دوره بهینه‌سازی پایگاه داده Amazon DynamoDB با استفاده از Streams و TTL همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی پایگاه داده Amazon DynamoDB با استفاده از Streams و TTL

موضوع کلی: فناوری اطلاعات و پایگاه‌های داده

موضوع میانی: مدیریت و بهینه‌سازی پایگاه‌های داده NoSQL

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پایگاه‌های داده NoSQL
• 2. آشنایی با Amazon DynamoDB
• 3. معماری و مفاهیم کلیدی DynamoDB
• 4. انواع مدل‌های داده در DynamoDB
• 5. طراحی کلیدهای پارتیشن و مرتب‌سازی
• 6. شاخص‌های ثانویه سراسری (GSI)
• 7. شاخص‌های محلی ثانویه (LSI)
• 8. عملیات CRUD در DynamoDB
• 9. مدیریت ظرفیت خواندن و نوشتن
• 10. حالت‌های ظرفیت Provisioned و On-Demand
• 11. افزایش و کاهش ظرفیت به صورت پویا
• 12. پایش و تحلیل عملکرد DynamoDB
• 13. مفهوم DynamoDB Streams
• 14. کاربرد DynamoDB Streams
• 15. فعال‌سازی و پیکربندی Streams
• 16. فرمت داده‌های رویداد در Streams
• 17. پردازش رویدادهای Streams با AWS Lambda
• 18. پیاده‌سازی معماری‌های رویداد محور
• 19. تطبیق داده‌ها بین جداول مختلف
• 20. انجام عملیات پیچیده با Streams و Lambda
• 21. مفهوم Time To Live (TTL) در DynamoDB
• 22. کاربرد TTL برای حذف خودکار داده‌ها
• 23. پیکربندی TTL بر روی آیتم‌ها
• 24. تنظیم زمان انقضا برای داده‌ها
• 25. حذف خودکار داده‌های قدیمی
• 26. کاربرد TTL در مدیریت حافظه پنهان
• 27. کاربرد TTL در پاکسازی لاگ‌ها
• 28. کاربرد TTL در مدیریت وضعیت موقت
• 29. مقایسه TTL با حذف دستی داده‌ها
• 30. بهینه‌سازی هزینه‌ها با استفاده از TTL
• 31. سناریوهای پیشرفته TTL
• 32. مدیریت خطا در پردازش Streams
• 33. استراتژی‌های بازآزمایی (Retry)
• 34. مدیریت رویدادهای تکراری (Idempotency)
• 35. استفاده از Dead-Letter Queues (DLQ)
• 36. امنیت در DynamoDB Streams
• 37. کنترل دسترسی با IAM
• 38. رمزنگاری داده‌ها در حالت استراحت
• 39. رمزنگاری داده‌ها در حال انتقال
• 40. پایش امنیتی با CloudTrail
• 41. قوانین و مقررات مربوط به داده‌ها
• 42. اصول طراحی پایگاه داده NoSQL
• 43. مدل‌سازی داده برای NoSQL
• 44. تفاوت با پایگاه‌های داده رابطه‌ای
• 45. مزایای استفاده از DynamoDB
• 46. معایب و چالش‌های DynamoDB
• 47. ملاحظات مربوط به مقیاس‌پذیری
• 48. مدیریت نسخه‌بندی داده‌ها
• 49. استراتژی‌های پشتیبان‌گیری و بازیابی
• 50. پشتیبان‌گیری خودکار در DynamoDB
• 51. بازیابی نقطه‌ای در زمان (Point-in-Time Recovery)
• 52. کپی کردن داده‌ها بین مناطق AWS
• 53. همگام‌سازی داده‌ها در مناطق مختلف
• 54. استفاده از Global Tables
• 55. مدیریت Global Tables
• 56. بهینه‌سازی هزینه‌ها در Global Tables
• 57. استفاده از DynamoDB Accelerator (DAX)
• 58. مزایای DAX
• 59. نحوه کار DAX
• 60. پیکربندی و مدیریت DAX
• 61. سناریوهای استفاده از DAX
• 62. تحلیل داده‌ها در DynamoDB
• 63. استفاده از Athena با DynamoDB
• 64. استفاده از EMR با DynamoDB
• 65. استفاده از Kinesis Data Analytics
• 66. پردازش جریان داده‌ها
• 67. انتقال داده به انبار داده (Data Warehouse)
• 68. ملاحظات انطباق با مقررات داده‌ای
• 69. حفظ حریم خصوصی داده‌ها
• 70. قوانین مربوط به ذخیره‌سازی داده‌ها
• 71. مدیریت چرخه عمر داده‌ها
• 72. مستندسازی پایگاه داده
• 73. برنامه‌ریزی ظرفیت
• 74. پیش‌بینی نیازهای آینده
• 75. مدیریت تغییرات در معماری
• 76. تست عملکرد و بارگذاری
• 77. بهینه‌سازی کوئری‌ها
• 78. شناسایی Bottlenecks
• 79. استفاده از Trace Tool
• 80. مدیریت اتریبیوت‌های پویا
• 81. فیلتر کردن داده‌ها
• 82. جستجو در داده‌ها
• 83. پیاده‌سازی جستجوی پیشرفته
• 84. ملاحظات مربوط به عملکرد جستجو
• 85. استفاده از AWS Glue برای ETL
• 86. ساخت Jobهای ETL
• 87. زمان‌بندی Jobهای ETL
• 88. نظارت بر Jobهای ETL
• 89. کاربرد Glue Data Catalog
• 90. مدیریت Schemaها
• 91. انتقال داده از منابع دیگر
• 92. انتقال داده به DynamoDB
• 93. انتقال داده از DynamoDB
• 94. نکات عملی در مدیریت DynamoDB
• 95. نکات عیب‌یابی رایج
• 96. مدیریت هزینه‌ها در AWS
• 97. بهینه‌سازی هزینه‌های DynamoDB
• 98. استراتژی‌های کاهش هزینه
• 99. یادگیری مداوم و به‌روزرسانی دانش
• 100. مقدمه‌ای بر مفاهیم پیشرفته پایگاه داده