دوره مقیاس‌پذیری در پردازش داده‌های جریانی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقیاس‌پذیری در پردازش داده‌های جریانی

موضوع کلی: پردازش داده‌های جریانی و دسته‌ای

موضوع میانی: پردازش داده‌های بین‌المللی و چندزبانه

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پردازش داده‌های جریانی
• 2. مفاهیم پایه و الگوهای جریان داده
• 3. معماری سیستم‌های پردازش جریانی
• 4. انتخاب پلتفرم مناسب برای پردازش جریانی
• 5. Apache Kafka: آشنایی و نصب
• 6. مبانی کار با Apache Kafka
• 7. تولید و مصرف داده در Kafka
• 8. پارتیشن‌بندی و مقیاس‌پذیری Kafka
• 9. Apache Flink: مقدمه و کاربردها
• 10. مفاهیم کلیدی در Apache Flink
• 11. DataStream API در Flink
• 12. Windowing در پردازش جریانی با Flink
• 13. مدیریت State در Flink
• 14. Fault Tolerance و Checkpointing در Flink
• 15. Apache Spark Streaming: مروری و مقایسه با Flink
• 16. Micro-batching در Spark Streaming
• 17. DStream API در Spark Streaming
• 18. Join کردن جریان‌ها در Spark Streaming
• 19. مقایسه Kafka و RabbitMQ برای جریان داده
• 20. پیاده‌سازی Pipelineهای پردازش جریانی ساده
• 21. تحلیل Real-time با استفاده از Kafka و Flink
• 22. تحلیل Real-time با استفاده از Kafka و Spark Streaming
• 23. مانیتورینگ و Logging در سیستم‌های جریانی
• 24. مقیاس‌پذیری افقی در سیستم‌های پردازش جریانی
• 25. بهینه‌سازی عملکرد سیستم‌های جریانی
• 26. کار با فرمت‌های داده مختلف در جریان (JSON, Avro, Protobuf)
• 27. مبانی Schema Registry
• 28. امنیت در سیستم‌های پردازش جریانی
• 29. استفاده از Kubernetes برای استقرار سیستم‌های جریانی
• 30. پردازش رویدادهای زمان‌بندی شده (Event Time Processing)
• 31. Watermarkها و تأخیر در پردازش جریانی
• 32. تنظیمات و بهینه‌سازی Kafka برای مقیاس‌پذیری
• 33. تنظیمات و بهینه‌سازی Flink برای مقیاس‌پذیری
• 34. تنظیمات و بهینه‌سازی Spark Streaming برای مقیاس‌پذیری
• 35. مدیریت منابع در سیستم‌های جریانی
• 36. استفاده از Auto Scaling در سیستم‌های جریانی
• 37. Data Governance در پردازش داده‌های جریانی
• 38. مقدمه‌ای بر Apache Beam
• 39. استفاده از Apache Beam برای نوشتن Pipelineهای قابل حمل
• 40. استقرار Pipelineهای Beam بر روی Flink
• 41. استقرار Pipelineهای Beam بر روی Spark
• 42. آینده پردازش داده‌های جریانی
• 43. مطالعه موردی: پیاده‌سازی سیستم تشخیص تقلب جریانی
• 44. مطالعه موردی: پیاده‌سازی سیستم تحلیل رفتار کاربر جریانی
• 45. مفاهیم پیشرفته Windowing