آموزش آپاچی کاساندرا [ویدئو]

Learning Apache Cassandra [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: Cassandra یک پایگاه داده NoSQL با ویژگی های غیرمتمرکز، قابل تحمل خطا، مقیاس پذیر و کم هزینه است که آن را به یکی از اجزای اصلی سیستم های محاسبات ابری تبدیل می کند. نسخه‌های اخیر ویژگی‌های امنیتی را بسیار بهبود بخشیده‌اند و برای استفاده در سیستم‌های سازمانی مناسب هستند. در این آموزش، خواهید دید که چگونه Cassandra بر چالش‌هایی که پایگاه‌های داده رابطه‌ای در طول تقاضای مقیاس‌پذیری بالا با آن مواجه هستند، غلبه می‌کند. شما با اصطلاحات کاساندرا، اجزاء و نقش آنها آشنا می شوید. سپس یاد خواهید گرفت که چگونه یک ساختار کاساندرا چند گره ایجاد کنید، نقش ها و مسئولیت های اجزای کاساندرا را درک کنید و جریان داده ها را در طول عملیات پایگاه داده که به سرعت، دقت و دوام نیاز دارند، مشاهده کنید. سپس خواهید دید که چگونه کاساندرا داده ها را بر روی فایل های روی دیسک ذخیره می کند، چگونه آن فایل ها را برای بهبود عملکرد بهینه می کند، و چگونه می توان عملکرد پایگاه داده کاساندرا را با استفاده از گزارش ها و معیارها نظارت کرد. ما عواملی را نشان خواهیم داد که می‌توانند بر عملکرد SLA پایگاه داده کاساندرا تأثیر بگذارند. در مرحله بعد، نحوه بهینه سازی مدل داده را برای ارائه تضمین های عملکرد و SLA عملکرد ثابت در طول زمان خواهید آموخت. همچنین یاد خواهید گرفت که چگونه مدل داده را در Cassandra بسازید و پایگاه داده را با برنامه خود ادغام کنید. در بخش‌های بعدی، برای خواندن و نوشتن داده‌ها با Cassandra از Spark ارتباط برقرار می‌کنید. شما Cassandra را با Spark ادغام می‌کنید و یاد می‌گیرید که چگونه داده‌های جریان زنده را با Spark پردازش کنید و داده‌ها را در Cassandra برای مصرف از طریق سیستم پایین‌دستی حفظ کنید. در پایان دوره، می توانید لایه های پایگاه داده Cassandra قدرتمند و مقیاس پذیر را برای برنامه های خود بسازید. شما طرح های غنی طراحی خواهید کرد تا روابط بین انواع داده های مختلف را به تصویر بکشید و بر ویژگی های پیشرفته موجود در کاساندرا مسلط شوید. [*] پایگاه داده های رابطه ای را بزرگ کنید و اینکه چگونه هیچ پایگاه داده SQL مانند Cassandra بر آنها غلبه نمی کند [*] درک معماری آپاچی کاساندرا و نحوه ذخیره داده ها [*] از اجزای مختلف کاساندرا استفاده کنید. مسیر خواندن، مسیر نوشتن، تحمل خطا، تکرار، مدل سازگاری، مدل ضد آنتروپی بر اساس آنچه برنامه شما نیاز دارد [*] یک خوشه چند گره ای کاساندرا را راه اندازی کنید و نقش هر قطعه حیاتی از سیستم توزیع شده و تعامل آنها را درک کنید. [*] اصول و روش های مدل سازی داده ها را در کاساندرا بیاموزید [*] پایگاه داده را با برنامه خود ادغام کنید [*] انتقال داده های موجود از پایگاه داده های رابطه ای [*] بیاموزید که چگونه داده‌های پخش زنده را با Spark پردازش کنید و داده‌ها را برای مصرف از طریق یک سیستم پایین‌دست به کاساندرا ادامه دهید. . [*] عملیات اصلی پایگاه داده – ایجاد پایگاه داده، ایجاد جدول، درج داده ها و مدل سازی داده ها * [*] ایجاد یک نمونه برنامه قدرتمند * [*] با گره های Cassandra کار کنید تا عملکردها مطابق میل شما انجام شود.

