این دوره جامع، دانش و مهارت‌های لازم برای طراحی بهینه مدل‌های داده در فایراستور را به شما می‌آموزد. از جمله مهمترین سرفصل‌هایی که در این دوره پوشش داده می‌شوند:

• مبانی پایگاه داده NoSQL و فایراستور: درک تفاوت‌های اساسی بین پایگاه داده‌های رابطه‌ای (SQL) و NoSQL، و چگونگی تأثیر این تفاوت‌ها بر طراحی مدل داده. شما با فلسفه فایراستور و چگونگی خواندن و نوشتن داده‌ها در آن آشنا می‌شوید.
• ساختار اسناد و کالکشن‌ها: یادگیری نحوه سازماندهی داده‌ها در قالب اسناد، کالکشن‌ها و ساب‌کالکشن‌ها و بهترین روش‌ها برای استفاده از هر یک. این بخش، پایه و اساس هرگونه مدل‌سازی داده در فایراستور است.
• مدل‌سازی روابط پیچیده: تسلط بر چگونگی مدیریت روابط یک به یک (One-to-One)، یک به چند (One-to-Many) و چند به چند (Many-to-Many) در یک محیط NoSQL، از جمله تکنیک‌های Denormalization (دینرمالیزیشن) و Duplication (تکثیر داده). این تکنیک‌ها برای افزایش کارایی و کاهش تعداد خواندن‌ها ضروری هستند.
• بهینه‌سازی کوئری‌ها و مقیاس‌پذیری: درک محدودیت‌های کوئری در فایراستور و یادگیری الگوهایی برای اجرای کوئری‌های پیچیده و کارآمد، و همچنین طراحی ساختارهای داده‌ای که قابلیت مقیاس‌پذیری بالا را داشته باشند. این بخش به شما کمک می‌کند تا از هزینه‌های اضافی جلوگیری کنید.
• مدیریت عملیات دسته‌ای و تراکنش‌ها: نحوه انجام عملیات خواندن و نوشتن دسته‌ای (Batch Operations) و اجرای تراکنش‌های اتمیک (Atomic Transactions) برای حفظ یکپارچگی داده‌ها، به خصوص در سناریوهای پیچیده و چند مرحله‌ای.
• تأثیر مدل داده بر قوانین امنیتی: درک چگونگی تأثیر مدل داده بر نحوه پیاده‌سازی قوانین امنیتی فایربیس (Firebase Security Rules) و محافظت از داده‌های خود در برابر دسترسی‌های غیرمجاز.
• مدل‌سازی برای سناریوهای واقعی: آموزش از طریق مثال‌های عملی و سناریوهای رایج توسعه اپلیکیشن‌ها، مانند ساخت سیستم‌های چت، فیدهای خبری، پروفایل‌های کاربری و دیگر سناریوهای تعاملی.

شرکت در این دوره برای توسعه‌دهندگان فرانت‌اند و بک‌اند، معماران سیستم و هر کسی که قصد دارد از فایراستور به طور موثر و کارآمد استفاده کند، مزایای متعددی دارد:

• ساخت اپلیکیشن‌های قوی و مقیاس‌پذیر: با یادگیری اصول طراحی صحیح، قادر خواهید بود مدل‌های داده‌ای را ایجاد کنید که با رشد اپلیکیشن شما هماهنگ شوند و عملکرد بالایی را در طول زمان حفظ کنند.
• اجتناب از اشتباهات رایج: این دوره به شما کمک می‌کند تا الگوهای طراحی نامناسب که منجر به مشکلات عملکردی، هزینه‌های بالا یا مشکلات امنیتی در آینده می‌شوند را شناسایی کرده و از آن‌ها جلوگیری کنید.
• کاهش هزینه‌ها: با بهینه‌سازی ساختار داده‌ها و کوئری‌ها، می‌توانید تعداد خواندن‌ها و نوشتن‌ها را در فایراستور به حداقل برسانید، که این امر مستقیماً بر هزینه‌های ماهانه شما تأثیر می‌گذارد و آن‌ها را کاهش می‌دهد.
• افزایش کارایی توسعه: با داشتن یک مدل داده قوی و منطقی، فرآیند توسعه ویژگی‌های جدید و همچنین نگهداری و دیباگینگ اپلیکیشن بسیار آسان‌تر و سریع‌تر خواهد شد.
• درک عمیق‌تر از فایراستور: فراتر از سینتکس ابتدایی و استفاده سطحی، شما به درک عمیقی از فلسفه طراحی فایراستور و بهترین شیوه‌های استفاده از آن دست خواهید یافت که در پروژه‌های پیچیده‌تر به شما کمک می‌کند.
• آموزش از یک متخصص: Fireship به دلیل ارائه محتوای با کیفیت، فشرده و کاربردی شهرت دارد. این دوره نیز توسط متخصصانی ارائه می‌شود که تجربه عملی گسترده‌ای در کار با فایراستور و فایربیس دارند.

