کتاب SQL Server The DevOps Toolkit for SQL Server Evolution با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره SQL Server The DevOps Toolkit for SQL Server Evolution

موضوع کلی: برنامه نویسی

موضوع میانی: Microsoft SQL Server

📋 سرفصل‌های دوره

• 1. مقدمه ای بر دوره: هدف، مخاطبان و پیش‌نیازها
• 2. مفاهیم بنیادین DevOps و چرایی آن برای پایگاه داده
• 3. معماری SQL Server: مفاهیم کلیدی، موتور دیتابیس و اجزا
• 4. نصب و پیکربندی SQL Server: Local، Container و محیط توسعه
• 5. مدیریت پایگاه داده و جداول در SSMS و Azure Data Studio
• 6. زبان T-SQL: کویری‌های پایه SELECT, INSERT, UPDATE, DELETE و Joins
• 7. انواع داده‌ها (Data Types)، Constraints و Integrity
• 8. Stored Procedures, Functions و Views: کاربردها و نحوه ایجاد
• 9. Triggers و Indexها: افزایش کارایی و کنترل تغییرات
• 10. مدیریت امنیت: کاربران، نقش‌ها، سطوح دسترسی و Schemas
• 11. Query Optimization مقدماتی و Execution Plans
• 12. آشنایی با ابزارهای CLI برای SQL Server (SqlPackage, Sqlcmd)
• 13. ضرورت کنترل سورس برای Schema و داده‌های مرجع
• 14. مبانی Git: Repository, Commit, Branching, Merging
• 15. راه‌اندازی Git Repository برای پروژه دیتابیس (Azure Repos/GitHub)
• 16. استراتژی‌های Branching پیشرفته: GitFlow, Trunk-Based Development
• 17. حل تداخل‌های Merge (Merge Conflicts) در SQL Scripts
• 18. معرفی SQL Server Data Tools (SSDT) و Database Project
• 19. ایجاد اولین Database Project و ایمپورت Schema موجود
• 20. ساختار فایل‌های پروژه SSDT: .sqlproj, .sql و فایل‌های تغییرات
• 21. کار با Referenceها به Database Projectهای دیگر
• 22. استفاده از Pre-Deployment و Post-Deployment Scripts برای Data
• 23. Refactor Log: مدیریت تغییر نام اشیا دیتابیس و تغییرات Schema
• 24. پیکربندی Publish Profile برای استقرار به محیط‌های مختلف
• 25. بهترین روش‌ها برای سازماندهی پروژه SSDT و Schema
• 26. ادغام SSDT با Git و Workflows تیم توسعه
• 27. چالش‌ها و راهکارهای Source Control برای دیتابیس‌های Legacy
• 28. مدیریت Static Data و Lookup Tables در Source Control
• 29. مفاهیم Continuous Integration (CI) برای دیتابیس و مزایا
• 30. معرفی Azure DevOps Pipelines: YAML vs. Classic Editor
• 31. ایجاد یک Build Pipeline برای Database Project (YAML)
• 32. استفاده از Taskهای Azure DevOps برای ساخت Dacpac و NuGet
• 33. Build Artifacts: خروجی Build Pipeline و نحوه مصرف آن
• 34. نوشتن تست‌های واحد برای دیتابیس با tSQLt و Pester
• 35. نصب و پیکربندی tSQLt در محیط توسعه و CI Server
• 36. ادغام اجرای تست‌های tSQLt در Build Pipeline و گزارش‌گیری
• 37. معیارهای کیفیت کد برای T-SQL و Coding Standards
• 38. ابزارهای Static Code Analysis (SonarQube, SQL Code Guard, PSSQLEdit)
• 39. پیکربندی Static Analysis در Build Pipeline و Fail-Fast
• 40. مدیریت Code Smells و Technical Debt در دیتابیس Schema
• 41. استراتژی‌های Semantic Versioning برای Dacpac و Database
• 42. امنیت در Build Pipelineها: Permissions و Service Principles
• 43. Troubleshooting Build Failures در Database CI و Best Practices
• 44. Building Multi-Database Solutions در یک Build Pipeline
• 45. مفاهیم Continuous Delivery (CD) و Continuous Deployment برای دیتابیس
• 46. طراحی Release Pipelineها برای محیط‌های Development, Test, Staging, Production
• 47. ایجاد یک Release Pipeline در Azure DevOps (YAML)
• 48. تعریف Stages، Environmentها و Dependencies در Release Pipeline
• 49. استقرار Dacpac با استفاده از SqlPackage.exe و پارامترهای آن
• 50. مدیریت تغییرات داده‌ای (Data Migrations) با Pre/Post Deployment Scripts پیشرفته
• 51. استراتژی‌های استقرار: In-place Update, Blue/Green, Canary Deployments, Feature Flags
