اپلیکیشن اندرویدی فلش‌کارت آموزشی بهینه‌سازی کوئری‌ها برای عملکرد بهتر در پایتون

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی کوئری‌ها برای عملکرد بهتر در پایتون

موضوع کلی: اتوماسیون با پایتون

موضوع میانی: اجرای کوئری‌ها و مدیریت داده‌ها

📋 سرفصل‌های دوره

• 1. فصل اول: مقدمه‌ای بر بهینه‌سازی کوئری‌ها
• 2. فصل دوم: درک مفاهیم عملکرد پایگاه داده
• 3. فصل سوم: اهمیت بهینه‌سازی کوئری‌ها در پایتون
• 4. فصل چهارم: آشنایی با ابزارهای تحلیل عملکرد کوئری
• 5. فصل پنجم: شاخص‌گذاری (Indexing) چیست؟
• 6. فصل ششم: انواع شاخص‌ها و کاربرد آن‌ها
• 7. فصل هفتم: نحوه ایجاد و مدیریت شاخص‌ها در پایتون
• 8. فصل هشتم: کوئری‌های کند: شناسایی و تحلیل
• 9. فصل نهم: استفاده از `EXPLAIN` برای درک طرح اجرای کوئری
• 10. فصل دهم: نقش `ANALYZE` در بهینه‌سازی
• 11. فصل یازدهم: بهینه‌سازی شرط‌های `WHERE`
• 12. فصل دوازدهم: استفاده موثر از عملگرهای منطقی (`AND`, `OR`)
• 13. فصل سیزدهم: بهینه‌سازی توابع در کوئری‌ها
• 14. فصل چهاردهم: پرهیز از استفاده توابع در ستون‌های شاخص‌گذاری شده
• 15. فصل پانزدهم: بهینه‌سازی شرط‌های `LIKE` و الگویابی
• 16. فصل شانزدهم: استفاده از `ILIKE` برای جستجوی غیرحساس به حروف بزرگ و کوچک
• 17. فصل هفدهم: بهینه‌سازی کوئری‌های `JOIN`
• 18. فصل هجدهم: انواع `JOIN` و انتخاب مناسب‌ترین
• 19. فصل نوزدهم: استفاده از `INNER JOIN` در مقابل `LEFT JOIN`
• 20. فصل بیستم: بهینه‌سازی زیرکوئری‌ها (Subqueries)
• 21. فصل بیست و یکم: کوئری‌های همبسته در مقابل کوئری‌های غیرهمبسته
• 22. فصل بیست و دوم: بهینه‌سازی عملیات گروه‌بندی (`GROUP BY`)
• 23. فصل بیست و سوم: استفاده بهینه از توابع تجمعی (`COUNT`, `SUM`, `AVG`)
• 24. فصل بیست و چهارم: بهینه‌سازی شرط‌های `HAVING`
• 25. فصل بیست و پنجم: بهینه‌سازی مرتب‌سازی (`ORDER BY`)
• 26. فصل بیست و ششم: محدود کردن نتایج با `LIMIT` و `OFFSET`
• 27. فصل بیست و هفتم: استفاده از `FETCH FIRST` به جای `LIMIT`
• 28. فصل بیست و هشتم: بهینه‌سازی عملیات درج، به‌روزرسانی و حذف
• 29. فصل بیست و نهم: استفاده از تراکنش‌ها (Transactions)
• 30. فصل سی‌ام: جلوگیری از قفل شدن (Locking)
• 31. فصل سی و یکم: کوئری‌های کارآمد با ORM (Object-Relational Mapping)
• 32. فصل سی و دوم: مقدمه‌ای بر SQLAlchemy
• 33. فصل سی و سوم: اصول بهینه‌سازی در SQLAlchemy
• 34. فصل سی و چهارم: استفاده از `select()` بهینه
• 35. فصل سی و پنجم: جلوگیری از مشکل N+1 در SQLAlchemy
• 36. فصل سی و ششم: بارگذاری تنبل (Lazy Loading) در مقابل بارگذاری مشتاق (Eager Loading)
• 37. فصل سی و هفتم: بهینه‌سازی `joinedload` و `selectinload`
• 38. فصل سی و هشتم: کوئری‌های خام (Raw Queries) و زمان استفاده از آن‌ها
• 39. فصل سی و نهم: بهینه‌سازی با استفاده از ORM برای عملیات دسته‌ای (Bulk Operations)
• 40. فصل چهلم: مقدمه‌ای بر Pandas و پایگاه داده
• 41. فصل چهل و یکم: خواندن داده از پایگاه داده با Pandas
• 42. فصل چهل و دوم: بهینه‌سازی خواندن داده‌های بزرگ با Pandas
• 43. فصل چهل و سوم: فیلتر کردن و انتخاب داده‌ها در Pandas
• 44. فصل چهل و چهارم: عملیات گروه‌بندی و تجمیع در Pandas
• 45. فصل چهل و پنجم: ادغام (Merging) و پیوستن (Joining) دیتافریم‌ها
