آموزش ClickHouse: راهنمای جامع برای مبتدیان - آخرین آپدیت

دانلود ClickHouse: The Beginner's Guide

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: یاد بگیرید چگونه با استفاده از ClickHouse، دیتابیس‌های تحلیلی OLAP و کوئری‌های فوق سریع بسازید درک مفاهیم بنیادی ClickHouse و معماری ستونی (Columnar Architecture) آن نصب و پیکربندی ClickHouse در محیط‌های محلی و ابری نوشتن کوئری‌های SQL با کارایی بالا برای تحلیل مجموعه‌داده‌های عظیم بررسی موتورهای MergeTree و انواع آن: Summing، Aggregating، Replacing و Collapsing انجام تحلیل‌های بلادرنگ (Real-time) با استفاده از ClickHouse به همراه Apache Superset و پایتون طراحی مدل‌های اسکیمای بهینه برای حجم‌های کاری تحلیلی و آنی پیش نیازها: دانش پایه SQL – شما باید با دستورات ساده SELECT، عبارت‌های WHERE و Joinهای ابتدایی آشنا باشید

به دوره تسلط بر ClickHouse: راهنمای جامع برای مبتدیان خوش آمدید


راهنمای کامل شما برای ساخت سیستم‌های تحلیلی فوق سریع با استفاده از ClickHouse — یکی از سریع‌ترین دیتابیس‌های ستونی در جهان!


این سیستم که توسط Yandex توسعه یافته و مورد اعتماد غول‌های فناوری مانند Uber، Cloudflare و Cisco است، عملکردی برق‌آسا روی داده‌های حجیم ارائه می‌دهد و می‌تواند میلیاردها ردیف را در چند میلی‌ثانیه کوئری بزند. چه مهندس داده (Data Engineer) باشید، چه تحلیلگر، توسعه‌دهنده Backend یا مدیر دیتابیس (DBA)، این دوره به شما کمک می‌کند تا از تمام قدرت ClickHouse برای ساخت خط لوله‌های داده (Pipelines)، داشبوردها و سیستم‌های تحلیلی بسیار سریع استفاده کنید.


آنچه در این دوره خواهید آموخت:


درک معماری ClickHouse و اصول طراحی هسته آن
نصب و پیکربندی ClickHouse روی سیستم‌های محلی یا سرورها
ایجاد و مدیریت دیتابیس‌ها و جداول با استفاده از موتورهای ذخیره‌سازی قدرتمند
نوشتن کوئری‌های SQL فوق سریع برای تحلیل و گزارش‌گیری
بهینه‌سازی عملکرد با موتورهای MergeTree، Summing، Aggregating و Replacing
یکپارچه‌سازی ClickHouse با Superset، پایتون، CSV، Parquet و موارد دیگر
مانیتورینگ، امنیت و عملیاتی‌سازی استقرار ClickHouse
کار با JSON، CSV، Avro و جداول خارجی از طریق URL، JDBC و فایل‌ها


این دوره برای چه کسانی است:


  • مهندسان داده که در حال ساخت خط لوله‌های تحلیلی بلادرنگ و با حجم بالا هستند

  • توسعه‌دهندگان Backend که داشبوردها و اپلیکیشن‌های متکی به متریک‌های زیاد را مدیریت می‌کنند

  • تحلیلگران BI و متخصصان که به قابلیت‌های کوئری سریع و منعطف نیاز دارند

  • مدیران سیستم و DBAها که زیرساخت‌های داده‌ای مقیاس‌پذیر و با کارایی بالا را مدیریت می‌کنند

