اپلیکیشن اندرویدی فلش‌کارت آموزشی معماری و عملکرد پایگاه داده‌های مقیاس‌پذیر در ابر (Azure)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره معماری و عملکرد پایگاه داده‌های مقیاس‌پذیر در ابر (Azure)

موضوع کلی: فناوری اطلاعات و شبکه‌های کامپیوتری

موضوع میانی: مدیریت و بهینه‌سازی پایگاه داده

📋 سرفصل‌های دوره

• 1. مبانی پایگاه داده‌های مقیاس‌پذیر
• 2. معماری پایگاه داده در ابر
• 3. انتخاب سرویس مناسب پایگاه داده در Azure
• 4. Azure SQL Database: مفاهیم پایه
• 5. Azure Cosmos DB: مفاهیم پایه
• 6. Azure Database for MySQL
• 7. Azure Database for PostgreSQL
• 8. Azure Database for MariaDB
• 9. مقایسه سرویس‌های پایگاه داده Azure
• 10. مدیریت هزینه‌ها در پایگاه داده‌های ابری
• 11. بهینه‌سازی عملکرد پایگاه داده
• 12. مقدمه‌ای بر معماری مقیاس‌پذیر
• 13. طراحی پایگاه داده برای مقیاس‌پذیری
• 14. شاخص‌گذاری (Indexing) در پایگاه داده
• 15. بهینه‌سازی کوئری‌ها (Query Optimization)
• 16. مدیریت حافظه و کشینگ (Caching)
• 17. مدیریت اتصالات (Connection Management)
• 18. توزیع بار (Load Balancing) در پایگاه داده
• 19. مقیاس‌پذیری افقی (Horizontal Scaling)
• 20. مقیاس‌پذیری عمودی (Vertical Scaling)
• 21. استراتژی‌های پارتیشن‌بندی (Partitioning)
• 22. شاردینگ (Sharding) در پایگاه داده
• 23. ملاحظات امنیتی در پایگاه داده‌های ابری
• 24. رمزنگاری داده‌ها در Azure
• 25. مدیریت دسترسی و احراز هویت
• 26. پشتیبان‌گیری و بازیابی (Backup and Recovery)
• 27. بازیابی فاجعه (Disaster Recovery)
• 28. مانیتورینگ و لاگینگ (Monitoring and Logging)
• 29. ابزارهای مانیتورینگ Azure
• 30. تحلیل عملکرد پایگاه داده
• 31. شناسایی گلوگاه‌های عملکرد
• 32. بهینه‌سازی ذخیره‌سازی (Storage Optimization)
• 33. استفاده از SSD و انواع دیسک
• 34. مدیریت تراکنش‌ها (Transaction Management)
• 35. قفل‌گذاری (Locking) و جلوگیری از تداخل
• 36. کنترل همزمانی (Concurrency Control)
• 37. تکنیک‌های بهینه‌سازی در Azure SQL Database
• 38. تنظیمات سطح سرویس (Service Tiers)
• 39. استفاده از Elastic Pools
• 40. بهینه‌سازی در Azure Cosmos DB
• 41. انتخاب پارتیشن کلید (Partition Key)
• 42. بهینه‌سازی از طریق Indexing Policy
• 43. هزینه‌های واحد درخواست (RU/s)
• 44. تکنیک‌های بهینه‌سازی در Azure Database for MySQL/PostgreSQL/MariaDB
• 45. تنظیم پارامترهای سرور
• 46. استفاده از Read Replicas
• 47. مفاهیم کلاد-اسکیل (Cloud-Scale)
• 48. معماری کلاستر (Clustering)
• 49. موازات (Parallelism) در پردازش داده
• 50. پردازش توزیع‌شده (Distributed Processing)
• 51. موازنه بار در مقیاس بزرگ
• 52. مدیریت منابع در مقیاس بزرگ
• 53. استراتژی‌های مقیاس‌پذیری خودکار (Autoscaling)
• 54. مدیریت هزینه‌های پیچیده در مقیاس بزرگ
• 55. بهینه‌سازی هزینه‌های ذخیره‌سازی
• 56. بهینه‌سازی هزینه‌های محاسباتی
• 57. مدیریت داده‌های حجیم (Big Data)
• 58. مقدمه‌ای بر داده‌کاوی (Data Mining)
• 59. تحلیل داده‌های مشتریان
• 60. بهینه‌سازی فرآیندهای کسب‌وکار با داده
• 61. معماری داده‌های تحلیلی (Analytical Data Architectures)
• 62. انباره داده (Data Warehousing)
• 63. دریاچه داده (Data Lake)
• 64. ملاحظات عملیاتی (Operations)
• 65. استقرار (Deployment) پایگاه داده در Azure
• 66. مدیریت به‌روزرسانی‌ها (Updates)
• 67. پایش مداوم عملکرد
• 68. شناسایی و رفع مشکلات امنیتی
• 69. مدیریت ظرفیت (Capacity Management)
• 70. پیش‌بینی نیازهای آتی
• 71. آموزش تیم عملیاتی
• 72. تکنیک‌های پیشرفته مانیتورینگ
• 73. تحلیل لاگ‌های عملکرد
• 74. استفاده از Azure Advisor
• 75. مدیریت رویدادهای امنیتی
• 76. استقرار زیرساخت به عنوان کد (IaC)
• 77. اتوماسیون وظایف مدیریتی
• 78. بهینه‌سازی شبکه‌بندی (Networking)
• 79. تنظیمات فایروال (Firewall)
• 80. نقشه‌برداری (Mapping) داده‌ها
• 81. استراتژی‌های مهاجرت پایگاه داده
• 82. مهاجرت از On-Premise به Azure
• 83. مهاجرت بین سرویس‌های Azure
• 84. مدیریت تغییرات (Change Management)
• 85. ارزیابی ریسک تغییرات
• 86. تست عملکرد پس از تغییرات
• 87. مستندسازی معماری پایگاه داده
• 88. مستندسازی رویه‌ها
• 89. ارتباط با تیم‌های توسعه
• 90. تکنیک‌های صرفه‌جویی در هزینه
• 91. استفاده از Reserved Instances
• 92. مدیریت منابع بلااستفاده
• 93. بهینه‌سازی مصرف انرژی (در مراکز داده)
• 94. معرفی ابزارهای مدیریت پایگاه داده در Azure
• 95. Azure Data Studio
• 96. SQL Server Management Studio (SSMS)
• 97. Azure Portal
• 98. مباحث پیشرفته در Azure Cosmos DB
• 99. مدیریت Consistency Levels
• 100. استفاده از Change Feed