آموزش جامع مدل‌سازی داده‌ها در کاساندرا (Cassandra) - آخرین آپدیت

دانلود Cassandra Data Modeling Essential Training

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: کاساندرا یک پایگاه داده NoSQL است که قادر به مدیریت حجم عظیمی از داده‌هایی است که به سرعت تغییر می‌کنند. در این دوره، مدرس Dan Sullivan معماری این پایگاه داده محبوب و نحوه طراحی مدل‌های داده‌ای کاساندرا را برای پشتیبانی از اپلیکیشن‌های مقیاس‌پذیر در آخرین نسخه آموزش می‌دهد.

تفاوت‌های اصلی بین کاساندرا و پایگاه‌های داده رابطه‌ای (Relational)، مفاهیم پایه زبان پرس‌وجوی کاساندرا (CQL) و بهترین روش‌های مدل‌سازی بر اساس نیازهای پرس‌وجوی اپلیکیشن را بررسی کنید. Dan به جزئیات پیاده‌سازی کاساندرا می‌پردازد که بر انتخاب‌های مدل‌سازی داده‌ها تأثیر می‌گذارند و به شما کمک می‌کند تا ضمن رعایت معماری و محدودیت‌های پایگاه داده، تصمیمات طراحی بهینه بگیرید. در طول مسیر، مهارت‌های جدید خود را با چالش‌های طراحی و مدل‌سازی در پایان هر بخش آزمایش کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • فایل‌های تمرینی Exercise files

  • طراحی مدل‌های داده در کاساندرا Designing data models in Cassandra

  • آنچه باید بدانید What you should know

1. معماری کاساندرا 1. Cassandra Architecture

  • کی‌اسپیس‌ها، جداول، ردیف‌ها و ستون‌ها Keyspaces, tables, rows, and columns

  • راه حل: طراحی جدول برای یک اپلیکیشن موبایل Solution: Design a table for a mobile app

  • کلاسترهای کاساندرا Cassandra clusters

  • کلیدهای اصلی و ایندکس‌های ثانویه Primary keys and secondary indexes

  • چالش: طراحی جدول برای یک اپلیکیشن موبایل Challenge: Design a table for a mobile app

  • کاساندرا و پایگاه‌های داده رابطه‌ای Cassandra and relational databases

2. نصب کاساندرا 2. Installing Cassandra

  • نصب کاساندرا Install Cassandra

  • ایجاد کی‌اسپیس و جدول Creating a keyspace and table

3. انواع داده‌ها در زبان پرس‌وجوی کاساندرا (CQL) 3. Cassandra Query Language Data Types

  • انواع داده‌های مجموعه‌ای (Collection) Collection data types

  • کار با JSON Working with JSON

  • انواع داده‌های Tuple Tuple data types

  • چالش: انتخاب انواع داده‌های صحیح Challenge: Choose the correct data types

  • راه حل: انتخاب انواع داده‌های صحیح Solution: Choose the correct data types

  • انواع داده‌های رشته‌ای، تاریخ و منحصر‌به‌فرد String, date, and unique types

  • انواع داده‌های عددی Numeric data types

4. طراحی جداول کاساندرا 4. Designing Cassandra Tables

  • چالش: تعریف جدول سری زمانی (Time Series) Challenge: Define a time series table

  • مدل‌سازی داده‌ها برای سری‌های زمانی Data modeling for time series

  • بهینه‌سازی جداول برای ارتقای پرس‌وجوها Tuning tables to optimize queries

  • راه حل: تعریف جدول سری زمانی Solution: Define a time series table

  • طراحی بر اساس پرس‌وجوها Queries drive design

  • دینرمال‌سازی: اتصال یا مرتب‌سازی Denormalizing: Joining or sorting

5. ویژگی‌های تکمیلی جداول 5. Additional Table Features

  • راه حل: ایجاد نمای متریالیزه Solution: Create materialized view

  • چالش: ایجاد نمای متریالیزه Challenge: Create materialized view

  • ایندکس‌های ثانویه Secondary indexes

  • نماهای متریالیزه (Materialized Views) Materialized views

  • جداول مجازی Virtual tables

6. مدل‌سازی فیزیکی داده‌ها و توزیع داده‌ها 6. Physical Data Modeling and Distributing Data

  • مثالی از تخمین حجم داده‌ها Example of estimating data size

  • چالش: تخمین اندازه یک جدول Challenge: Size a table

  • فرمول‌های تخمین حجم داده‌ها Estimating data size formulas

  • تکرار داده‌ها (Replication) در کاساندرا Replication in Cassandra

  • درک سطوح سازگاری (Consistency Levels) Understanding consistency levels

  • راه حل: تخمین اندازه یک جدول Solution: Size a table

7. معماری کاساندرا و تأثیر آن بر مدل‌سازی داده‌ها 7. Cassandra Architecture and Its Impact on Data Modeling

  • راه حل: عیب‌یابی مشکلات عملکردی Solution: Diagnose performance problem

  • درک فرآیند پرس‌وجو Understand the query process

  • چالش: عیب‌یابی مشکلات عملکردی Challenge: Diagnose performance problem

  • درک عملیات Commit Writes Understand commit writes

  • درک فرآیند فشرده‌سازی (Compaction) Understand compaction

  • فیلترهای بلوم و پردازش پرس‌وجو Bloom filters and query processing

  • درک حذف‌ها و Tombstones Understand deletes and tombstones

نتیجه‌گیری Conclusion

  • پنج روش برتر برای مدل‌سازی داده‌ها در کاساندرا Five best practices for Cassandra data modeling

نمایش نظرات

آموزش جامع مدل‌سازی داده‌ها در کاساندرا (Cassandra)
جزییات دوره
1h 21m
43
(آخرین آپدیت)
5,334
- از 5
دارد
دارد
دارد
Dan Sullivan
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Dan Sullivan Dan Sullivan

معمار سازمانی ، کارشناس بزرگ داده دان سالیوان ، دکترای علوم ، یک معمار سازمانی و متخصص داده های بزرگ است.

دان متخصص در معماری داده ، تجزیه و تحلیل ، داده کاوی ، آمار ، مدل سازی داده ها ، داده های بزرگ و رایانش ابری است. علاوه بر این ، او دارای دکترای ژنتیک ، بیوانفورماتیک و زیست محاسباتی است. Dan به طور منظم با Spark ، Oracle ، NoSQL ، MongoDB ، Redis ، R و Python کار می کند. وی تجربه نوشتن گسترده ای در موضوعاتی از جمله رایانش ابری ، داده های بزرگ ، Hadoop و امنیت دارد.