامل، فرمت‌های جدول باز را در محیط‌های عملیاتی (Production) مدیریت کنید.

سرفصل ها و درس ها

مدیریت چرخه عملیاتی جداول ساخته شده با فرمت‌های جدول باز Manage the Operational Lifecycle of Tables Built on Open Table Formats

  • چرا دریاچه‌های داده به فرمت‌های جدول باز نیاز دارند Why Data Lakes Need Open Table Formats

  • درون یک فرمت جدول باز: متاداده و وضعیت جدول Inside an Open Table Format: Metadata and Table State

  • اسنپ‌شات‌ها و خواندن سازگار Snapshots and Consistent Reads

  • سفر در زمان و دسترسی به داده‌های نسخه‌بندی شده Time Travel and Versioned Data Access

  • مقایسه Iceberg، Delta Lake و Hudi Comparing Iceberg, Delta Lake, and Hudi

بهینه‌سازی عملکرد و هزینه برای سیستم‌های استفاده‌کننده از فرمت‌های جدول باز Optimize Performance and Cost for Systems Using Open Table Formats

  • تکامل شمای بدون ایجاد اختلال در کوئری‌ها Schema Evolution without Breaking Queries

  • به‌روزرسانی و حذف در داده‌های تغییرناپذیر Updates and Deletes on Immutable Data

  • فشرده‌سازی و بهینه‌سازی فایل‌ها Compaction and File Optimization

  • همزمانی، عملکرد و سبک‌سنگین کردن‌های عملیاتی Concurrency, Performance, and Operational Trade-offs

نمایش نظرات

آموزش مدیریت و بهره‌برداری از فرمت‌های جدول باز (Open Table Formats)
جزییات دوره
34m
9
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
3
از 5
دارد
دارد
دارد
Harsh Karna
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Harsh Karna Harsh Karna

Harsh یک مهندس نرم افزار ماهر با بیش از 4 سال تجربه در مهندسی داده ها و توسعه نرم افزار است. او در فن آوری های داده های بزرگ مانند Hadoop ، Spark و SQL به همراه سیستم عامل های ابری مانند AWS و Azure تخصص زیادی دارد ، جایی که او ETL قوی و چارچوب های داده را بر روی سیستم عامل هایی مانند Snowflake و Databricks ساخته است. در زبانهای برنامه نویسی مانند پایتون ، SQL و جاوا مهارت دارد ، Harsh همچنین در چارچوب های Django و Flask تجربه دارد. کار وی شامل طراحی و اجرای خطوط لوله داده ، دریاچه های داده و انبارهای داده است. HARSH با سابقه ای در علوم داده ، یادگیری ماشین و آمار ، به پروژه های متنوعی از جمله پردازش زبان طبیعی و دید رایانه کمک کرده است. او به عنوان یک فریلنسر ، پروژه هایی را در مهندسی داده ها ، داده های بزرگ ، محاسبات ابری ، تجزیه و تحلیل داده ها و ژنرال هوش مصنوعی مقابله می کند. در خارج از کار ، سخت عاشق مسافرت ، یادگیری در مورد فرهنگ های جدید و ملاقات با مردم از سراسر جهان است. او مربیگری رایگان را به دانشجویان و افراد متقاضی شغل ارائه می دهد و به آنها کمک می کند تا در صنعت فناوری حرکت کنند.