کتاب صوتی بهینه‌سازی Performance در Apache Spark

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی Performance در Apache Spark

موضوع کلی: هوش مصنوعی بومی و کاربردی

موضوع میانی: Spark

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بهینه‌سازی Performance در Apache Spark
• 2. معماری Apache Spark و تاثیر آن بر Performance
• 3. درک مفهوم RDD و بهینه‌سازی آن
• 4. پارتیشن‌بندی داده‌ها در Spark: استراتژی‌ها و بهترین روش‌ها
• 5. تبدیل داده‌ها در Spark: بهینه‌سازی Transformations
• 6. عملیات Join در Spark: انواع و بهینه‌سازی‌ها
• 7. Broadcast Variables و Accumulators برای بهبود Performance
• 8. Caching و Persistence داده‌ها در Spark
• 9. Spark SQL و بهینه‌سازی کوئری‌ها
• 10. استفاده از DataFrame و Dataset API برای Performance بهتر
• 11. بهینه‌سازی Joinها در Spark SQL
• 12. پارتیشن‌بندی در DataFrames و Datasets
• 13. استفاده از Catalyst Optimizer در Spark SQL
• 14. بهینه‌سازی کوئری‌های پیچیده در Spark SQL
• 15. مقدمه‌ای بر Spark Streaming و بهینه‌سازی آن
• 16. Batch Interval و تاثیر آن بر Performance در Streaming
• 17. Checkpointing در Spark Streaming
• 18. Windowing Operations و بهینه‌سازی آن‌ها در Streaming
• 19. تنظیم حافظه (Memory Management) در Spark
• 20. تنظیم CPU و هسته‌ها در Spark
• 21. تنظیم I/O و Storage در Spark
• 22. استفاده از Dynamic Allocation
• 23. بهینه‌سازی Executorها و Driver در Spark
• 24. پروفایلینگ (Profiling) با Spark UI
• 25. مانیتورینگ Spark با استفاده از Metrics
• 26. عیب‌یابی مشکلات Performance در Spark
• 27. استفاده از Spark History Server برای تحلیل Performance
• 28. بهینه‌سازی برای workloadهای خاص (Machine Learning, Graph Processing)
• 29. تنظیم Garbage Collection در Spark
• 30. استفاده از Tungsten Engine
• 31. بهینه‌سازی serialization و deserialization
• 32. Data Skipping و Partition Pruning
• 33. استفاده از Bloom Filters
• 34. Cost-Based Optimization در Spark SQL
• 35. Join Reordering
• 36. Pushdown Predicates
• 37. Auto-tuning در Spark
• 38. بهینه‌سازی Spark برای Kubernetes
• 39. استفاده از Delta Lake برای بهبود Performance
• 40. بهینه‌سازی Spark با استفاده از Photon
• 41. بهینه‌سازی Spark برای داده‌های حجیم (Large Datasets)
• 42. بهینه‌سازی Spark برای داده‌های نامتوازن (Skewed Data)
• 43. استفاده از Code Generation
• 44. بهینه‌سازی UDFها (User Defined Functions)
• 45. بهینه‌سازی برای Data Locality
• 46. استفاده از Vectorized UDFs
• 47. تنظیم Configurationهای پیشرفته Spark
• 48. بهینه‌سازی Spark برای Cloud Environments (AWS, Azure, GCP)