اپلیکیشن اندرویدی فلش‌کارت آموزشی معماری‌های توزیع‌شده برای داده‌های بزرگ

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره معماری‌های توزیع‌شده برای داده‌های بزرگ

موضوع کلی: رایانش ابری و تحلیل داده‌های کلان

موضوع میانی: مقیاس‌پذیری داده‌های کلان

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر معماری‌های توزیع‌شده
• 2. مفاهیم کلیدی داده‌های بزرگ
• 3. چالش‌های پردازش داده‌های بزرگ
• 4. معماری لایه ای برای داده‌های بزرگ
• 5. سیستم‌های فایل توزیع‌شده: HDFS
• 6. مدل‌های برنامه‌نویسی داده‌های بزرگ: MapReduce
• 7. چارچوب Apache Hadoop
• 8. پیکربندی و مدیریت HDFS
• 9. تحلیل داده با MapReduce
• 10. زبان برنامه‌نویسی Pig
• 11. زبان پرس‌وجو Hive
• 12. بهینه‌سازی کوئری‌های Hive
• 13. معماری Spark
• 14. مفاهیم کلیدی Spark: RDD
• 15. پردازش جریانی با Spark Streaming
• 16. Spark SQL و کار با داده‌های ساخت‌یافته
• 17. ادغام Spark با HDFS و سایر منابع داده
• 18. معماری Kafka برای جمع‌آوری داده
• 19. مفاهیم کلیدی Kafka: Topics و Partitions
• 20. پیکربندی و مدیریت Kafka
• 21. مصرف‌کنندگان و تولیدکنندگان Kafka
• 22. معماری NoSQL: مقدمه‌ای
• 23. انواع پایگاه‌های داده NoSQL
• 24. پایگاه داده‌های ستونی: Cassandra
• 25. پایگاه داده‌های کلید-مقدار: Redis
• 26. پایگاه داده‌های گراف: Neo4j
• 27. مقایسه پایگاه‌های داده NoSQL
• 28. انتخاب پایگاه داده NoSQL مناسب
• 29. معماری Lambda
• 30. معماری Kappa
• 31. پردازش رویدید محور
• 32. میکروسرویس‌ها و داده‌های بزرگ
• 33. مقیاس‌پذیری افقی و عمودی
• 34. مانیتورینگ و مدیریت خوشه‌های داده‌های بزرگ
• 35. امنیت در معماری‌های توزیع‌شده
• 36. مفاهیم پایه‌ای Virtualization و Containerization
• 37. استفاده از Docker و Kubernetes در داده‌های بزرگ
• 38. پیاده‌سازی CI/CD برای داده‌های بزرگ
• 39. مدیریت داده‌های بزرگ در فضای ابری
• 40. استفاده از AWS برای داده‌های بزرگ
• 41. استفاده از Azure برای داده‌های بزرگ
• 42. استفاده از Google Cloud Platform برای داده‌های بزرگ
• 43. بهینه‌سازی عملکرد سیستم‌های توزیع‌شده
• 44. تکنیک‌های فشرده‌سازی داده
• 45. تکنیک‌های پارتیشن‌بندی داده