کتاب صوتی ظرفیت‌سنجی داده‌های بزرگ با Skein: از تئوری تا پیاده‌سازی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ظرفیت‌سنجی داده‌های بزرگ با Skein: از تئوری تا پیاده‌سازی

موضوع کلی: مهندسی داده

موضوع میانی: مقیاس‌پذیری و ظرفیت‌سنجی داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر ظرفیت‌سنجی داده‌های بزرگ
• 2. چالش‌های مقیاس‌پذیری در داده‌های بزرگ
• 3. معرفی Skein: معماری و اجزای کلیدی
• 4. مفاهیم اساسی توزیع داده
• 5. روش‌های تخمین حجم داده
• 6. پیش‌بینی رشد داده: الگوها و مدل‌ها
• 7. انتخاب زیرساخت سخت‌افزاری مناسب
• 8. بهینه‌سازی ذخیره‌سازی داده: روش‌ها و ابزارها
• 9. مبانی شبکه‌سازی برای داده‌های بزرگ
• 10. بررسی عملکرد سیستم‌های ذخیره‌سازی
• 11. معرفی ابزارهای مانیتورینگ و گزارش‌گیری
• 12. تحلیل گلوگاه‌های عملکرد
• 13. ظرفیت‌سنجی پردازش داده
• 14. تخمین منابع محاسباتی مورد نیاز
• 15. بهینه‌سازی کوئری‌ها و الگوریتم‌ها
• 16. مقدمه‌ای بر پردازش داده‌های جریانی
• 17. ظرفیت‌سنجی برای پردازش جریانی
• 18. استفاده از حافظه پنهان (Caching) برای بهبود عملکرد
• 19. مفاهیم Replication و Sharding
• 20. استراتژی‌های Backup و Recovery
• 21. طراحی سیستم‌های توزیع‌شده مقاوم به خطا
• 22. معرفی ابزارهای مدیریت خوشه‌ها (Cluster Management)
• 23. ظرفیت‌سنجی برای پایگاه‌داده‌های NoSQL
• 24. ظرفیت‌سنجی برای پایگاه‌داده‌های رابطه‌ای
• 25. بهینه‌سازی Indexing برای داده‌های بزرگ
• 26. مقدمه‌ای بر Data Lake و Data Warehouse
• 27. ظرفیت‌سنجی Data Lake
• 28. ظرفیت‌سنجی Data Warehouse
• 29. استفاده از Cloud Computing برای ظرفیت‌سنجی
• 30. ظرفیت‌سنجی در محیط‌های ابری
• 31. معرفی سرویس‌های ابری برای ذخیره‌سازی و پردازش داده
• 32. اتوماسیون ظرفیت‌سنجی با استفاده از ابزارهای DevOps
• 33. بررسی Case Study های موفق در ظرفیت‌سنجی
• 34. مدل‌سازی هزینه‌ها (Cost Modeling) در ظرفیت‌سنجی
• 35. ظرفیت‌سنجی برای یادگیری ماشین و هوش مصنوعی
• 36. بهینه‌سازی مصرف انرژی در مراکز داده
• 37. امنیت داده‌ها و ظرفیت‌سنجی
• 38. ملاحظات مربوط به GDPR و سایر قوانین حریم خصوصی
• 39. معرفی ابزارهای پروفایلینگ (Profiling)
• 40. بررسی تاثیر نوع داده بر ظرفیت‌سنجی
• 41. تحلیل الگوهای دسترسی به داده
• 42. ظرفیت‌سنجی برای داده‌های گرافیکی
• 43. ظرفیت‌سنجی برای داده‌های مکانی
• 44. مقدمه‌ای بر Data Virtualization
• 45. ظرفیت‌سنجی برای Data Virtualization
• 46. بهینه‌سازی فرآیند ETL
• 47. ظرفیت‌سنجی برای Data Streaming Platforms (Kafka, Flink)
• 48. ظرفیت‌سنجی برای Data Science Pipelines
• 49. مقدمه‌ای بر Data Governance و ظرفیت‌سنجی
• 50. ظرفیت‌سنجی با در نظر گرفتن Data Quality
• 51. بررسی تاثیر Compression Algorithms بر ظرفیت
• 52. استفاده از Load Balancing برای توزیع بار
• 53. ظرفیت‌سنجی برای سیستم‌های Real-time Analytics