آموزش الگوهای مدل سازی و پارتیشن بندی داده ها در Azure Cosmos DB

Data Modeling and Partitioning Patterns in Azure Cosmos DB

Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیویی برای نمایش وجود ندارد.
      توضیحات دوره: این دوره متخصصان داده را هدف قرار می دهد که نیاز به یادگیری استراتژی های مدل سازی داده برای Azure Cosmos DB و تفاوت آنها با روش های سنتی دارند. در حالی که استفاده از Azure Cosmos DB آسان است ، اما در مقایسه با یک پایگاه داده رابطه ای سنتی بسیار متفاوت است. در این دوره ، الگوهای مدل سازی و پارتیشن بندی داده ها در Azure Cosmos DB ، شما خواهید آموخت که چگونه مدل های داده موثر را برای Cosmos DB ، پایگاه داده افقی و غیر رابطه ای مایکروسافت ، در Azure طراحی کنید. در مرحله اول ، شما مرحله به مرحله فرآیند سازگاری طرحواره رابطه ای با یک مدل داده بهینه شده برای Cosmos DB بر اساس پایگاه داده نمونه AdventureWorks آشنا خواهید شد. در مرحله بعدی ، شما مفاهیم اصلی مانند پارتیشن بندی و توان لازم را برای انجام کار خود پیدا خواهید کرد. سرانجام ، شما به شیوه های مدل سازی داده های غیر رابطه ای مانند جاسازی در مقابل ارجاع ، ساختار داده های بدون طرحواره و غیر عادی سازی داده ها با Change Feed API ، Azure Funks و روش های ذخیره شده معاملات تبدیل خواهید شد. با پایان این دوره ، شما دانش لازم را برای دستیابی به طراحی مطلوب برای مدل های داده خود در Azure Cosmos DB خواهید داشت.

      سرفصل ها و درس ها

      بررسی اجمالی دوره Course Overview

      • بررسی اجمالی دوره Course Overview

      مقدمه Introduction

      • اهداف دوره Course Objectives

      • Azure Cosmos DB چیست؟ What Is Azure Cosmos DB?

      • مقیاس پذیر به صورت افقی Horizontally Scalable

      • غیر رابطه ای Non-relational

      • برای بارهای کاری رابطه ای مناسب است؟ Suitable for Relational Workloads?

      • کد نمونه Sample Code

      • خلاصه Summary

      شروع شدن Getting Started

      • مدل ارتباطی فروشگاه اینترنتی WebStore Relational Model

      • نسخه ی نمایشی: ایجاد مدل ارتباطی WebStore Demo: Creating the WebStore Relational Model

      • ظرف در هر میز؟ Container Per Table?

      • نسخه ی نمایشی: تولید مدل های غیر رابطه ای Demo: Generating the Non-relational Models

      • خلاصه Summary

      ساخت یک مدل داده غیر رابطه ای Building a Non-relational Data Model

      • مشتریان مدل سازی Modeling Customers

      • تعبیه یا مرجع؟ Embed or Reference?

      • پارتیشن بندی چیست؟ What Is Partitioning?

      • اجتناب از پارتیشن های داغ Avoiding Hot Partitions

      • نمایشگرهای تک پارتیشن در مقابل تقسیم متقابل Single-partition vs. Cross-partition Queries

      • انتخاب یک کلید پارتیشن برای مشتریان Choosing a Partition Key for Customers

      • نسخه ی نمایشی: پرس و جو برای مشتریان Demo: Querying for Customers

      • خلاصه Summary

      عادی سازی با تغییر فید Denormalizing with the Change Feed

      • مدل سازی دسته بندی های محصول Modeling Product Categories

      • نسخه ی نمایشی: جستجوی دسته های محصول Demo: Querying for Product Categories

      • مدل سازی برچسب های محصول Modeling Product Tags

      • روابط بسیاری به بسیاری Many-to-many Relationships

      • محصولات پارتیشن بندی Partitioning Products

      • معرفی غیر عادی سازی Introducing Denormalization

      • غیرفعال سازی نام و دسته و دسته Denormalizing Category and Tag Names

      • معرفی Feed Feed Introducing the Change Feed

      • نسخه ی نمایشی: استفاده از Feed Feed برای غیرطبیعی سازی Demo: Using the Change Feed for Denormalization

      • خلاصه Summary

      غیر عادی سازی با روش های ذخیره شده Denormalizing with Stored Procedures

      • سفارشات فروش مدل سازی Modeling Sales Orders

      • سفارشات فروش پارتیشن بندی Partitioning Sales Orders

      • ترکیب انواع مختلف Combining Different Types

      • نسخه ی نمایشی: درخواست برای سفارشات فروش Demo: Querying for Sales Orders

      • عادی کردن تعداد سفارش Denormalizing the Order Count

      • نسخه ی نمایشی: استفاده از یک روش ذخیره شده برای غیر عادی سازی Demo: Using a Stored Procedure for Denormalization

      • خلاصه Summary

      طرح نهایی The Final Design

      • یکی از آخرین بهینه سازی ها One Last Optimization

      • همه در یک؟ All in One?

      • غذاهای کلیدی Key Takeaways

      • خلاصه Summary

      نمایش نظرات

      آموزش الگوهای مدل سازی و پارتیشن بندی داده ها در Azure Cosmos DB
      جزییات دوره
      1h 47m
      42
      Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
      (آخرین آپدیت)
      59
      4.8 از 5
      دارد
      دارد
      دارد
      Leonard Lobel
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Leonard Lobel Leonard Lobel

      لئونارد لوبل (Microsoft MVP ، SQL Server) مدیر ارشد فناوری و بنیانگذار Sleek Technologies، Inc ، یک فروشگاه توسعه مستقر در نیویورک است که دارای فلسفه پذیرش اولیه نسبت به فن آوری های جدید است. وی همچنین مشاور اصلی در Tallan، Inc. ، یکی از تنها 40 مجتمع سازنده سیستم های ملی مایکروسافت در ایالات متحده است. برای بیش از 25 سال ، Tallan خدمات پیشرفته وب/برنامه های کاربردی ، هوش تجاری ، مدیریت ارتباط با مشتری و خدمات یکپارچه سازی را ارائه داده است. از سال 1979 به بعد ، لنی در زمینه راه حل های مبتنی بر مایکروسافت ، با تجربه ای که دامنه های مختلف تجاری از جمله نشر ، مالی ، عمده فروشی/خرده فروشی ، مراقبت های بهداشتی و تجارت الکترونیکی را در بر می گیرد ، تخصص دارد. لنی به عنوان معمار ارشد و توسعه دهنده اصلی سازمانهای مختلفی خدمت کرده است ، از مغازه های کوچک گرفته تا مشتریانی با مشخصات بالا. او همچنین یک مشاور ، مربی ، و سخنران مکرر در جلسات گروه کاربری محلی ، SQL PASS ، SQLBits ، Visual Studio Live! و سایر کنفرانس های صنعت است. لنی همچنین نویسنده اصلی کتاب MS Press "Programming Microsoft SQL Server 2012" است.