  • کاربران SQL و متخصصان RDBMS که قصد انتقال به سیستم‌های ستونی مدرن را دارند

تکنولوژی‌ها و مفاهیم پوشش داده شده


  • SQL در ClickHouse و تنظیمات بهینه‌سازی عملکرد

  • خانواده MergeTree: شامل Summing، Replacing، Aggregating و Collapsing

  • جداول خارجی: File، URL و JDBC

  • دیکشنری‌ها و ایندکس‌های Data Skipping

  • ورود داده‌ها (Ingestion) با فرمت‌های JSON، CSV، Parquet و Avro

  • مانیتورینگ، امنیت و راه‌اندازی کلاستر

  • نصب بر پایه Docker

  • یکپارچه‌سازی با Superset، پایتون و REST APIها


چرا ClickHouse را یاد بگیریم؟


برخلاف دیتابیس‌های چندمنظوره، ClickHouse مخصوص پردازش‌های OLAP طراحی شده است. این سیستم برای سرعت، مقیاس‌پذیری و تحلیل‌های بلادرنگ مهندسی شده و آن را به انتخابی برتر برای پلتفرم‌های داده مدرن تبدیل می‌کند. این دوره به شما تکنیک‌های واقعی، بهترین متدها (Best Practices) و مهارت‌های عملی را می‌آموزد — نه فقط تئوری.


ویژگی‌های برجسته دوره


مناسب برای مبتدیان – بدون نیاز به تجربه قبلی در ClickHouse
پروژه‌های عملی – ساخت Use Caseهای واقعی با مجموعه‌داده‌های باز
مبنای عملکرد (Performance) – یادگیری نحوه دستیابی ClickHouse به سرعت در مقیاس بالا
تمرین محور – کوئیزها، تکالیف و آزمایشگاه‌ها برای تثبیت یادگیری
ارتقای شغلی – کسب مهارت در ابزاری مدرن و پرتقاضا در تحلیل داده‌ها


پیش نیازها


  • درک پایه از SQL

  • آشنایی با دیتابیس‌ها یا انبار داده (Data Warehousing) مفید است (اما الزامی نیست)

  • بدون نیاز به تجربه قبلی در ClickHouse


در پایان این دوره...


شما قادر خواهید بود سیستم‌های تحلیلی مقیاس‌پذیر مبتنی بر ClickHouse را طراحی، پیاده‌سازی و بهینه کنید و مهارت‌های خود را با اطمینان در پروژه‌های داده‌ای واقعی و با کارایی بالا به کار ببرید.



سرفصل ها و درس ها

مقدمه Introduction

  • آشنایی با ClickHouse Introduction to ClickHouse

  • چرا از ClickHouse به جای سایر دیتابیس‌ها استفاده کنیم؟ Why use ClickHouse over other Databases?

  • چرا ClickHouse سریع است؟ Why ClickHouse is Fast?

نصب و راه‌اندازی Installation and Setup

  • نصب در Mac OS Installation: Mac OS

  • نصب DBeaver در Mac OS Installation DBeaver: Mac OS

  • نصب با استفاده از Docker Installation with Docker

  • رابط کاربری محلی (Native UI) کلیک‌هاوس Clickhouse Native Local UI

جداول Tables

  • منابع دوره Course Materials

  • جداول پایه Base Tables

  • ایجاد و حذف جدول Create & Drop Table

درک Merge Tree Understanding Merge Tree

  • مقدمه Introduction

  • ذخیره‌سازی ستونی در مقابل ردیفی Column vs Row Based Storage

  • چرا Merge Tree نامیده می‌شود؟ Why it is called Merge Tree?

  • پرسش و پاسخ Questions

  • فایل ایندکس اولیه Primary Index file

  • فایل‌های ستونی (Bin Files) Column (Bin) Files

  • پرسش و پاسخ Questions

  • فایل‌های Mark Mark Files

  • ایجاد جدول Merge Tree با پارتیشن‌بندی Creating a Merge Tree table with Partitions