برای بهره‌مندی حداکثری و درک کامل مطالب این دوره، داشتن پیش‌نیازهای زیر توصیه می‌شود:

• آشنایی با JavaScript/TypeScript: از آنجا که Fireship بیشتر مثال‌های خود را با این زبان‌ها ارائه می‌دهد، آشنایی اولیه با آن‌ها برای دنبال کردن کدها و پیاده‌سازی مثال‌ها ضروری است.
• درک مفاهیم اولیه توسعه وب: شامل آشنایی با APIها، مفاهیم کلاینت/سرور، و نحوه کار برنامه‌های تحت وب و تعامل آن‌ها با بک‌اند.
• حساب Firebase/Google Cloud: برای تمرین عملی و پیاده‌سازی مثال‌ها، نیاز به یک پروژه فعال در کنسول فایربیس خواهید داشت تا بتوانید پایگاه داده فایراستور خود را ایجاد و مدیریت کنید.
• تجربه اولیه با فایراستور (اختیاری): اگرچه دوره از مبانی شروع می‌شود و برای مبتدیان نیز مناسب است، اما داشتن تجربه کار با فایراستور (حتی در حد ابتدایی) به شما کمک می‌کند تا مطالب را سریع‌تر جذب کرده و با مفاهیم پایه‌ای راحت‌تر ارتباط برقرار کنید.

مقدمه‌ای بر فایراستور و چالش‌های مدل‌سازی NoSQL: این بخش با معرفی جامع فایراستور به عنوان یک پایگاه داده NoSQL ابری و قدرتمند آغاز می‌شود. سپس به تشریح تفاوت‌های بنیادین بین مدل‌های داده رابطه‌ای و NoSQL پرداخته می‌شود؛ تفاوت‌هایی که رویکرد شما به طراحی پایگاه داده را کاملاً تغییر می‌دهند. تاکید بر این نکته است که رویکرد «فقط آنچه نیاز دارید بخوانید و فقط آنچه نیاز دارید بنویسید» در فایراستور، نیازمند یک استراتژی مدل‌سازی کاملاً متفاوت است. در این قسمت با مثال‌هایی ساده نشان داده می‌شود که چرا مدل‌سازی سنتی در فایراستور منجر به مشکلات عملکردی، پیچیدگی و هزینه‌ای می‌شود و اهمیت طراحی صحیح از همان ابتدا را برجسته می‌کند.

ساختار اسناد، کالکشن‌ها و ساب‌کالکشن‌ها: عمق اصلی فایراستور در نحوه سازماندهی داده‌ها نهفته است. در این بخش، یاد می‌گیرید که اسناد، واحدهای اصلی داده در فایراستور هستند که در داخل کالکشن‌ها (مجموعه‌ها) قرار می‌گیرند. همچنین، مفهوم ساب‌کالکشن‌ها به عنوان ابزاری قدرتمند و انعطاف‌پذیر برای سازماندهی داده‌های مرتبط با یک سند خاص توضیح داده می‌شود. مثال‌هایی از جمله ساختاردهی داده‌های یک بلاگ پست (Blog Post) با کامنت‌ها به عنوان ساب‌کالکشن‌ها ارائه می‌شود تا نحوه ایجاد سلسله‌مراتب داده‌ای منطقی و کارآمد روشن شود. این بخش پایه و اساس درک ساختاردهی داده‌ها در فایراستور را فراهم می‌کند و شما را برای مباحث پیشرفته‌تر آماده می‌سازد.

مدل‌سازی روابط پیچیده و دینرمالیزیشن: یکی از بزرگترین چالش‌ها در پایگاه داده‌های NoSQL، مدیریت روابط بین داده‌هاست، چرا که مفهوم Join به شکل پایگاه داده‌های رابطه‌ای در آن‌ها وجود ندارد. این بخش به طور مفصل به بررسی روابط یک به یک، یک به چند و چند به چند می‌پردازد. کلید اصلی در اینجا، درک و به‌کارگیری دینرمالیزیشن (Denormalization) است. به جای Join کردن جداول، داده‌های مرتبط را تکرار یا در یک سند واحد ذخیره می‌کنید. برای مثال، برای مدل‌سازی پست‌های یک کاربر و لایک‌های آن، ممکن است تعداد لایک‌ها را مستقیماً در سند پست ذخیره کنید (دینرمالیزیشن) تا از خواندن‌های اضافی و پرهزینه جلوگیری شود. این بخش با مثال‌های عملی، نحوه پیاده‌سازی این الگوها را برای سناریوهای واقعی مانند سیستم‌های پیام‌رسانی یا شبکه‌های اجتماعی نشان می‌دهد.

