اپلیکیشن اندرویدی فلش‌کارت آموزشی جاوا برای توسعه‌دهندگان Hadoop

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب جاوا برای توسعه‌دهندگان Hadoop

موضوع کلی: برنامه نویسی

موضوع میانی: جاوا (Java)

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر جاوا و اکوسیستم هدوپ
• 2. مفاهیم پایه جاوا برای هدوپ
• 3. متغیرها و انواع داده در جاوا
• 4. عملگرها در جاوا
• 5. عبارات شرطی (if, else, switch) در جاوا
• 6. حلقه ها (for, while, do-while) در جاوا
• 7. آرایه ها در جاوا
• 8. متدها (توابع) در جاوا
• 9. کلاس ها و اشیاء در جاوا
• 10. مفاهیم شیءگرایی (OOP) در جاوا
• 11. وراثت در جاوا
• 12. چندریختی (Polymorphism) در جاوا
• 13. کپسوله‌سازی (Encapsulation) در جاوا
• 14. انتزاع (Abstraction) در جاوا
• 15. اینترفیس ها (Interfaces) در جاوا
• 16. کلاس های انتزاعی (Abstract Classes) در جاوا
• 17. مدیریت استثناها (Exception Handling) در جاوا
• 18. مدیریت خطا در جاوا
• 19. کالکشن فریمورک جاوا (Java Collections Framework)
• 20. لیست ها (Lists) در جاوا
• 21. مجموعه ها (Sets) در جاوا
• 22. نقشه ها (Maps) در جاوا
• 23. مجموعه های مرتب شده (Sorted Collections)
• 24. همگام سازی (Synchronization) در جاوا
• 25. رشته ها (Strings) در جاوا
• 26. عملیات روی رشته ها
• 27. عبارات منظم (Regular Expressions) در جاوا
• 28. ورودی/خروجی (I/O) در جاوا
• 29. کار با فایل ها در جاوا
• 30. جریان های ورودی/خروجی (Streams)
• 31. بافرینگ (Buffering) در جاوا
• 32. سریال سازی (Serialization) در جاوا
• 33. مفاهیم پردازش موازی و توزیع شده
• 34. مقدمه ای بر هدوپ (Hadoop)
• 35. معماری هدوپ
• 36. HDFS (Hadoop Distributed File System)
• 37. ذخیره سازی توزیع شده در HDFS
• 38. کپی کردن فایل ها در HDFS
• 39. خواندن فایل ها از HDFS
• 40. نوشتن فایل ها در HDFS
• 41. مدیریت HDFS
• 42. YARN (Yet Another Resource Negotiator)
• 43. معماری YARN
• 44. مدیریت منابع در YARN
• 45. اجرای برنامه ها در YARN
• 46. MapReduce
• 47. مفاهیم MapReduce
• 48. چرخه حیات MapReduce
• 49. مرحله Map
• 50. مرحله Reduce
• 51. ترکیب (Combiner) در MapReduce
• 52. پارتیشن بندی (Partitioner) در MapReduce
• 53. مرتب سازی (Sorter) در MapReduce
• 54. گروه بندی (Grouping) در MapReduce
• 55. فیلتر کردن (Filtering) در MapReduce
• 56. جمع بندی (Aggregation) در MapReduce
• 57. پیچیدگی زمانی MapReduce
• 58. بهینه سازی MapReduce
• 59. تکنیک های بهینه سازی MapReduce
• 60. کاهش I/O در MapReduce
• 61. استفاده از جایگزین های MapReduce
• 62. کار با داده های بزرگ در هدوپ
• 63. انواع داده های ساختار یافته و نیمه ساختار یافته
• 64. فرمت های فایل در هدوپ (Avro, Parquet, ORC)
• 65. استفاده از Avro در هدوپ
• 66. استفاده از Parquet در هدوپ
• 67. استفاده از ORC در هدوپ
• 68. کار با داده های متنی در هدوپ
• 69. کار با داده های JSON در هدوپ
• 70. کار با داده های XML در هدوپ
• 71. استفاده از جاوا برای توسعه برنامه های هدوپ
• 72. نوشتن برنامه های MapReduce با جاوا
• 73. مثال های عملی MapReduce با جاوا
• 74. پیاده سازی الگوریتم های مختلف با MapReduce
• 75. تحلیل داده های بزرگ با MapReduce
• 76. پردازش جریان داده (Stream Processing)
• 77. مقدمه ای بر پردازش جریان داده
• 78. Apache Kafka
• 79. معماری Kafka
• 80. تولید کننده (Producer) و مصرف کننده (Consumer) در Kafka
• 81. موضوعات (Topics) و پارتیشن ها (Partitions) در Kafka
• 82. استفاده از Kafka با جاوا
• 83. Apache Spark
• 84. مقدمه ای بر Spark
• 85. معماری Spark
• 86. RDD (Resilient Distributed Dataset)
• 87. عملیات تبدیل (Transformations) و اکشن (Actions) در RDD
• 88. Spark SQL
• 89. Spark Streaming
• 90. Machine Learning با Spark (MLlib)
• 91. استفاده از Spark با جاوا
• 92. مثال های عملی Spark با جاوا
• 93. تحلیل داده های بلادرنگ با Spark
• 94. Apache Hive
• 95. مقدمه ای بر Hive
• 96. HiveQL
• 97. ایجاد جداول در Hive
• 98. پرس و جو (Query) در Hive
• 99. استفاده از Hive با جاوا
• 100. Apache Pig