کتاب صوتی طراحی و بهینه‌سازی جریان‌های داده بلادرنگ در سیستم‌های نرم‌افزاری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و بهینه‌سازی جریان‌های داده بلادرنگ در سیستم‌های نرم‌افزاری

موضوع کلی: مهندسی نرم‌افزار و سیستم‌های داده

موضوع میانی: پردازش داده‌های جریانی

📋 سرفصل‌های دوره

• 1. مبانی پردازش داده‌های جریانی
• 2. معماری سیستم‌های بلادرنگ
• 3. مفاهیم کلیدی پردازش جریانی
• 4. انواع جریان‌های داده
• 5. منابع داده و جمع‌آوری
• 6. پایپ‌لاین‌های پردازش داده
• 7. ابزارهای پردازش جریانی
• 8. Apache Kafka: مبانی و معماری
• 9. مفاهیم Kafka: موضوعات و پارتیشن‌ها
• 10. تولیدکنندگان و مصرف‌کنندگان Kafka
• 11. مدیریت داده در Kafka
• 12. Apache Flink: مقدمه و اصول
• 13. معماری Flink: JobManager و TaskManager
• 14. عملیات در Flink: Transformation ها
• 15. مدل برنامه‌نویسی Flink: DataStream API
• 16. مدل برنامه‌نویسی Flink: Table API & SQL
• 17. مدیریت وضعیت در Flink
• 18. زمان‌بندی در Flink: Event Time و Processing Time
• 19. مدیریت پنجره‌ها در Flink
• 20. پنجره‌های متحرک و تجمعی
• 21. پنجره‌های مبتنی بر زمان رویداد
• 22. پنجره‌های مبتنی بر تعداد رکورد
• 23. توابع تجمعی در Flink
• 24. استفاده از Joins در پردازش جریانی
• 25. الگوهای پردازش جریانی
• 26. پردازش رویدادهای منفرد
• 27. پردازش دسته‌ای (Batch Processing)
• 28. پردازش جریانی و دسته‌ای همگرا
• 29. معماری‌های Lambda و Kappa
• 30. سیستم‌های پیام‌رسان دیگر: RabbitMQ
• 31. سیستم‌های پیام‌رسان دیگر: Pulsar
• 32. ذخیره‌سازی داده‌های جریانی
• 33. پایگاه‌های داده NoSQL برای جریان داده
• 34. ذخیره‌سازی موقت داده‌های جریانی
• 35. بهینه‌سازی عملکرد پردازش جریانی
• 36. تنظیمات Kafka برای عملکرد بهتر
• 37. تنظیمات Flink برای عملکرد بهتر
• 38. مدیریت منابع در سیستم‌های جریانی
• 39. مانیتورینگ و لاگینگ سیستم‌های جریانی
• 40. ابزارهای مانیتورینگ: Prometheus و Grafana
• 41. تشخیص و رفع اشکال در سیستم‌های جریانی
• 42. امنیت در پردازش داده‌های جریانی
• 43. رمزنگاری داده‌ها در انتقال
• 44. احراز هویت و مجوز دسترسی
• 45. مدیریت خطا و تاب‌آوری در سیستم‌های جریانی
• 46. الگوهای بازگشت و بازیابی
• 47. بررسی مجدد (Checkpointing) در Flink
• 48. تضمین تحویل داده‌ها (Exactly-Once Semantics)
• 49. کاربرد پردازش داده‌های جریانی در صنعت
• 50. پردازش داده‌های IoT
• 51. تحلیل بلادرنگ داده‌های مالی
• 52. سیستم‌های توصیه‌گر بلادرنگ
• 53. پردازش لاگ‌ها و رویدادهای سیستم
• 54. تحلیل رفتار مشتری در زمان واقعی
• 55. کاربرد در شبکه‌های اجتماعی
• 56. پردازش داده‌های سنسورها
• 57. سیستم‌های تشخیص تقلب
• 58. بهینه‌سازی زنجیره تأمین با داده‌های جریانی
• 59. کاربرد در سلامت دیجیتال
• 60. پردازش داده‌های جغرافیایی بلادرنگ
• 61. معماری‌های میکروسرویس و پردازش جریانی
• 62. ارتباط بین میکروسرویس‌ها با Kafka
• 63. استفاده از Flink در معماری میکروسرویس
• 64. داده‌های جریانی و انبار داده (Data Warehousing)
• 65. انتقال داده‌های جریانی به انبار داده
• 66. پردازش داده‌های جریانی و دریاچه داده (Data Lake)
• 67. تحلیل داده‌های جریانی با ابزارهای BI
• 68. تکنیک‌های پیشرفته در Flink
• 69. پردازش گراف در زمان واقعی
• 70. یادگیری ماشین بر روی داده‌های جریانی
• 71. پیاده‌سازی مدل‌های ML در Flink
• 72. تست سیستم‌های پردازش جریانی
• 73. شبیه‌سازی سناریوهای بارگذاری
• 74. استقرار سیستم‌های پردازش جریانی
• 75. مدیریت استقرار با Kubernetes
• 76. استقرار در محیط‌های ابری
• 77. روندهای آینده در پردازش داده‌های جریانی
• 78. پردازش داده‌های جریانی با هوش مصنوعی
• 79. پردازش داده‌های لبه (Edge Computing)
• 80. استانداردسازی در پردازش داده‌های جریانی
• 81. مدیریت چرخه عمر داده‌های جریانی
• 82. بررسی مدل‌های داده در سیستم‌های جریانی
• 83. مفاهیم پیشرفته در Kafka Connect
• 84. امنیت در Kafka Streams
• 85. یکپارچه‌سازی Flink با سایر سیستم‌ها
• 86. بررسی ابزارهای پردازش جریانی متن‌باز
• 87. مطالعات موردی موفق در پردازش جریانی
• 88. اصول مهندسی نرم‌افزار در سیستم‌های جریانی
• 89. برنامه‌نویسی واکنش‌گرا (Reactive Programming)
• 90. مبانی معماری توزیع‌شده
• 91. پیاده‌سازی سیستم‌های مقیاس‌پذیر
• 92. مدیریت پیکربندی در سیستم‌های جریانی
• 93. روش‌های بهینه‌سازی مصرف حافظه
• 94. تکنیک‌های فشرده‌سازی داده در Flink
• 95. مدیریت پارتیشن‌بندی در Flink