سرفصل ها و درس ها

آشنایی با کاساندرا Introduction to Cassandra

  • بررسی اجمالی دوره The Course Overview

  • آپاچی کاساندرا چیست؟ What Is Apache Cassandra?

  • فضای کلید، طرح جدول، کلید پارتیشن و کلید خوشه بندی Key Space, Table Schema, Partition Key, and Clustering Key

  • یک پایگاه داده تک گره کاساندرا راه اندازی کنید Start a Single Node Cassandra Database

  • مقدمه ای بر کلاینت خط فرمان Cqlsh Introduction to Cqlsh Command Line Client

  • بارگیری و خواندن داده ها Loading and Reading Data

معماری توزیع شده کاساندرا Cassandra Distributed Architecture

  • ساختار گره و حلقه Node and Ring Structure

  • مدل تکرار و سازگاری Replication and Consistency Model

  • رک ها و دیتاسنترها Racks and Datacenters

  • قضیه CAP CAP Theorem

  • شایعات Gossip

  • Repair, Hinted Handoff را بخوانید Read Repair, Hinted Handoff

تشخیص Diagnostics

  • درک فایل ها در فهرست داده ها Understanding Files in the Data Directory

  • از Nodetool برای بررسی آمار عملکرد استفاده کنید Use Nodetool to Examine Performance Statistics

  • گزارش سیستم و خروجی System and Output Logs

  • JMX برای نظارت بر متریک ها JMX to Monitor Metrics

  • انتخاب استراتژی فشرده سازی مناسب Choosing the Appropriate Compaction Strategy

اصول مدل سازی داده ها Data Modelling Principles

  • ترتیب کلید اولیه و خوشه Primary Key and Cluster Ordering

  • غیر عادی سازی و طراحی برای عملکرد خواندن Denormalization and Design for the Read Performance

  • بهینه سازی برای BlindWrites Optimizing for BlindWrites

مدل سازی داده ها در کاساندرا Data Modelling in Cassandra

  • انواع مجموعه Collection Types

  • ستون های استاتیک Static Columns

  • شاخص ها، نماهای مادی شده Indexes, Materialized Views

  • تجمیع داده ها Data Aggregation

  • compareAndSet compareAndSet

  • نوع شمارنده Counter Type

بهینه سازی داده ها Optimization of Data

  • تاثیر به روز رسانی و حذف مکرر The Impact of Frequent Updates and Delete

  • ردیف های گسترده و ملاحظات کلید اصلی Wide Rows and Primary Key Considerations

  • تست بار با استرس CQL Load Testing with CQL Stress

  • دسته بندی Logged و Unlogged Logged and Unlogged Batching

ادغام پایگاه داده کاساندرا با برنامه شما Integrating Cassandra Database with Your Application

  • پروژه Maven با استفاده از درایور جاوا A Maven Project Using the Java Driver

  • اطلاعات اتصال برای درایور Connection Information for the Driver

  • بیانیه های اساسی Basic Statements

  • استفاده از بیانیه های آماده شده Using Prepared Statements

  • درک خطاها Understanding Errors

مروری بر آپاچی اسپارک Overview of Apache Spark

  • Apache Spark و Spark Architecture چیست A What Is Apache Spark and Spark Architecture

  • با اسپارک شروع کنید Get Started with Spark

  • کار با ساختارهای داده Spark - RDD، Data Frame و Dataset Working with Spark’s Data Structures – RDD, Data Frame, and Dataset

