کتاب صوتی تسریع و بهینه‌سازی پردازش در آپاچی اسپارک

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسریع و بهینه‌سازی پردازش در آپاچی اسپارک

موضوع کلی: مهندسی نرم‌افزار و سیستم‌های داده

موضوع میانی: بهینه‌سازی و کارایی سیستم‌های پردازش کلان داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر آپاچی اسپارک و پردازش کلان داده
• 2. معماری اصلی آپاچی اسپارک
• 3. مفاهیم کلیدی: RDD، DataFrame، Dataset
• 4. چرخه حیات عملیات در اسپارک: Transform و Action
• 5. مراحل اجرای یک Job در اسپارک
• 6. مراحل زمان‌بندی و اجرای Taskها
• 7. مباحث پیشرفته در زمان‌بندی اسپارک
• 8. درک Exchange و Shuffle در اسپارک
• 9. بهینه‌سازی Shuffle: پارتیشن‌بندی داده‌ها
• 10. استراتژی‌های پارتیشن‌بندی: Hash و Range
• 11. مدیریت داده‌های Null در پارتیشن‌بندی
• 12. تأثیر پارتیشن‌بندی بر عملکرد
• 13. استفاده از Rebalance برای بهینه‌سازی پارتیشن‌ها
• 14. تکنیک‌های پیشرفته پارتیشن‌بندی
• 15. بهینه‌سازی حافظه در اسپارک
• 16. مدیریت حافظه در درایور و Executorها
• 17. Garbage Collection و تأثیر آن بر اسپارک
• 18. استراتژی‌های Sampling برای بهینه‌سازی حافظه
• 19. تکنیک‌های Caching و Persistence در اسپارک
• 20. انواع سطوح Caching: MEMORY_ONLY، DISK_ONLY
• 21. استراتژی‌های Persist برای داده‌های پرکاربرد
• 22. مدیریت داده‌های موقت در حافظه
• 23. بهینه‌سازی خواندن و نوشتن داده‌ها
• 24. فرمت‌های ذخیره‌سازی بهینه: Parquet، ORC
• 25. فشرده‌سازی داده‌ها: Snappy، Gzip، LZO
• 26. انتخاب فرمت مناسب برای خواندن و نوشتن
• 27. بهینه‌سازی خواندن داده از منابع مختلف
• 28. تکنیک‌های نوشتن داده به صورت موازی
• 29. مدیریت Schema در پردازش داده‌ها
• 30. Schema Evolution و سازگاری آن
• 31. استفاده از Schema Inference
• 32. بهینه‌سازی عملیات Join در اسپارک
• 33. انواع Join: Sort-Merge Join، Broadcast Join
• 34. انتخاب استراتژی Join بر اساس حجم داده
• 35. نکات کلیدی برای بهینه‌سازی Join
• 36. استفاده از Broadcast Hash Join
• 37. بهینه‌سازی عملیات Aggregation
• 38. استراتژی‌های پیش‌پردازش برای Aggregation
• 39. استفاده از Partial Aggregation
• 40. بهینه‌سازی عملیات GroupBy
• 41. تکنیک‌های پیشرفته Aggregation
• 42. مدیریت داده‌های نیمه‌ساختاریافته
• 43. پردازش JSON و XML در اسپارک
• 44. استفاده از UDFها و بهینه‌سازی آن‌ها
• 45. نکات امنیتی در استفاده از UDF
• 46. طراحی UDFهای کارآمد
• 47. مباحث پیشرفته در UDFها
• 48. مدیریت خطاهای زمان اجرا
• 49. بررسی لاگ‌ها و پیام‌های خطا
• 50. تکنیک‌های Debugging در اسپارک
• 51. استفاده از Spark UI برای عیب‌یابی
• 52. تحلیل Plan اجرای Query
• 53. بهینه‌سازی Query با استفاده از Spark SQL
• 54. تکنیک‌های Predicate Pushdown
• 55. تکنیک‌های Column Pruning
• 56. استفاده از Catalyst Optimizer
• 57. تکنیک‌های Code Generation
• 58. بهینه‌سازی عملکرد برای سناریوهای خاص
• 59. پردازش استریمینگ با Spark Streaming
• 60. مبانی Spark Structured Streaming
• 61. بهینه‌سازی پردازش استریمینگ
• 62. مدیریت Fault Tolerance در استریمینگ
• 63. ارزیابی عملکرد سیستم‌های پردازش کلان داده
• 64. معیارهای سنجش کارایی: Latency، Throughput
• 65. ابزارهای مانیتورینگ عملکرد
• 66. تنظیم پارامترهای سیستم
• 67. بهینه‌سازی کلی سیستم برای کارایی بالا
• 68. مقدمه‌ای بر سیستم‌های مدیریت داده توزیع‌شده
• 69. مفاهیم کلیدی در سیستم‌های توزیع‌شده
• 70. اصول طراحی سیستم‌های مقیاس‌پذیر
• 71. ملاحظات امنیتی در سیستم‌های کلان داده
• 72. مدیریت دسترسی و احراز هویت
• 73. رمزنگاری داده‌ها در حالت سکون و انتقال
• 74. رعایت مقررات حاکم بر داده‌ها
• 75. اصول برنامه‌نویسی تمیز و قابل نگهداری
• 76. مستندسازی کد و سیستم
• 77. اصول تست در مهندسی نرم‌افزار
• 78. اهمیت تست واحد و تست یکپارچگی
• 79. روش‌های تست کارایی
• 80. مقدمه‌ای بر معماری میکروسرویس
• 81. مزایا و معایب معماری میکروسرویس
• 82. طراحی APIهای RESTful
• 83. مدیریت ارتباط بین میکروسرویس‌ها
• 84. مباحث پیشرفته در پردازش داده‌ها
• 85. تکنیک‌های Data Cleansing
• 86. روش‌های Data Transformation
• 87. اصول Data Validation
• 88. مقدمه‌ای بر یادگیری ماشین توزیع‌شده
• 89. کاربرد اسپارک در یادگیری ماشین
• 90. مبانی Spark MLlib
• 91. بهینه‌سازی مدل‌های یادگیری ماشین
• 92. نکات کلیدی در استقرار مدل‌ها
• 93. مدیریت چرخه عمر مدل‌ها
• 94. اصول مهندسی داده نوین
• 95. مفهوم Data Lake و Data Warehouse
• 96. تفاوت‌ها و کاربردها
• 97. معماری‌های مدرن داده
• 98. ملاحظات مربوط به حریم خصوصی داده‌ها
• 99. قوانین حفاظت از داده‌ها
• 100. پیاده‌سازی اصول حریم خصوصی در سیستم‌ها