استراتژی‌های پیشرفته: کانترها، جستجو و داده‌های تجمیعی: این بخش به الگوهای پیشرفته‌تر مدل‌سازی می‌پردازد که برای ساخت اپلیکیشن‌های پویا و مقیاس‌پذیر ضروری هستند. یاد می‌گیرید چگونه کانترهای توزیع‌شده (Distributed Counters) را برای شمارش لایک‌ها، بازدیدها یا هر نوع تجمیع داده‌ای پیاده‌سازی کنید، که یک چالش رایج در سیستم‌های مقیاس‌پذیر است. همچنین، رویکردهای مدل‌سازی برای قابلیت جستجو (Search) در فایراستور (که به طور بومی قوی نیست) با استفاده از سرویس‌های خارجی مانند Algolia یا پیاده‌سازی ایندکس‌های سفارشی توضیح داده می‌شود. مثال عملی شامل مدل‌سازی یک سیستم رأی‌گیری یا سیستم فید خبری است که نیازمند تجمیع داده‌ها و به‌روزرسانی‌های مکرر و اتمیک است.

تأثیر مدل داده بر قوانین امنیتی فایربیس: امنیت در فایربیس به شدت به ساختار مدل داده شما وابسته است و قوانین امنیتی شما باید بازتابی از طراحی پایگاه داده‌تان باشد. در این بخش، ارتباط تنگاتنگ بین طراحی مدل داده و نوشتن قوانین امنیتی (Security Rules) قدرتمند و دقیق را یاد می‌گیرید. چگونه مطمئن شویم فقط کاربران مجاز به داده‌های خود دسترسی دارند؟ چگونه عملیات خواندن و نوشتن را بر اساس نقش کاربر، مالکیت داده‌ها یا وضعیت داده‌ها محدود کنیم؟ این بخش با مثال‌هایی از قوانین امنیتی که بر اساس مدل‌های داده‌ای که قبلاً طراحی شده‌اند، نوشته شده‌اند، به شما کمک می‌کند تا اپلیکیشن‌های خود را به بهترین نحو ممکن ایمن کنید.

بهینه‌سازی عملکرد و ملاحظات هزینه: فایراستور با مدل قیمت‌گذاری «پرداخت به ازای استفاده» کار می‌کند، بنابراین هر خواندن و نوشتن هزینه دارد. این بخش بر روی بهینه‌سازی عملکرد و کاهش هزینه‌ها تمرکز دارد و شما را با استراتژی‌های هوشمندانه آشنا می‌کند. یاد می‌گیرید چگونه از کوئری‌های کارآمد استفاده کنید، از خواندن اسناد بزرگ و غیرضروری اجتناب کنید، و از ایندکس‌ها به درستی بهره ببرید تا فقط داده‌های مورد نیاز را بخوانید. همچنین، استراتژی‌های پیجینیشن (Pagination) برای مدیریت مجموعه‌های داده‌ای بزرگ و کاهش بار کوئری و در نتیجه کاهش هزینه‌ها آموزش داده می‌شود. مثال‌های عملی شامل طراحی مدل داده‌ای برای لاگ‌های سیستمی یا تاریخچه فعالیت‌ها است که باید به صورت کارآمد کوئری و ذخیره شوند.

عملیات دسته‌ای و تراکنش‌ها برای یکپارچگی داده: در نهایت، این بخش به مبحث مهم یکپارچگی داده‌ها می‌پردازد. فایراستور Batch Writes (نوشتن دسته‌ای) و Transactions (تراکنش‌ها) را برای انجام چندین عملیات به صورت اتمیک ارائه می‌دهد. این به این معنی است که یا همه عملیات با موفقیت انجام می‌شوند یا هیچکدام، که برای حفظ صحت داده‌ها حیاتی است. یاد می‌گیرید که چگونه از این ویژگی‌ها برای به‌روزرسانی‌های پیچیده و حفظ یکپارچگی داده‌ها در سناریوهایی مانند سیستم‌های مالی، به‌روزرسانی‌های همزمان چند سند یا سیستم‌های موجودی کالا استفاده کنید. این بخش به شما ابزارهایی برای اطمینان از صحت و پایداری داده‌هایتان حتی در مواجهه با خطاهای احتمالی می‌دهد.