  • راه اندازی کانکتور اسپارک Setting Up the Spark Connector

اتصال اسپارک با کاساندرا Connecting Spark with Cassandra

  • نوشتن داده به کاساندرا از اسپارک Writing Data to Cassandra from Spark

  • خواندن داده ها از کاساندرا با استفاده از Spark RDD Reading Data from Cassandra Using Spark RDD

  • با استفاده از Spark Data Frame API و Spark SQL بپیوندید، داده ها را جمع آوری کنید Join, Aggregate Data Using Spark Data Frame API and Spark SQL

  • پارتیشن بندی آگاه کاساندرا در اسپارک Cassandra Aware Partitioning in Spark

Cassandra را با Spark Streaming ادغام کنید Integrate Cassandra with Spark Streaming

  • استفاده از موارد برای پردازش جریان نزدیک به زمان واقعی با استفاده از جریان اسپارک Use Cases for Near Real Time Stream Processing Using Spark Streaming

  • گیرنده جریان پیشرفته با استفاده از اتصال دهنده های کافکا Advanced Stream Receiver Using Kafka Connectors

  • دگرگونی های بی تابعیت و دولتی Stateless and Stateful Transformations

  • تداوم پخش زنده به کاساندرا Persistence of Live Stream on to Cassandra

نمایش نظرات

آموزش آپاچی کاساندرا [ویدئو]
جزییات دوره
3 h 4 m
47
Packtpub Packtpub
(آخرین آپدیت)
1
4 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Tomasz Lelek Tomasz Lelek

توماس للک یک مهندس نرم افزار است که بیشتر در جاوا و اسکالا برنامه نویسی می کند. او از طرفداران معماری میکروسرویس و برنامه نویسی کاربردی است. او هر روز زمان و تلاش قابل توجهی را برای بهتر شدن اختصاص می دهد. او اخیراً به فناوری‌های کلان داده مانند Apache Spark و Hadoop پرداخته است. او تقریباً به همه چیزهایی که با توسعه نرم افزار مرتبط است علاقه دارد. توماس فکر می کند که همیشه باید سعی کنیم قبل از حل یک مشکل راه حل ها و رویکردهای مختلف را در نظر بگیریم. او اخیراً در چندین کنفرانس در لهستان - Confitura و JDD (روز توسعه‌دهنده جاوا) و همچنین در گروه کاربری Krakow Scala سخنران بود. می‌توانید ویدیوی JDD را در اینجا پیدا کنید: https://www.youtube.com/watch?v=BnORjQbnZNQ&t - بحث ML Spark. او همچنین یک جلسه برنامه نویسی زنده در کنفرانس Geecon برگزار کرد. او در حال حاضر روی این وب سایت با استفاده از ML کار می کند: http://www.allegro.pl

Tomasz Lelek Tomasz Lelek

توماس للک یک مهندس نرم افزار است که بیشتر در جاوا و اسکالا برنامه نویسی می کند. او از طرفداران معماری میکروسرویس و برنامه نویسی کاربردی است. او هر روز زمان و تلاش قابل توجهی را برای بهتر شدن اختصاص می دهد. او اخیراً به فناوری‌های کلان داده مانند Apache Spark و Hadoop پرداخته است. او تقریباً به همه چیزهایی که با توسعه نرم افزار مرتبط است علاقه دارد. توماس فکر می کند که همیشه باید سعی کنیم قبل از حل یک مشکل راه حل ها و رویکردهای مختلف را در نظر بگیریم. او اخیراً در چندین کنفرانس در لهستان - Confitura و JDD (روز توسعه‌دهنده جاوا) و همچنین در گروه کاربری Krakow Scala سخنران بود. می‌توانید ویدیوی JDD را در اینجا پیدا کنید: https://www.youtube.com/watch?v=BnORjQbnZNQ&t - بحث ML Spark. او همچنین یک جلسه برنامه نویسی زنده در کنفرانس Geecon برگزار کرد. او در حال حاضر روی این وب سایت با استفاده از ML کار می کند: http://www.allegro.pl