آموزش بهینه‌سازی عملکرد در Databricks - آخرین آپدیت

دانلود Performance Optimization in Databricks

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: بهینه‌سازی عملکرد در Databricks، پردازش داده‌ها در جداول Delta و خروجی‌های فایل Parquet را به صورت کارآمد، مقیاس‌پذیر و مقرون‌به‌صرفه تضمین می‌کند. بهترین روش‌ها در طول زمان تکامل می‌یابند و Databricks همگام با جامعه متن‌باز در حال پیشرفت است. در این دوره، «بهینه‌سازی عملکرد در Databricks»، شما به بررسی causes و راهکارهای رفع مشکلات عملکردی مانند داده‌های نامتقارن (Skewed Data) و کوئری‌های طولانی می‌پردازید. در ابتدا، استراتژی‌هایی مانند Z-Ordering و استفاده از متد Optimize برای ذخیره‌سازی فشرده داده‌ها را بررسی خواهید کرد. سپس، تکنیک‌های بهینه‌سازی کوئری، از جمله بهترین روش‌های نوشتن SQL بهینه و استراتژی‌های پارتیشن‌بندی برای کاهش زمان اجرا را خواهید آموخت. در نهایت، پیکربندی کلاستر برای تخصیص منابع، انتخاب اندازه مناسب کلاستر با قابلیت Auto Scaling و بهره‌گیری از گزینه‌های پردازشی Databricks مانند Photon برای افزایش سرعت پردازش را بررسی می‌کنید. پس از اتمام این دوره، مهارت‌های لازم برای تنظیم دقیق عملکرد (Performance Tuning) فرآیندها و ارتقای محیط Databricks خود را در حالی که هزینه‌ها را به حداقل می‌رسانید، کسب خواهید کرد.

سرفصل ها و درس ها

درک گلوگاه‌های رایج عملکرد و تکنیک‌های بهینه‌سازی Understanding Common Performance Bottlenecks and Optimization Techniques

  • ساختار جدول Delta Delta Table Structure

  • دمو: پر کردن یک جدول Delta Demo: Populating a Delta Table

  • پارتیشن‌بندی جداول Delta Partitioning Delta Tables

  • دمو: پارتیشن‌بندی جداول Delta Demo: Partitioning Delta Tables

  • بهینه‌سازی‌های کلاستر Spark و استفاده از کشینگ Spark Cluster Optimizations and Using Caching

  • دمو: کشینگ (Caching) Demo: Caching

  • بهینه‌سازی و Z-ordering Optimizing and Z-ordering

  • دمو: دستورات OPTIMIZE و VACUUM Demo: OPTIMZE and VACUUM

بهینه‌سازی کلاسترها و مانیتورینگ کارآمد عملکرد Optimizing Clusters and Monitoring Performance Efficiently

  • مقیاس‌پذیری خودکار (Auto scaling) Auto-scaling

  • دمو: مقیاس‌پذیری خودکار Demo: Auto-scaling

  • پیکربندی استخرهای کلاستر (Cluster Pools) Configuring Cluster Pools

  • دمو: استفاده از Pool برای کلاسترها Demo: Using a Pool for Clusters

  • گلوگاه‌های عملکردی (Performance Bottlenecks) Performance Bottlenecks

  • دمو: گزینه‌های رفع گلوگاه‌های عملکردی Demo: Performance Bottleneck Options

  • مانیتورینگ مشکلات عملکردی Monitoring for Performance Issues

نمایش نظرات

آموزش بهینه‌سازی عملکرد در Databricks
جزییات دوره
35m
15
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
7
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Thomas LeBlanc Thomas LeBlanc

توماس لبلانك (Microsoft Data Platform MVP) از علاقه مندان به داده در باتون روژ ، لا است. او كار IT خود را به عنوان يك برنامه ريز COBOL در سال 1989 و در LSU آغاز كرد. از آن زمان او سالها به عنوان توسعه دهنده ، DBA و Data Warehousing/Architect Intelligence Architect سپری کرده است. جامعه درگیر شامل SQL Server محلی و گروههای کاربر تجزیه و تحلیل و همچنین SQLSat Saturday است. مشارکت سخنرانی در SQL Pass Summit ، Live 360 ، VSLive و IT Dev Connections یک برکت بوده است.