  • ویژگی‌های کلیدی و مزایا Key Features and Benefits

  • پرسش و پاسخ Questions

مبانی SQL در ClickHouse SQL Fundamentals in ClickHouse

  • کوئری‌های Select Select Queries

  • توابع رشته‌ای String Functions

  • استفاده از Distinct Distinct

  • توابع تجمیعی (Aggregate) Aggregate Functions

  • نام مستعار (Alias) Alias

  • توابع Concat Concat

فیلترها Filters

  • اعداد صحیح Intergers

  • رشته‌ها Strings

  • مقادیر Boolean Booleans

  • استفاده از Between Between

  • تاریخ‌ها Dates

  • مثال‌های IN IN Examples

  • استفاده از Like Like

مرتب‌سازی و محدودیت (Limit) Sorting & Limit

  • مرتب‌سازی Sorting

  • محدود کردن نتایج (Limit) Limit

گروه‌بندی (Group By) و Having Group By & Having

  • گروه‌بندی (Group By) Group By

  • گروه‌بندی همراه با Having Group By with Having

  • گروه‌بندی همراه با عبارت Where Group By with Where Clause

توابع شرطی Conditional Functions

  • تابع Coalesce Coalesce

  • تابع Null IF Null IF

  • مقادیر پیش‌فرض Default Values

اتصال‌ها (Joins) و زیرکوئری‌ها Joins and subqueries

  • اتصال Inner Join Inner Join

  • اتصال Left Join Left Join

  • اتصال Right Join Right Join

  • کوئری‌های داخلی (Sub queries) Inner Queries (sub-queries)

اتحاد (Union) و اشتراک (Intersect) Union & Intersect

  • اتحاد (Union) Union

  • اتحاد کامل (Union All) Union All

  • اشتراک (Intersect) Intersect

عملیات DML DML Operations

  • ایجاد و درج داده در جداول Create and Insert into Tables

  • تمرینات درج داده در جداول Insert into Tables Experiments

  • به‌روزرسانی رکوردها Update Records

  • حذف رکوردها Delete Records

  • تغییر ساختار جدول (Alter Table) Alter Table

ویژگی‌های پیشرفته SQL Advanced SQL Features

  • نماها (Views) Views

  • توابع CATS CATS

  • ایجاد جدول با استفاده از فایل‌های Parquet در AWS S3 Create Table using AWS S3 Parquet Files

  • ایجاد جدول با استفاده از فایل CSV Create Table using CSV File

  • انتخاب ستون‌های پویا Dynamic Column Selection

  • پوشه‌های متادیتا و داده‌های بک‌اند Backend Metadata and Data Folders

عبارات جدولی مشترک (CTEs) Common Table Expressions (CTEs)

  • استفاده از CTE برای Select CTEs: Select

  • استفاده از CTE برای فیلترها CTEs: Filters

  • استفاده از CTE برای Union All CTEs: Union All

  • CTE بازگشتی: تولید اعداد CTEs Recursive: Generate Numbers

  • CTE بازگشتی: اعداد زوج CTEs Recursive: Even Numbers

  • CTE بازگشتی: اعداد فیبوناتچی CTEs Recursive: Fibonacci Number

  • CTE بازگشتی: ساختارهای سلسله‌مراتبی CTEs Recursive: Hierarchical

آرایه‌ها Arrays

  • مقدمه‌ای بر آرایه‌ها Introduction of Arrays

  • توابع تجمیعی با آرایه‌ها Aggregate Function With Arrays

موتورهای خانواده MergeTree MergeTree Family Tree Engines

  • انواع Treeها در Clickhouse Types of Trees in Clickhouse

  • پرسش و پاسخ Questions

  • مزایای ذخیره‌سازی ستونی Columnar storage advantages

  • پرسش و پاسخ Questions

  • موتور Aggregating Merge Tree Aggregating Merge Tree

  • مثال Aggregating Merge Tree Aggregating Merge Tree Example

  • پرسش و پاسخ Questions

  • موتور Summing Merge Tree Summing Merge Tree

  • مثال Summing Merge Tree Summing Merge Tree Example

  • پرسش و پاسخ Questions

  • موتور Replacing Merge Tree Replacing Merge Tree

  • مثال Replacing Merge Tree Replacing Merge Tree Example

  • پرسش و پاسخ Questions

  • موتور Collapsing Merge Tree Collapsing Merge Tree

  • مثال Collapsing Merge Tree Collapsing Merge Tree Example

  • پرسش و پاسخ Questions

  • موتور Versioned Collapsing Merge Tree Versioned Collapsing Merge Tree

  • مثال Versioned Collapsing Merge Tree Versioned Collapsing Merge Tree Example

  • پرسش و پاسخ Questions

  • ایندکس Data Skipping Data Skipping Index

  • مثال Data Skipping Index Data Skipping Index Example

  • پرسش و پاسخ Questions

  • چگونه موتور جدول Merge Tree را انتخاب کنیم Choosing the Merge Tree Table Engine

