دوره ایجاد و مدیریت دریاچه داده (Data Lakehouse) با Apache Iceberg: از مبانی تا پیاده‌سازی در محیط عملیاتی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ایجاد و مدیریت دریاچه داده (Data Lakehouse) با Apache Iceberg: از مبانی تا پیاده‌سازی در محیط عملیاتی

موضوع کلی: فناوری اطلاعات و داده‌ها

موضوع میانی: مدیریت داده‌های کلان و دریاچه‌های داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر فناوری اطلاعات و داده‌ها
• 2. مبانی مدیریت داده‌ها
• 3. ساختار داده‌ها و پایگاه‌های داده
• 4. مفاهیم داده‌های کلان (Big Data)
• 5. معماری‌های داده
• 6. مقدمه‌ای بر دریاچه‌های داده (Data Lakes)
• 7. چالش‌های دریاچه‌های داده سنتی
• 8. معرفی Apache Iceberg
• 9. تاریخچه و فلسفه Apache Iceberg
• 10. مزایای Apache Iceberg
• 11. مقایسه Iceberg با فرمت‌های دیگر (Parquet, ORC)
• 12. مفاهیم کلیدی Iceberg: جداول، پارتیشن‌ها، اسنپ‌شات‌ها
• 13. ساختار فایل‌های Iceberg
• 14. فایل متادیتا (Metadata File)
• 15. فایل مانیفست (Manifest File)
• 16. فایل مانیفست لیست (Manifest List File)
• 17. عملیات نوشتن در Iceberg: اضافه کردن داده
• 18. عملیات نوشتن در Iceberg: به‌روزرسانی داده
• 19. عملیات نوشتن در Iceberg: حذف داده
• 20. عملیات نوشتن در Iceberg: ادغام داده (Merge)
• 21. مدیریت تراکنش‌ها در Iceberg
• 22. ضمانت‌های ACID در Iceberg
• 23. اسنپ‌شات‌ها و تاریخچه جداول
• 24. نمایش نسخه (Schema Evolution) در Iceberg
• 25. پارتیشن‌بندی و بازپارتیشن‌بندی (Partitioning and Repartitioning)
• 26. بهینه‌سازی جداول Iceberg
• 27. فشرده‌سازی داده‌ها (Data Compaction)
• 28. پاکسازی فایل‌های قدیمی (Expiration)
• 29. پشتیبانی از فیلترهای پنهان (Hidden Partitioning)
• 30. جستجوی داده‌ها در Iceberg
• 31. کوئری زدن روی جداول Iceberg
• 32. ادغام با موتورهای پردازش داده (Spark, Flink, Trino)
• 33. یکپارچگی با Apache Spark
• 34. یکپارچگی با Apache Flink
• 35. یکپارچگی با Trino/Presto
• 36. یکپارچگی با موتورهای دیگر
• 37. کار با Apache Hive Metastore
• 38. کار با AWS Glue Data Catalog
• 39. پشتیبانی از سیستم‌های ذخیره‌سازی ابری (S3, ADLS, GCS)
• 40. استقرار Iceberg در AWS
• 41. استقرار Iceberg در Azure
• 42. استقرار Iceberg در Google Cloud
• 43. ملاحظات امنیتی در مدیریت دریاچه داده
• 44. کنترل دسترسی (Access Control)
• 45. رمزنگاری داده‌ها
• 46. مدیریت کیفیت داده‌ها
• 47. تکنیک‌های اعتبارسنجی داده‌ها
• 48. نظارت بر سلامت دریاچه داده
• 49. مانیتورینگ عملکرد جداول
• 50. عیب‌یابی مشکلات رایج
• 51. بهترین شیوه‌ها برای مدیریت دریاچه داده
• 52. طراحی استراتژی پارتیشن‌بندی
• 53. انتخاب فرمت فایل مناسب
• 54. مدیریت هزینه‌ها در دریاچه داده ابری
• 55. پیاده‌سازی در محیط عملیاتی (Production)
• 56. مراحل آماده‌سازی برای تولید
• 57. تست و اعتبارسنجی در محیط عملیاتی
• 58. استقرار تدریجی (Rollout)
• 59. مدیریت تغییرات در محیط تولید
• 60. نظارت مداوم در تولید
• 61. مدیریت بحران و بازیابی
• 62. مطالعات موردی (Case Studies)
• 63. پیاده‌سازی دریاچه داده برای تحلیل کسب و کار
• 64. استفاده از Iceberg برای هوش تجاری
• 65. کاربرد Iceberg در پردازش داده‌های جریانی (Streaming)
• 66. مدیریت داده‌های IoT با Iceberg
• 67. یکپارچه‌سازی داده‌ها از منابع مختلف
• 68. مفاهیم پیشرفته در Iceberg
• 69. کوانتوم (Quanta) در Iceberg (اگر قابل انطباق باشد)
• 70. تکنیک‌های پیشرفته پارتیشن‌بندی
• 71. مدیریت داده‌های بزرگ با Iceberg
• 72. کارایی و مقیاس‌پذیری Iceberg
• 73. نکات تخصصی برای بهینه‌سازی
• 74. امنیت در سطح ستون و ردیف (در صورت انطباق)
• 75. یکپارچگی با ابزارهای Data Governance
• 76. ملاحظات حقوقی و انطباق داده‌ها (Data Compliance)
• 77. قوانین حفاظت از داده‌ها در ایران
• 78. انطباق با مقررات داخلی
• 79. مدیریت داده‌های حساس
• 80. اصول حاکمیت داده (Data Governance)
• 81. نقش Iceberg در حاکمیت داده
• 82. استفاده از Iceberg برای داده‌های سازمانی
• 83. معماری‌های پیشرفته دریاچه داده
• 84. ترکیب دریاچه داده و انبار داده (Data Warehouse)
• 85. مفهوم Data Lakehouse
• 86. پیاده‌سازی Data Lakehouse با Iceberg
• 87. چالش‌های پیاده‌سازی Data Lakehouse
• 88. راهکارهای عملیاتی برای Data Lakehouse
• 89. آینده فناوری دریاچه داده
• 90. روندهای نوظهور در مدیریت داده
• 91. نوآوری‌های آتی در Iceberg
• 92. جمع‌بندی و چشم‌انداز
• 93. مبانی پردازش داده‌های کلان
• 94. اصول طراحی پایگاه داده رابطه‌ای
• 95. مفاهیم پردازش دسته‌ای (Batch Processing)
• 96. پردازش داده‌های جریانی (Stream Processing)
• 97. مقایسه پردازش دسته‌ای و جریانی
• 98. مقدمه‌ای بر Data Mesh (در صورت انطباق)
• 99. اصول حاکمیت داده و کیفیت داده
• 100. مدیریت چرخه حیات داده