• 46. فصل چهل و ششم: بهینه‌سازی عملیات ادغام
• 47. فصل چهل و هفتم: نوشتن داده به پایگاه داده با Pandas
• 48. فصل چهل و هشتم: استفاده از DuckDB برای کوئری‌های درون حافظه
• 49. فصل چهل و نهم: بهینه‌سازی کوئری‌ها در DuckDB
• 50. فصل پنجاهم: آشنایی با پایگاه داده‌های NoSQL
• 51. فصل پنجاه و یکم: مفاهیم بهینه‌سازی در MongoDB
• 52. فصل پنجاه و دوم: شاخص‌گذاری در MongoDB
• 53. فصل پنجاه و سوم: بهینه‌سازی عملیات جستجو در MongoDB
• 54. فصل پنجاه و چهارم: بهینه‌سازی عملیات رایز (Aggregation) در MongoDB
• 55. فصل پنجاه و پنجم: کوئری‌های کارآمد در Redis
• 56. فصل پنجاه و ششم: استفاده از انواع داده مناسب در Redis
• 57. فصل پنجاه و هفتم: بهینه‌سازی کوئری‌های خواندن و نوشتن در Redis
• 58. فصل پنجاه و هشتم: کش کردن (Caching) و نقش آن در عملکرد
• 59. فصل پنجاه و نهم: استراتژی‌های مختلف کش کردن
• 60. فصل شصتم: پیاده‌سازی کش کردن با Redis
• 61. فصل شصت و یکم: کش کردن در سطح کوئری
• 62. فصل شصت و دوم: کش کردن نتایج عملیات پرهزینه
• 63. فصل شصت و سوم: زمان‌بندی و پاکسازی کش
• 64. فصل شصت و چهارم: استفاده از الگوی طراحی Repository
• 65. فصل شصت و پنجم: پیاده‌سازی Repository برای بهینه‌سازی
• 66. فصل شصت و ششم: الگوهای بهینه‌سازی در برنامه‌نویسی آسنکرون
• 67. فصل شصت و هفتم: مقدمه‌ای بر asyncio
• 68. فصل شصت و هشتم: بهینه‌سازی دسترسی به پایگاه داده با asyncio
• 69. فصل شصت و نهم: استفاده از `asyncpg` برای PostgreSQL
• 70. فصل هفتادم: استفاده از `aiomysql` برای MySQL
• 71. فصل هفتاد و یکم: بهینه‌سازی اتصالات پایگاه داده
• 72. فصل هفتاد و دوم: استفاده از Connection Pooling
• 73. فصل هفتاد و سوم: مدیریت Pool با SQLAlchemy
• 74. فصل هفتاد و چهارم: بهینه‌سازی ارسال داده به پایگاه داده
• 75. فصل هفتاد و پنجم: استفاده از `COPY` یا `BULK INSERT`
• 76. فصل هفتاد و ششم: فشرده‌سازی داده‌ها قبل از ارسال
• 77. فصل هفتاد و هفتم: پارتیشن‌بندی (Partitioning) جداول
• 78. فصل هفتاد و هشتم: اصول پارتیشن‌بندی
• 79. فصل هفتاد و نهم: انواع پارتیشن‌بندی
• 80. فصل هشتادم: پیاده‌سازی پارتیشن‌بندی در پایگاه داده
• 81. فصل هشتاد و یکم: مانیتورینگ عملکرد پایگاه داده
• 82. فصل هشتاد و دوم: ابزارهای مانیتورینگ
• 83. فصل هشتاد و سوم: ایجاد داشبوردهای عملکرد
• 84. فصل هشتاد و چهارم: تحلیل گزارش‌های عملکرد
• 85. فصل هشتاد و پنجم: بهینه‌سازی کوئری‌های گزارش‌گیری
• 86. فصل هشتاد و ششم: استفاده از View ها
• 87. فصل هشتاد و هفتم: بهینه‌سازی View ها
• 88. فصل هشتاد و هشتم: استفاده از Materialized View ها
• 89. فصل هشتاد و نهم: تفاوت View و Materialized View
• 90. فصل نودم: بهینه‌سازی در محیط‌های توزیع شده
• 91. فصل نود و یکم: مفاهیم پایگاه داده توزیع شده
• 92. فصل نود و دوم: چالش‌های بهینه‌سازی در محیط توزیع شده
• 93. فصل نود و سوم: بهینه‌سازی کوئری‌ها در Apache Spark
• 94. فصل نود و چهارم: استفاده از DataFrames در Spark
• 95. فصل نود و پنجم: بهینه‌سازی کوئری‌ها در Apache Flink
• 96. فصل نود و ششم: بهینه‌سازی عملیات I/O
• 97. فصل نود و هفتم: فشرده‌سازی داده‌ها در حالت سکون
• 98. فصل نود و هشتم: تست عملکرد کوئری‌ها
• 99. فصل نود و نهم: مبانی تست A/B برای کوئری‌ها
• 100. فصل صدم: نتیجه‌گیری: رویکردی جامع به بهینه‌سازی