آموزش مبانی NoSQL: دیتابیس‌های خانواده ستونی (Column-family) - آخرین آپدیت

دانلود NoSQL Foundations: Column-family Databases

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: بسیاری از سیستم‌های مدرن، از پلتفرم‌های IoT گرفته تا موتورهای تحلیل داده، نیازمند دیتابیس‌های مقیاس‌پذیری هستند که برای نوشتن سریع داده‌ها و دسترسی‌های مبتنی بر زمان بهینه شده باشند. دیتابیس‌های رابطه‌ای سنتی در برابر چنین حجم‌هایی دچار مشکل می‌شوند. در این دوره آموزشی با عنوان «مبانی NoSQL: دیتابیس‌های خانواده ستونی»، شما توانایی طراحی، نوشتن و کوئری گرفتن از سیستم‌های NoSQL Wide-column را کسب خواهید کرد که زیربنای تحلیل‌های آنی (Real-time) و حجم‌های کاری عملیاتی هستند. ابتدا، ساختار اصلی دیتابیس‌های خانواده ستونی و تفاوت آن‌ها با مدل‌های رابطه‌ای یا سندی (Document) را بررسی خواهید کرد. سپس، الگوهای طراحی، مدل‌های مقیاس‌پذیری و توازن‌های مربوط به سازگاری (Consistency) در کار با ذخیره‌سازهای توزیع‌شده Wide-column را خواهید شناخت. در نهایت، یاد می‌گیرید که چگونه ابزارهای دنیای واقعی مانند Apache Cassandra، ScyllaDB و HBase را ارزیابی کرده و برای حل چالش‌های واقعی کسب‌وکار از آن‌ها استفاده کنید. پس از اتمام این دوره، مهارت‌ها و دانش لازم در مورد دیتابیس‌های خانواده ستونی را برای ساخت راهکارهای داده‌ای مقیاس‌پذیر، منعطف و با کارایی بالا به دست خواهید آورد.

سرفصل ها و درس ها

درک مدل داده‌ای خانواده ستونی و نقش آن در سیستم‌های داده مدرن Understand the Column-family Data Model and Its Roles in Modern Data Systems

  • دیتابیس خانواده ستونی چیست؟ What Is a Column-family Database?

  • مقایسه مدل خانواده ستونی با مدل‌های رابطه‌ای و سایر مدل‌های NoSQL Column-family vs. Relational and Other NoSQL Models

  • ساختار داخلی: ردیف‌ها، ستون‌ها، خانواده‌ها و پارتیشن‌ها Internal Structure – Rows, Columns, Families, and Partitions

  • موارد استفاده واقعی از دیتابیس‌های خانواده ستونی Real-world Use Cases of Column-family Databases

درک الگوهای طراحی، نقاط قوت و توازن‌ها در دیتابیس‌های خانواده ستونی Understand Design Patterns, Strengths, and Trade-offs in Column-family Databases

  • نحوه مقیاس‌پذیری افقی در دیتابیس‌های خانواده ستونی How Column-family Databases Scale Horizontally

  • ذخیره‌سازی بهینه برای نوشتن و درخت‌های LSM Write-optimized Storage and LSM Trees

  • مدل‌های سازگاری قابل تنظیم (Tunable Consistency) Tunable Consistency Models

  • محدودیت‌های دیتابیس‌های خانواده ستونی Limitations of Column-family Databases

  • الگوهای طراحی در دیتابیس‌های خانواده ستونی Design Patterns in Column-family Databases

مقایسه گزینه‌های رایج دیتابیس‌های خانواده ستونی و انتخاب ابزار مناسب Compare Common Column-family Database Options and Pick the Right One for Your Needs

  • مروری بر دیتابیس‌های محبوب خانواده ستونی Overview of Popular Column-family Databases

  • مقایسه بر اساس ویژگی‌های کلیدی Comparing by Key Characteristics

  • عوامل تصمیم‌گیری برای انتخاب ابزار مناسب Decision Factors for Choosing the Right Tool

  • بهترین روش‌ها و اشتباهات رایج Best Practices and Common Mistakes

کار با Apache Cassandra Work with Apache Cassandra

  • آپاچی کاساندرا (Apache Cassandra) چیست؟ What Is Apache Cassandra?

  • نقاط قوت و محدودیت‌های Cassandra Strengths and Limitations of Cassandra

  • دمو: ساخت یک ذخیره‌ساز رویدادهای سری زمانی در Cassandra Demo: Building a Time-series Event Store in Cassandra

کار با ScyllaDB Work with ScyllaDB

  • اسایلا دی‌بی (ScyllaDB) چیست؟ What Is ScyllaDB?

  • نقاط قوت و محدودیت‌های ScyllaDB Strengths and Limitations of ScyllaDB

  • دمو: ساخت یک ذخیره‌ساز رویدادهای دستگاه با توان عملیاتی بالا در ScyllaDB Demo: Building a High-throughput Device Event Store in ScyllaDB

کار با Apache HBase Work with Apache HBase

  • آپاچی اچ‌بیس (Apache HBase) چیست؟ What Is Apache HBase?

  • نقاط قوت و محدودیت‌های HBase Strengths and Limitations of HBase

  • دمو: ساخت جدول داده‌های سنسور در Apache HBase Demo: Building a Sensor Data Table in Apache HBase

نمایش نظرات

آموزش مبانی NoSQL: دیتابیس‌های خانواده ستونی (Column-family)
جزییات دوره
1h 27m
22
(آخرین آپدیت)
3
از 5
دارد
دارد
دارد
Harsh Karna
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Harsh Karna Harsh Karna

Harsh یک مهندس نرم افزار ماهر با بیش از 4 سال تجربه در مهندسی داده ها و توسعه نرم افزار است. او در فن آوری های داده های بزرگ مانند Hadoop ، Spark و SQL به همراه سیستم عامل های ابری مانند AWS و Azure تخصص زیادی دارد ، جایی که او ETL قوی و چارچوب های داده را بر روی سیستم عامل هایی مانند Snowflake و Databricks ساخته است. در زبانهای برنامه نویسی مانند پایتون ، SQL و جاوا مهارت دارد ، Harsh همچنین در چارچوب های Django و Flask تجربه دارد. کار وی شامل طراحی و اجرای خطوط لوله داده ، دریاچه های داده و انبارهای داده است. HARSH با سابقه ای در علوم داده ، یادگیری ماشین و آمار ، به پروژه های متنوعی از جمله پردازش زبان طبیعی و دید رایانه کمک کرده است. او به عنوان یک فریلنسر ، پروژه هایی را در مهندسی داده ها ، داده های بزرگ ، محاسبات ابری ، تجزیه و تحلیل داده ها و ژنرال هوش مصنوعی مقابله می کند. در خارج از کار ، سخت عاشق مسافرت ، یادگیری در مورد فرهنگ های جدید و ملاقات با مردم از سراسر جهان است. او مربیگری رایگان را به دانشجویان و افراد متقاضی شغل ارائه می دهد و به آنها کمک می کند تا در صنعت فناوری حرکت کنند.