فلش‌کارت‌های آموزشی مدیریت پایگاه داده در DevOps

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدیریت پایگاه داده در DevOps

موضوع کلی: برنامه نویسی

موضوع میانی: پایگاه داده**

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر DevOps و فرهنگ آن
• 2. پایگاه داده چیست؟ نقش آن در نرم‌افزار مدرن
• 3. چالش‌های مدیریت پایگاه داده سنتی
• 4. معرفی Database DevOps یا DataOps
• 5. اصول کلیدی CI/CD برای پایگاه داده
• 6. زیرساخت به عنوان کد (IaC) در دنیای داده
• 7. تفاوت بین برنامه‌های Stateless و Stateful
• 8. نقش مهندس DevOps در چرخه حیات پایگاه داده
• 9. ابزارهای کلیدی در اکوسیستم Database DevOps
• 10. بررسی یک نمونه واقعی: از کد تا استقرار پایگاه داده
• 11. مروری بر پایگاه‌های داده رابطه‌ای (RDBMS)
• 12. آشنایی با پایگاه‌های داده NoSQL
• 13. مدل‌سازی داده و طراحی اسکیمای پایگاه داده
• 14. مفاهیم نرمال‌سازی (Normalization)
• 15. دستورات اصلی SQL: SELECT, INSERT, UPDATE, DELETE
• 16. تراکنش‌ها (Transactions) و خاصیت ACID
• 17. مفهوم سازگاری نهایی (Eventual Consistency) و قضیه CAP
• 18. ایندکس‌گذاری (Indexing) و تأثیر آن بر عملکرد
• 19. روال‌های ذخیره شده (Stored Procedures) و توابع (Functions)
• 20. تریگرها (Triggers) و کاربردهای آن
• 21. مدیریت کاربران و سطوح دسترسی (Permissions)
• 22. قفل‌گذاری (Locking) و مدیریت همزمانی (Concurrency)
• 23. معرفی پایگاه‌ داده‌های محبوب: PostgreSQL و MySQL
• 24. معرفی پایگاه‌ داده‌های NoSQL محبوب: MongoDB و Redis
• 25. پشتیبان‌گیری (Backup) و بازیابی (Recovery) داده‌ها
• 26. کنترل نسخه با Git: مفاهیم پایه
• 27. چرا باید اسکیمای پایگاه داده را ورژن‌بندی کنیم؟
• 28. مفهوم اسکریپت‌های مهاجرت (Migration Scripts)
• 29. استراتژی‌های نام‌گذاری و سازماندهی اسکریپت‌های مهاجرت
• 30. معرفی ابزار Flyway برای مدیریت مهاجرت
• 31. کار با Flyway: دستورات اصلی و چرخه حیات
• 32. معرفی ابزار Liquibase و تفاوت‌های آن با Flyway
• 33. کار با Liquibase: فایل‌های ChangeLog و Contexts
• 34. مدیریت داده‌های ثابت (Seed Data) در کنترل نسخه
• 35. Branching و Merging در Git برای تغییرات پایگاه داده
• 36. مبانی یکپارچه‌سازی مداوم (Continuous Integration)
• 37. راه‌اندازی پایپ‌لاین CI برای پایگاه داده با Jenkins/GitLab CI
• 38. تست واحد (Unit Testing) برای کدهای SQL
• 39. ابزارهای تست واحد مانند tSQLt یا pgTAP
• 40. تحلیل استاتیک کد (Static Code Analysis) برای SQL
• 41. معتبرسازی (Validation) اسکریپت‌های مهاجرت در پایپ‌لاین
• 42. ساخت آرتیفکت (Artifact) پایگاه داده
• 43. ایجاد پایگاه داده موقت (Ephemeral Database) برای تست
• 44. اجرای خودکار تست‌ها در هر کامیت
• 45. گزارش‌دهی نتایج تست و تحلیل کد
• 46. مبانی تحویل و استقرار مداوم (CD)
• 47. تفاوت تحویل مداوم (Continuous Delivery) و استقرار مداوم (Continuous Deployment)
• 48. استراتژی‌های استقرار پایگاه داده: Blue-Green
• 49. استراتژی‌های استقرار پایگاه داده: Canary Release
• 50. مدیریت تغییرات شکننده (Breaking Changes) در اسکیمای پایگاه داده
• 51. تکنیک Expand and Contract برای تغییرات بدون Downtime
