اکسپرس 24
کتاب بهینه‌سازی Spark SQL با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

کتاب بهینه‌سازی Spark SQL با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی Spark SQL

موضوع کلی: مدیریت و تحلیل داده‌های کلان (Big Data)

موضوع میانی: بهینه‌سازی عملکرد موتورهای پرس‌وجوی توزیع‌شده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر Spark SQL و معماری آن
  • 2. نصب و پیکربندی Spark SQL
  • 3. آشنایی با DataFrame و Dataset در Spark SQL
  • 4. خواندن و نوشتن داده‌ها در فرمت‌های مختلف
  • 5. انتخاب، فیلتر و مرتب‌سازی داده‌ها با Spark SQL
  • 6. توابع جمعی و گروه‌بندی داده‌ها
  • 7. پیوستن جداول (Join) در Spark SQL
  • 8. زیرپرس‌وجوها (Subqueries) در Spark SQL
  • 9. استفاده از عبارات شرطی (CASE WHEN)
  • 10. توابع رشته‌ای در Spark SQL
  • 11. توابع عددی در Spark SQL
  • 12. توابع تاریخ و زمان در Spark SQL
  • 13. تغییر ساختار داده‌ها با استفاده از Spark SQL
  • 14. پارتیشن‌بندی داده‌ها برای بهبود عملکرد
  • 15. بهینه‌سازی پرس‌وجوها با استفاده از caching
  • 16. استفاده از Broadcast Join برای جداول کوچک
  • 17. درک و استفاده از Execution Plan
  • 18. تنظیم پارامترهای Spark SQL برای بهبود عملکرد
  • 19. کار با UDF (User Defined Functions)
  • 20. خواندن و نوشتن داده‌ها از Hive
  • 21. ادغام Spark SQL با Hive Metastore
  • 22. استفاده از Spark SQL برای پردازش داده‌های JSON
  • 23. استفاده از Spark SQL برای پردازش داده‌های Parquet
  • 24. استفاده از Spark SQL برای پردازش داده‌های Avro
  • 25. کار با Window Functions در Spark SQL
  • 26. توابع تحلیلی (Analytical Functions) در Spark SQL
  • 27. استفاده از Spark SQL Streaming برای پردازش جریانی داده‌ها
  • 28. بررسی و رفع خطاهای رایج در Spark SQL
  • 29. نوشتن پرس‌وجوهای پیچیده با استفاده از CTE (Common Table Expressions)
  • 30. بهینه‌سازی پرس‌وجوها با استفاده از Partition Pruning
  • 31. درک و استفاده از Cost-Based Optimizer
  • 32. استفاده از Spark SQL برای Data Wrangling
  • 33. کار با داده‌های گمشده (Missing Data) در Spark SQL
  • 34. تبدیل انواع داده‌ها در Spark SQL
  • 35. استفاده از Spark SQL برای ایجاد گزارش‌ها
  • 36. ادغام Spark SQL با ابزارهای BI (Business Intelligence)
  • 37. نوشتن تست‌های واحد برای پرس‌وجوهای Spark SQL
  • 38. استفاده از Spark SQL برای پردازش داده‌های جغرافیایی
  • 39. کار با آرایه‌ها و ساختارهای پیچیده در Spark SQL
  • 40. استفاده از Spark SQL برای Data Mining
  • 41. شناسایی و رفع مشکلات Bottleneck در Spark SQL
  • 42. استفاده از Spark SQL برای داده‌های بزرگ (Big Data)
  • 43. استفاده از Spark SQL در محیط Cloud
  • 44. استفاده از Spark SQL با زبان Scala
  • 45. استفاده از Spark SQL با زبان Python

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.