• 52. مدیریت Connection Strings و Secrets با Azure Key Vault در Deployments
• 53. پیکربندی Variables و Variable Groups برای محیط‌های مختلف Release
• 54. استفاده از Approvals و Gates در Release Pipeline برای کنترل بیشتر
• 55. استراتژی‌های Rollback و Recovery در صورت بروز مشکل در استقرار
• 56. اتوماسیون تست‌های یکپارچه‌سازی (Integration Tests) پس از استقرار
• 57. گزارش‌گیری و نظارت بر فرآیند استقرار در Azure DevOps
• 58. Deployments به Azure SQL Database / Managed Instance از طریق Pipeline
• 59. مدیریت استقرار چندین دیتابیس مرتبط در یک Release
• 60. ابزارهای جایگزین Deployment (Redgate Deploy, Flyway, Liquibase) و مقایسه
• 61. Orchestration Deployment با ابزارهای Enterprise (Octopus Deploy)
• 62. اسکریپت‌های PowerShell برای اتوماسیون پیشرفته Deployment
• 63. امنیت Release Pipeline: Service Connections, Permissions و Least Privilege
• 64. چالش‌های Deployment به Production و راهکارهای Enterprise
• 65. استراتژی‌های مدیریت Schema Drift پس از Deployment
• 66. معرفی DBOps: تلفیق DevOps با عملیات دیتابیس و Culture Change
• 67. نظارت بر عملکرد SQL Server: DMVs، Performance Counters و Resource Governor
• 68. Extended Events: ردیابی فعالیت‌های ریز در SQL Server برای عیب‌یابی
• 69. جمع‌آوری و تحلیل لاگ‌های SQL Server (Error Log, Agent Log, Event Log)
• 70. راه‌اندازی سیستم هشدار و نوتیفیکیشن برای مشکلات دیتابیس (Azure Monitor, Grafana)
• 71. اتوماسیون Backup و Restore: استراتژی‌ها، ابزارها و Policyها
• 72. اعتبارسنجی خودکار Backupها و فرآیند Restore برای اطمینان از صحت
• 73. High Availability (HA): Always On Availability Groups در DBOps و اتوماسیون
• 74. Disaster Recovery (DR): استراتژی‌ها و پیاده‌سازی اتوماتیک با Failover Groups
• 75. مدیریت امنیت: Policy-Based Management, Audit و Compliance در دیتابیس
• 76. Patch Management خودکار برای SQL Server Instance و سیستم عامل
• 77. Upgrade خودکار SQL Server به نسخه‌های جدیدتر با کمترین Down Time
• 78. Infrastructure as Code (IaC) برای SQL Server Instance و Environment
• 79. استفاده از ARM Templates/Terraform برای provisioning SQL Server در Cloud
• 80. Containerization SQL Server با Docker برای محیط‌های مختلف (Dev, Test, Prod)
• 81. استقرار و مدیریت SQL Server در Kubernetes با Persistent Volumes
• 82. مدیریت منابع و Capacity Planning برای دیتابیس‌های On-Prem و Cloud
• 83. خودکارسازی وظایف نگهداری (Maintenance Plans) و Jobها
• 84. Performance Tuning خودکار و توصیه‌های اتوماتیک از SQL Database Advisor
• 85. مدیریت Configuration Drift و همگام‌سازی Environmentها با IaC
• 86. DBOps برای Azure SQL Database: Monitoring, Scaling, DR
• 87. DBOps برای Azure SQL Managed Instance: عملیات و ابزارها
• 88. DevOps برای Data Warehousing و Data Lakes با SQL Server
• 89. Data Masking و Data Anonymization در CI/CD Pipelines برای GDPR/Compliance
• 90. مدیریت داده‌های آزمایشی (Test Data Management) و تولید داده‌های Synthetic
• 91. Database Refactoring پیشرفته و مدیریت Technical Debt در Schema
• 92. GitOps برای دیتابیس: همگام‌سازی State دیتابیس با Source Control
• 93. توسعه Microservices و استراتژی‌های دیتابیس مستقل (Saga Pattern, Event Sourcing)
• 94. استراتژی‌های تست پیچیده برای دیتابیس: Performance Testing, Security Testing
• 95. استفاده از ابزارهای هوش مصنوعی/یادگیری ماشین در DBOps
• 96. آینده DevOps برای پایگاه داده‌ها: Trends و ابزارهای نوظهور (Serverless DB, Data Mesh)
• 97. انتخاب ابزار مناسب برای DBOps: مقایسه و تحلیل Ecosystem
• 98. چالش‌ها و فرصت‌های DBOps در سازمان‌های بزرگ
• 99. Case Studies و بهترین تجربیات از پیاده‌سازی‌های واقعی DBOps
• 100. جمع‌بندی دوره و گام‌های بعدی