کتاب صوتی طراحی راهکارهای ذخیره‌سازی و یکپارچه‌سازی داده‌ها در پلتفرم Azure

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی راهکارهای ذخیره‌سازی و یکپارچه‌سازی داده‌ها در پلتفرم Azure

موضوع کلی: فناوری اطلاعات و مهندسی نرم‌افزار

موضوع میانی: ذخیره‌سازی و یکپارچه‌سازی داده‌ها در محیط ابری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر ذخیره‌سازی و یکپارچه‌سازی داده‌ها
• 2. مفاهیم کلیدی در معماری داده ابری
• 3. آشنایی با پلتفرم Azure برای راهکارهای داده
• 4. انواع خدمات ذخیره‌سازی داده در Azure
• 5. طراحی پایگاه داده رابطه‌ای در Azure SQL Database
• 6. بهینه‌سازی عملکرد Azure SQL Database
• 7. امنیت در Azure SQL Database
• 8. پایگاه داده‌های NoSQL در Azure: Cosmos DB
• 9. مدل‌سازی داده در Cosmos DB
• 10. انتخاب استراتژی پارتیشن‌بندی در Cosmos DB
• 11. ذخیره‌سازی اشیاء (Object Storage) در Azure Blob Storage
• 12. مدیریت چرخه عمر داده در Blob Storage
• 13. امنیت و دسترسی در Azure Blob Storage
• 14. ذخیره‌سازی فایل (File Storage) در Azure Files
• 15. سناریوهای استفاده از Azure Files
• 16. ذخیره‌سازی صف پیام (Queue Storage) در Azure Queue Storage
• 17. کاربرد صف‌های پیام در معماری‌های توزیع‌شده
• 18. ذخیره‌سازی جدول (Table Storage) در Azure Table Storage
• 19. طراحی جداول برای داده‌های کلید-مقدار
• 20. مفاهیم یکپارچه‌سازی داده‌ها
• 21. الگوهای یکپارچه‌سازی داده‌ها
• 22. Azure Data Factory: ابزار ETL/ELT
• 23. طراحی پایپ‌لاین‌ها در Azure Data Factory
• 24. اتصال‌دهنده‌ها (Connectors) در Data Factory
• 25. ترانسفورمیشن داده‌ها با Data Factory
• 26. مدیریت و مانیتورینگ در Data Factory
• 27. Azure Logic Apps: اتوماسیون گردش کار
• 28. طراحی گردش کارهای بدون کد با Logic Apps
• 29. اتصال Logic Apps به سایر خدمات Azure
• 30. Azure Service Bus: ارسال پیام و صف
• 31. مفاهیم صف و موضوع در Service Bus
• 32. الگوهای ارتباطی در Service Bus
• 33. یکپارچه‌سازی برنامه‌های کاربردی با Service Bus
• 34. Azure Event Hubs: پردازش جریان داده
• 35. معماری Event Hubs
• 36. سناریوهای پردازش جریان داده
• 37. یکپارچه‌سازی با Azure Stream Analytics
• 38. Azure Databricks: تحلیل داده‌های کلان
• 39. محیط Databricks و Apache Spark
• 40. آموزش Spark SQL در Databricks
• 41. تحلیل داده‌های جریانی با Spark Streaming
• 42. مدیریت داده‌ها در Databricks
• 43. Azure Synapse Analytics: انبار داده مدرن
• 44. مخازن داده (Data Warehousing) در Synapse
• 45. پردازش موازی عظیم (MPP) در Synapse
• 46. استفاده از Spark Pool در Synapse
• 47. یکپارچه‌سازی با Azure Data Factory
• 48. امنیت و حاکمیت داده در Azure
• 49. مدیریت هویت و دسترسی (IAM) در Azure
• 50. Azure Active Directory برای احراز هویت
• 51. نقش‌ها و مجوزهای دسترسی (RBAC)
• 52. رمزنگاری داده‌ها در حالت سکون و در حال انتقال
• 53. حاکمیت داده و انطباق با مقررات
• 54. Azure Purview: کشف و طبقه‌بندی داده‌ها
• 55. مدیریت واژه‌نامه تجاری (Business Glossary)
• 56. ردیابی اصل و نسب داده (Data Lineage)
• 57. مدیریت ریسک داده‌ها
• 58. معماری‌های مدرن ذخیره‌سازی داده
• 59. معماری دریاچه داده (Data Lake Architecture)
• 60. طراحی Data Lake در Azure Data Lake Storage Gen2
• 61. مدیریت داده‌های نیمه‌ساختاریافته و بدون ساختار
• 62. بهینه‌سازی هزینه‌ها در راهکارهای ذخیره‌سازی
• 63. انتخاب درست خدمات ذخیره‌سازی
• 64. مدیریت ظرفیت و مقیاس‌پذیری
• 65. استراتژی‌های پشتیبان‌گیری و بازیابی فاجعه (DR)
• 66. پشتیبان‌گیری در Azure SQL Database
• 67. بازیابی فاجعه برای Cosmos DB
• 68. ذخیره‌سازی و مدیریت داده‌های لاگ (Log Data)
• 69. Azure Monitor برای جمع‌آوری لاگ‌ها
• 70. تجزیه و تحلیل لاگ‌ها با Azure Log Analytics
• 71. استفاده از داده‌های لاگ برای عیب‌یابی
• 72. مدیریت داده‌های حساس و حریم خصوصی
• 73. قوانین حفاظت از داده‌ها در Azure
• 74. رمزنگاری داده‌های حساس
• 75. مدیریت کلیدهای رمزنگاری (Azure Key Vault)
• 76. انطباق با استانداردهای امنیتی
• 77. راهکارهای یکپارچه‌سازی داده‌های ترکیبی (Hybrid)
• 78. اتصال به منابع داده محلی (On-premises)
• 79. Azure Arc برای مدیریت منابع هیبریدی
• 80. همگام‌سازی داده‌ها بین محیط ابری و محلی
• 81. امنیت در سناریوهای هیبریدی
• 82. معماری‌های میکرو سرویس و ذخیره‌سازی داده
• 83. الگوی Database per Service
• 84. مدیریت داده‌ها در معماری‌های رویداد محور
• 85. انتخاب پایگاه داده مناسب برای میکرو سرویس‌ها
• 86. یکپارچه‌سازی داده‌ها در محیط‌های توزیع‌شده
• 87. آینده ذخیره‌سازی و یکپارچه‌سازی داده‌ها
• 88. روندهای نوظهور در فناوری داده
• 89. هوش مصنوعی و یادگیری ماشین در مدیریت داده
• 90. نقش اتوماسیون در عملیات داده
• 91. چالش‌ها و فرصت‌های آینده
• 92. جمع‌بندی و بهترین شیوه‌ها
• 93. مرور معماری‌های ذخیره‌سازی داده
• 94. مرور الگوهای یکپارچه‌سازی داده
• 95. نکات کلیدی برای طراحی راهکارهای موفق
• 96. برنامه‌ریزی برای آینده راهکارهای داده
• 97. پروژه‌های عملی و مطالعات موردی
• 98. طراحی یک راهکار ذخیره‌سازی برای اپلیکیشن وب
• 99. یکپارچه‌سازی سیستم‌های سازمانی با Azure
• 100. پیاده‌سازی یکpipeline ETL ساده