دوره راهنمای جامع Microsoft Azure Cosmos DB: طراحی، پیاده‌سازی و مدیریت پایگاه داده‌های مقیاس‌پذیر همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع Microsoft Azure Cosmos DB: طراحی، پیاده‌سازی و مدیریت پایگاه داده‌های مقیاس‌پذیر

موضوع کلی: فناوری اطلاعات و شبکه‌های کامپیوتری

موضوع میانی: پایگاه‌های داده ابری و توزیع‌شده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مفاهیم پایگاه داده توزیع‌شده
• 2. آشنایی با معماری پایگاه داده‌های مقیاس‌پذیر
• 3. اصول طراحی پایگاه داده‌های توزیع‌شده
• 4. معرفی Microsoft Azure Cosmos DB
• 5. مزایای استفاده از Cosmos DB
• 6. مدل‌های داده در Cosmos DB
• 7. انتخاب مدل داده مناسب
• 8. مدیریت حساب و منابع در Cosmos DB
• 9. ایجاد و پیکربندی پایگاه داده در Cosmos DB
• 10. ایجاد کانتینرها در Cosmos DB
• 11. انتخاب پارتیشن کلید و استراتژی پارتیشن‌بندی
• 12. بهینه‌سازی پارتیشن‌بندی برای عملکرد
• 13. مدیریت واحد درخواست (RU) در Cosmos DB
• 14. مقیاس‌پذیری خودکار و دستی در Cosmos DB
• 15. پیکربندی توان (Throughput) در Cosmos DB
• 16. نظارت بر عملکرد پایگاه داده
• 17. تنظیمات پیشرفته توان
• 18. مدیریت کوئری‌ها در Cosmos DB
• 19. زبان‌های کوئری پشتیبانی شده (SQL, MongoDB API, Cassandra API)
• 20. بهینه‌سازی کوئری‌ها برای کاهش هزینه و افزایش سرعت
• 21. استفاده از Indexing در Cosmos DB
• 22. مدیریت Indexing Policy
• 23. استراتژی‌های مختلف Indexing
• 24. تراکنش‌ها در Cosmos DB
• 25. مدیریت همزمانی (Concurrency)
• 26. سطوح سازگاری (Consistency Levels) در Cosmos DB
• 27. انتخاب سطح سازگاری مناسب
• 28. پیامدهای انتخاب سطوح سازگاری مختلف
• 29. پشتیبان‌گیری و بازیابی در Cosmos DB
• 30. بازیابی نقطه در زمان (Point-in-Time Restore)
• 31. تنظیمات خودکار پشتیبان‌گیری
• 32. امنیت در Cosmos DB
• 33. مدیریت دسترسی و احراز هویت
• 34. استفاده از کلیدهای دسترسی
• 35. یکپارچگی با Azure Active Directory
• 36. رمزنگاری داده‌ها در Cosmos DB
• 37. مدیریت کلیدهای رمزنگاری
• 38. شبکه‌بندی در Cosmos DB
• 39. نصب خصوصی (Private Endpoint)
• 40. فایروال در Cosmos DB
• 41. بررسی الگوهای طراحی برای Cosmos DB
• 42. الگوهای داده‌محور
• 43. الگوهای مبتنی بر رویداد
• 44. الگوهای مرتبط با مقیاس‌پذیری
• 45. الگوهای مرتبط با سازگاری
• 46. استفاده از Cosmos DB برای برنامه‌های کاربردی Real-time
• 47. کاربرد در سیستم‌های IoT
• 48. کاربرد در بازی‌های آنلاین
• 49. کاربرد در برنامه‌های موبایل
• 50. کاربرد در سیستم‌های مدیریت محتوا
• 51. مهاجرت داده‌ها به Cosmos DB
• 52. استراتژی‌های مهاجرت
• 53. ابزارهای مهاجرت
• 54. مدیریت هزینه‌ها در Cosmos DB
• 55. بررسی فاکتورهای موثر بر هزینه
• 56. بهینه‌سازی مصرف RU
• 57. مدیریت چرخه عمر داده‌ها
• 58. انتقال داده‌ها به سطوح ذخیره‌سازی ارزان‌تر
• 59. حذف داده‌های قدیمی
• 60. پایش و ثبت وقایع (Logging) در Cosmos DB
• 61. استفاده از Azure Monitor
• 62. تنظیم هشدارها
• 63. تست عملکرد پایگاه داده
• 64. تست بار (Load Testing)
• 65. تست استرس (Stress Testing)
• 66. بهینه‌سازی پس از تست
• 67. پیکربندی Azure Cosmos DB برای مقیاس جهانی
• 68. توزیع داده‌ها در مناطق جغرافیایی مختلف
• 69. تنظیمات Replication
• 70. مدیریت Failover
• 71. استفاده از Cosmos DB برای برنامه‌های کاربردی با تأخیر کم
• 72. بهینه‌سازی برای دسترسی جهانی
• 73. مدیریت داده‌های توزیع‌شده در مقیاس بزرگ
• 74. بررسی APIهای مختلف Cosmos DB
• 75. MongoDB API
• 76. Cassandra API
• 77. Table API
• 78. Gremlin API
• 79. Graph API
• 80. ملاحظات امنیتی در استفاده از APIهای مختلف
• 81. طراحی schema برای APIهای مختلف
• 82. مدیریت داده‌های JSON در Cosmos DB
• 83. پرس‌وجو از داده‌های JSON
• 84. بهینه‌سازی پرس‌وجوها برای JSON
• 85. کاربرد Cosmos DB در تحلیل داده‌های بزرگ
• 86. ادغام با Azure Synapse Analytics
• 87. ادغام با Azure Databricks
• 88. استفاده از Cosmos DB برای گزارش‌دهی
• 89. پیکربندی Cosmos DB برای سناریوهای داده‌محور
• 90. کاربرد در سیستم‌های توصیه‌گر
• 91. کاربرد در موتورهای جستجو
• 92. کاربرد در سیستم‌های تشخیص تقلب
• 93. مدیریت خطاهای رایج در Cosmos DB
• 94. راهکارهای رفع خطا
• 95. بهینه‌سازی برای جلوگیری از خطا
• 96. آموزش پیشرفته پارتیشن‌بندی
• 97. پارتیشن‌بندی سفارشی
• 98. پارتیشن‌بندی سلسله مراتبی
• 99. مدیریت داده‌های حجیم (Large Objects) در Cosmos DB
• 100. ذخیره‌سازی و بازیابی BLOBها