کتاب صوتی پردازش بلادرنگ داده با Apache Flink: مبانی و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پردازش بلادرنگ داده با Apache Flink: مبانی و کاربردها

موضوع کلی: فناوری اطلاعات و پردازش داده

موضوع میانی: پردازش داده‌های جریانی (Stream Processing)

📋 سرفصل‌های دوره

• 1. مبانی پردازش داده‌های جریانی
• 2. معرفی Apache Flink
• 3. معماری Apache Flink
• 4. مفاهیم کلیدی در Flink
• 5. داده‌های جریانی در مقابل داده‌های دسته‌ای
• 6. مدل پردازش در Flink
• 7. عملیات تبدیل (Transformations)
• 8. توابع کلید-مقدار (Keyed Operations)
• 9. پنجره‌بندی (Windowing)
• 10. انواع پنجره‌ها: Tumbling, Sliding, Session
• 11. مدیریت وضعیت (State Management)
• 12. انواع وضعیت در Flink
• 13. پایداری وضعیت (State Persistence)
• 14. چک‌پوینتینگ (Checkpointing)
• 15. بازیابی از خطا (Fault Tolerance)
• 16. زمان پردازش (Processing Time)
• 17. زمان ورود (Ingestion Time)
• 18. زمان رویداد (Event Time)
• 19. واترمارک‌ها (Watermarks)
• 20. مدیریت تأخیر (Late Data Handling)
• 21. اتصال‌دهنده‌ها (Connectors)
• 22. منابع داده (Sources)
• 23. مقاصد داده (Sinks)
• 24. Apache Kafka به عنوان منبع/مقصد
• 25. RabbitMQ به عنوان منبع/مقصد
• 26. پایگاه‌های داده رابطه‌ای
• 27. ذخیره‌سازی ابری
• 28. APIهای سطح بالا در Flink
• 29. DataSet API
• 30. DataStream API
• 31. Table API & SQL
• 32. تفاوت‌های DataSet و DataStream API
• 33. کاربرد Table API & SQL
• 34. اجرای کوئری‌های SQL بر روی داده‌های جریانی
• 35. توسعه برنامه‌های Flink
• 36. محیط توسعه Flink
• 37. نوشتن اولین برنامه Flink
• 38. دیباگ کردن برنامه‌های Flink
• 39. استقرار برنامه‌های Flink
• 40. مدیریت منابع در Flink
• 41. مقیاس‌پذیری برنامه‌های Flink
• 42. بهینه‌سازی عملکرد
• 43. تکنیک‌های بهینه‌سازی
• 44. مانیتورینگ و لاگینگ
• 45. مفاهیم پیشرفته پنجره‌بندی
• 46. پنجره‌های سفارشی (Custom Windows)
• 47. مدیریت وضعیت پیشرفته
• 48. مدیریت وضعیت توزیع‌شده
• 49. همگام‌سازی وضعیت (State Synchronization)
• 50. پردازش رویداد به رویداد (Event-at-a-Time Processing)
• 51. پردازش دسته‌ای رویداد (Batch-at-a-Time Processing)
• 52. الگوهای پردازش جریانی
• 53. تحلیل آنی (Real-time Analytics)
• 54. تشخیص ناهنجاری (Anomaly Detection)
• 55. سیستم‌های توصیه‌گر (Recommendation Systems)
• 56. اینترنت اشیاء (IoT)
• 57. پردازش داده‌های شبکه‌ای
• 58. مدیریت داده‌های تراکنشی
• 59. پردازش داده‌های مالی
• 60. کاربرد Flink در صنعت
• 61. مقدمه‌ای بر پردازش رویدادهای پیچیده (CEP)
• 62. CEP در Flink
• 63. الگوهای رویداد (Event Patterns)
• 64. قوانین تطبیق (Matching Rules)
• 65. پیاده‌سازی CEP با Flink
• 66. مثال‌های کاربردی CEP
• 67. مقدمه‌ای بر یادگیری ماشین جریانی
• 68. ادغام یادگیری ماشین با Flink
• 69. مدل‌های یادگیری ماشین در Flink
• 70. استنتاج بلادرنگ (Real-time Inference)
• 71. آموزش مدل‌های جریانی
• 72. کاربرد Flink در یادگیری ماشین
• 73. مقدمه‌ای بر مدیریت داده‌های بزرگ (Big Data)
• 74. اکوسیستم داده‌های بزرگ
• 75. نقش Flink در پردازش داده‌های بزرگ
• 76. یکپارچه‌سازی Flink با Hadoop
• 77. یکپارچه‌سازی Flink با Spark
• 78. یکپارچه‌سازی Flink با Kafka
• 79. امنیت در پردازش داده‌های جریانی
• 80. اصول امنیتی در Flink
• 81. احراز هویت و مجوزدهی
• 82. رمزنگاری داده‌ها
• 83. مدیریت ریسک در پردازش جریانی
• 84. بهترین شیوه‌ها در توسعه Flink
• 85. آینده پردازش داده‌های جریانی
• 86. پیشرفت‌های آینده در Flink
• 87. روندهای نوظهور در پردازش جریانی
• 88. جمع‌بندی و گام‌های بعدی
• 89. پروژه‌های عملی با Flink
• 90. ساخت داشبورد بلادرنگ
• 91. سیستم هشدار بلادرنگ
• 92. تحلیل رفتار کاربر در لحظه
• 93. پردازش داده‌های حسگرها
• 94. سیستم‌های تشخیص تقلب
• 95. تحلیل سری‌های زمانی
• 96. کاربردهای تجاری Flink
• 97. آموزش پیشرفته Flink
• 98. توسعه کتابخانه‌های سفارشی
• 99. ادغام با سیستم‌های موجود
• 100. بهینه‌سازی پیشرفته Flink