  • پرسش و پاسخ Questions

  • چه زمانی ClickHouse را انتخاب کنیم و چه زمانی نکنیم When to choose ClickHouse and When NOT

  • پرسش و پاسخ Questions

  • مثال موتور جدول File File Table Engine Example

  • پرسش و پاسخ Questions

  • موتور جدول Set Set Table Engine

  • پرسش و پاسخ Questions

  • موتور جدول Memory Memory Table Engine

  • پرسش و پاسخ Questions

  • موتور جدول URL URL Table Engine

  • پرسش و پاسخ Questions

  • دیکشنری‌ها Dictionaries

  • پرسش و پاسخ Questions

  • موتورهای Log Log Engines

  • پرسش و پاسخ Questions

کلاستر Clickhouse Clickhouse Cluster

  • مقدمه‌ای بر کلاستر Cluster Introduction

  • چرا از کلاسترینگ استفاده کنیم؟ Why Clustering

  • اجزای کلیدی Key Components

  • ایجاد کلاستر: ۴ ماشین Create Cluster: 4 Machines

  • اتصال کلاستر به DBeaver Cluster DBeaver Connection

  • کوئری‌های کلاستر: ایجاد جداول Cluster Queries: Create Tables

  • کاربران و نقش‌ها Users and Roles

  • بهترین متدها در طراحی کلاستر Cluster Design Best Practices

کلود Clickhouse Clickhouse Cloud

  • ایجاد حساب کاربری Account Creation

  • مرور رابط کاربری کلود Cloud UI walkthrough

  • ایجاد جداول پایه Create Base Tables

  • استفاده از Cloud AWS S3 Cloud AWS S3

  • نماها (Views) Views

  • خط لوله ETL با Clik Pipe Clik Pipe ETL Pipeline

  • ایجاد داشبورد در کلود Create Dashboard on Cloud

ClickHouse برای مدیران سیستم ClickHouse for Admins

  • معماری کلاستر و Sharding Cluster Architecture & Sharding

  • طراحی کلاسترها Designing Clusters

  • جداول سیستمی System Tables

  • نقش Zookeeper و راه‌اندازی آن Zookeeper Role and Setup

آپاچی سوپرست: داشبورد با ClickHouse Apache Superset: Dashboard with ClickHouse

  • مقدمه‌ای بر Apache Superset Introduction to Apache Superset

  • Apache Superset چیست؟ What is Apache Superset?

  • ویژگی‌ها و قابلیت‌های کلیدی Key Features and Capabilities

  • مقایسه Superset با سایر ابزارهای BI Superset vs Other BI Tools

  • نصب Superset با Docker (پیشنهادی) Installing Superset using Docker (Recommended)

  • نصب Superset با پایتون Installing Superset using Python

  • درک معماری Superset Understanding Superset Architecture

  • کار با محیط کاربری Superset Navigating the Superset Interface

سوپرست: نصب و راه‌اندازی Superset: Installation and Setup

  • نصب Superset با Docker (پیشنهادی) Installing Superset using Docker (Recommended)

  • درک معماری Superset Understanding Superset Architecture

  • کار با محیط کاربری Superset Navigating the Superset Interface

  • درک نقش‌ها و مجوزها Understanding Roles and Permissions

سوپرست: محیط SQL Lab Superset: SQL Lab

  • اتصال Superset به Clickhouse Superset Clickhouse Connection

  • نوشتن و ذخیره کوئری‌های SQL Writing and Saving SQL Queries

  • مرور محیط گرافیکی نمودارها Charts GUI walk through

  • ساخت اولین نمودار Big Number First Chart on Big Number

نمایش نظرات

آموزش ClickHouse: راهنمای جامع برای مبتدیان
جزییات دوره
11.5 hours
123
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
251
4.3 از 5
دارد
دارد
دارد
Neetu Bhushan
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Neetu Bhushan Neetu Bhushan

مهندس حرفه‌ای داده