دوره تسلط بر Presto: تحلیل تعاملی و محاسبات مقیاس‌پذیر همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر Presto: تحلیل تعاملی و محاسبات مقیاس‌پذیر

موضوع کلی: تحلیل داده و محاسبات توزیع‌شده

موضوع میانی: بهینه‌سازی پرس‌وجو و پردازش داده‌های حجیم

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده و محاسبات توزیع‌شده
• 2. معماری Presto: اجزا و ساختار کلی
• 3. نصب و پیکربندی Presto در محیط‌های مختلف
• 4. مفاهیم کلیدی در Presto: کاتالوگ، اسکیم، جدول
• 5. زبان پرس‌وجو SQL در Presto: مبانی و اصول
• 6. انواع داده‌ها در Presto و نحوه استفاده از آن‌ها
• 7. عملگرهای SQL در Presto: مقایسه‌ای، منطقی، ریاضی
• 8. توابع SQL در Presto: رشته‌ای، عددی، تاریخ و زمان
• 9. پرس‌وجوهای پایه در Presto: SELECT، FROM، WHERE
• 10. جوین‌ها در Presto: انواع و کاربردها
• 11. زیرپرس‌وجوها (Subqueries) در Presto: افزایش قدرت پرس‌وجوها
• 12. آگرگیشن (Aggregation) در Presto: جمع‌آوری و تحلیل داده‌ها
• 13. توابع پنجره‌ای (Window Functions) در Presto: تحلیل داده‌های مرتبط
• 14. عبارات CASE در Presto: منطق شرطی در پرس‌وجوها
• 15. بهینه‌سازی پرس‌وجو در Presto: نقشه‌های اجرایی
• 16. آمار و اطلاعات مربوط به پرس‌وجو: EXPLAIN PLAN
• 17. شاخص‌گذاری (Indexing) در Presto: بهبود عملکرد پرس‌وجوها
• 18. پارتیشن‌بندی (Partitioning) داده‌ها در Presto: مدیریت داده‌های حجیم
• 19. تبدیل فرمت داده‌ها در Presto: JSON، CSV، ORC، Parquet
• 20. اتصال Presto به منابع داده مختلف: Hive، MySQL، PostgreSQL
• 21. امنیت در Presto: احراز هویت و مجوزها
• 22. مدیریت کاربران و نقش‌ها در Presto
• 23. مانیتورینگ و لاگ‌برداری در Presto: بررسی عملکرد و تشخیص خطاها
• 24. تنظیمات پیکربندی Presto: بهینه‌سازی برای حجم کار خاص
• 25. استفاده از Presto با ابزارهای BI: Tableau، Superset
• 26. توسعه توابع تعریف‌شده توسط کاربر (UDF) در Presto
• 27. نوشتن UDF به زبان Java برای Presto
• 28. ادغام Presto با سیستم‌های صف پیام: Kafka
• 29. پردازش جریانی داده‌ها با Presto
• 30. استفاده از Presto برای تحلیل داده‌های زمانی (Time-Series)
• 31. تحلیل داده‌های مکانی (Geospatial) با Presto
• 32. مفاهیم پیشرفته SQL: CTE، RECURSIVE CTE
• 33. بهینه‌سازی پرس‌وجوهای پیچیده در Presto
• 34. استفاده از Presto برای ETL (Extract, Transform, Load)
• 35. مقایسه Presto با سایر موتورهای پرس‌وجو: Hive، Spark SQL
• 36. معماری مقیاس‌پذیر Presto: خوشه‌بندی و توزیع بار
• 37. مدیریت منابع در Presto: حافظه، CPU
• 38. عیب‌یابی مشکلات رایج در Presto
• 39. استفاده از Presto در محیط‌های ابری: AWS، Google Cloud، Azure
• 40. Case Study: تحلیل داده‌های فروش با Presto
• 41. Case Study: تحلیل لاگ‌های وب با Presto
• 42. Case Study: تحلیل داده‌های شبکه‌های اجتماعی با Presto
• 43. به‌روزرسانی و ارتقاء Presto
• 44. استفاده از Presto برای Data Science و Machine Learning
• 45. اتصال Presto به کتابخانه‌های Machine Learning
• 46. تحلیل داده‌های ساخت‌یافته و نیمه‌ساخت‌یافته با Presto
• 47. بهینه‌سازی پرس‌وجو برای داده‌های نیمه‌ساخت‌یافته