• 52. طراحی و پیاده‌سازی استراتژی بازگشت (Rollback)
• 53. چالش‌های Rollback در پایگاه داده
• 54. مدیریت محیط‌های مختلف: توسعه، تست، تولید
• 55. متغیرهای محیطی و مدیریت کانفیگ برای اتصال به پایگاه داده
• 56. اتوماسیون فرآیند تایید (Approval Gates) قبل از استقرار در تولید
• 57. استفاده از Feature Flags برای مدیریت تغییرات پایگاه داده
• 58. انتشار نسخه پایگاه داده (Database Release Automation)
• 59. هماهنگ‌سازی استقرار پایگاه داده با استقرار برنامه
• 60. مطالعه موردی: یک پایپ‌لاین CD کامل برای پایگاه داده
• 61. مقدمه‌ای بر زیرساخت به عنوان کد (Infrastructure as Code)
• 62. معرفی Terraform برای مدیریت زیرساخت پایگاه داده
• 63. ساخت یک سرور پایگاه داده با Terraform
• 64. مدیریت سرویس‌های پایگاه داده ابری (مانند AWS RDS) با Terraform
• 65. معرفی Ansible برای مدیریت پیکربندی
• 66. پیکربندی کاربران و دسترسی‌ها در پایگاه داده با Ansible
• 67. مدیریت فایل‌های کانفیگ (my.cnf, postgresql.conf) به عنوان کد
• 68. ترکیب Terraform و Ansible برای اتوماسیون کامل
• 69. معرفی Pulumi: IaC با زبان‌های برنامه‌نویسی
• 70. ایجاد محیط‌های تکرارپذیر (Reproducible Environments) با IaC
• 71. مقدمه‌ای بر کانتینرها و Docker
• 72. اجرای پایگاه داده در کانتینر Docker برای محیط توسعه
• 73. استفاده از Docker Compose برای راه‌اندازی پشته برنامه و پایگاه داده
• 74. مفهوم داده‌های پایدار (Persistent Data) در کانتینرها
• 75. معرفی Kubernetes و مدیریت بارهای کاری Stateful
• 76. استفاده از PersistentVolumes و PersistentVolumeClaims
• 77. مفهوم StatefulSets برای اجرای پایگاه داده در Kubernetes
• 78. اپراتورهای کوبرنتیس (Kubernetes Operators) برای پایگاه داده
• 79. چالش‌های اجرای پایگاه داده‌های Production در Kubernetes
• 80. استفاده از Helm برای پکیج‌بندی و استقرار پایگاه داده
• 81. مبانی نظارت (Monitoring) و اهمیت آن برای پایگاه داده
• 82. معیارهای کلیدی عملکرد (KPIs) پایگاه داده
• 83. معرفی Prometheus برای جمع‌آوری متریک‌ها
• 84. استفاده از Exporterها برای نظارت بر PostgreSQL/MySQL
• 85. ساخت داشبوردهای نظارتی با Grafana
• 86. لاگ‌گیری متمرکز (Centralized Logging) با ELK/EFK Stack
• 87. تحلیل و بهینه‌سازی کوئری‌های کند (Slow Query Analysis)
• 88. راه‌اندازی سیستم هشداردهی (Alerting) برای شرایط بحرانی
• 89. مفهوم Observability: لاگ‌ها، متریک‌ها و تریس‌ها
• 90. ردیابی توزیع‌شده (Distributed Tracing) و تأثیر پایگاه داده
• 91. امنیت در DevOps (DevSecOps) برای پایگاه داده
• 92. مدیریت امن اسرار (Secrets Management) با Vault
• 93. رمزنگاری داده‌ها در حالت سکون (At Rest) و در حال انتقال (In Transit)
• 94. کنترل دسترسی مبتنی بر نقش (RBAC) به عنوان کد
• 95. پویش آسیب‌پذیری‌ها (Vulnerability Scanning) در پایپ‌لاین
• 96. ناشناس‌سازی (Anonymization) و پوشاندن داده‌ها (Data Masking)
• 97. ثبت وقایع امنیتی (Auditing) و انطباق با استانداردها (Compliance)
• 98. مفهوم پایگاه داده به عنوان سرویس (Database as a Service - DBaaS)
• 99. مهندسی آشوب (Chaos Engineering) برای تست پایداری پایگاه داده
• 100. جمع‌بندی دوره و مسیرهای یادگیری آینده