• 48. مفاهیم پیشرفته پارتیشن‌بندی: Dynamic Partitioning
• 49. استفاده از Presto برای Data Governance و Data Quality
• 50. مستندسازی پرس‌وجوها و جداول در Presto
• 51. بهترین شیوه‌ها برای توسعه و نگهداری Presto
• 52. امنیت داده‌ها در Presto: رمزنگاری و ماسک‌گذاری
• 53. استفاده از Presto برای تحلیل داده‌های بلادرنگ
• 54. مفاهیم پیشرفته توابع پنجره‌ای: Lead, Lag, Nth_Value
• 55. بهینه‌سازی پرس‌وجو با استفاده از Cost-Based Optimizer
• 56. استفاده از Presto برای Data Discovery و Data Catalog
• 57. مفاهیم پیشرفته Join: Bloom Filter Join
• 58. استفاده از Presto برای Data Lineage
• 59. مفاهیم پیشرفته UDF: استفاده از کتابخانه‌های خارجی
• 60. بهینه‌سازی Presto برای پردازش داده‌های فشرده
• 61. استفاده از Presto برای تحلیل داده‌های گراف
• 62. مفاهیم پیشرفته امنیت: Row-Level Security
• 63. استفاده از Presto در محیط‌های چندتخصصی (Multi-Tenancy)
• 64. مانیتورینگ پیشرفته Presto: استفاده از Prometheus و Grafana
• 65. استفاده از Presto برای Data Virtualization
• 66. مفاهیم پیشرفته پارتیشن‌بندی: Bucketting
• 67. بهینه‌سازی Presto برای داده‌های با حجم بسیار زیاد (Petabyte Scale)
• 68. استفاده از Presto برای تحلیل داده‌های IoT
• 69. مفاهیم پیشرفته UDF: استفاده از زبان‌های دیگر (Python, Scala)
• 70. بهینه‌سازی پرس‌وجوها برای workload های ترکیبی
• 71. استفاده از Presto برای Data Observability
• 72. مفاهیم پیشرفته Join: Sort Merge Join
• 73. استفاده از Presto برای Data Mesh
• 74. بهینه‌سازی Presto برای داده‌های با تغییرات زیاد (Frequently Changing Data)
• 75. استفاده از Presto برای Data Fabric
• 76. مفاهیم پیشرفته امنیت: Column-Level Security
• 77. استفاده از Presto برای Data Streaming Analytics
• 78. بهینه‌سازی Presto برای داده‌های با توزیع نامتوازن
• 79. استفاده از Presto برای Data Lakehouse Architecture
• 80. مفاهیم پیشرفته UDF: استفاده از کتابخانه‌های یادگیری ماشین
• 81. بهینه‌سازی Presto برای داده‌های با کیفیت پایین
• 82. استفاده از Presto برای Data-Driven Decision Making
• 83. مفاهیم پیشرفته Join: Hash Join
• 84. استفاده از Presto برای Data Science Pipelines
• 85. بهینه‌سازی Presto برای داده‌های با پیچیدگی زیاد
• 86. استفاده از Presto برای Data Governance Frameworks
• 87. مفاهیم پیشرفته امنیت: Data Masking
• 88. استفاده از Presto برای Real-Time Data Analysis
• 89. بهینه‌سازی Presto برای داده‌های با تأخیر زیاد
• 90. استفاده از Presto برای Data Integration Pipelines
• 91. مفاهیم پیشرفته UDF: استفاده از API های خارجی
• 92. بهینه‌سازی Presto برای داده‌های با حجم کم
• 93. استفاده از Presto برای Data Storytelling
• 94. مفاهیم پیشرفته Join: Nested Loop Join
• 95. استفاده از Presto برای Building Data Products
• 96. بهینه‌سازی Presto برای داده‌های با دقت پایین
• 97. استفاده از Presto برای Data-Centric AI Applications
• 98. مفاهیم پیشرفته امنیت: Data Auditing
• 99. استفاده از Presto برای Federated Querying
• 100. بهینه‌سازی Presto برای داده‌های با فرمت‌های مختلف