ذخیره‌سازی، جریان‌پردازی و تحلیل دسته‌ای داده در Azure ۲۰۲۰
Azure Storage, Streaming, and Batch Analytics 2020

دانلود کتاب ذخیره‌سازی، جریان‌پردازی و تحلیل دسته‌ای داده در Azure ۲۰۲۰ (Azure Storage, Streaming, and Batch Analytics 2020) با لینک مستقیم و فرمت pdf (پی دی اف) و ترجمه فارسی

نویسنده

Richard Nuckolls

voucher (1)

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار

2020

زبان

English

تعداد صفحه‌ها

448

نوع فایل

pdf

حجم

10.4 MB

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

🏷️ قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود. قیمت فعلی: ۲۹۸٬۰۰۰ تومان.

📥 دانلود نسخه‌ی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمه‌ی فارسی با هوش مصنوعی 🔗 مشاهده جزئیات

پیش‌خرید با تحویل فوری(⚡️) | فایل کتاب حداکثر تا ۳۰ دقیقه(🕒) پس از ثبت سفارش آماده دانلود خواهد بود.

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

توضیحات

معرفی کتاب ذخیره‌سازی، جریان‌پردازی و تحلیل دسته‌ای داده در Azure ۲۰۲۰

فضای ابری مایکروسافت آژور، بستری ایده‌آل برای برنامه‌های کاربردی متمرکز بر داده است. آژور که برای بهره‌وری طراحی شده، خدمات از پیش ساخته‌ای را ارائه می‌دهد که جمع‌آوری، ذخیره‌سازی و تجزیه و تحلیل را بسیار آسان‌تر پیاده‌سازی و مدیریت می‌کند. کتاب *ذخیره‌سازی، جریان‌سازی و تحلیل دسته‌ای داده در آژور* به شما می‌آموزد که چگونه یک زیرساخت داده‌ی مطمئن، کارآمد و مقرون‌به‌صرفه را در آژور با ساخت گام‌به‌گام یک سیستم تحلیلی کامل و کاربردی طراحی کنید.

**خلاصه**

فضای ابری مایکروسافت آژور، بستری ایده‌آل برای برنامه‌های کاربردی متمرکز بر داده است. آژور که برای بهره‌وری طراحی شده، خدمات از پیش ساخته‌ای را ارائه می‌دهد که جمع‌آوری، ذخیره‌سازی و تجزیه و تحلیل را بسیار آسان‌تر پیاده‌سازی و مدیریت می‌کند. کتاب *ذخیره‌سازی، جریان‌سازی و تحلیل دسته‌ای داده در آژور* به شما می‌آموزد که چگونه یک زیرساخت داده‌ی مطمئن، کارآمد و مقرون‌به‌صرفه را در آژور با ساخت گام‌به‌گام یک سیستم تحلیلی کامل و کاربردی طراحی کنید.

با خرید نسخه چاپی کتاب، یک نسخه الکترونیکی رایگان با فرمت‌های PDF، Kindle و ePub از انتشارات Manning Publications دریافت خواهید کرد.

**درباره‌ی این فناوری**

مایکروسافت آژور ده‌ها سرویس را ارائه می‌دهد که ذخیره و پردازش داده‌ها را ساده می‌کنند. این سرویس‌ها امن، قابل اعتماد، مقیاس‌پذیر و مقرون به صرفه هستند.

**درباره‌ی کتاب**

کتاب *ذخیره‌سازی، جریان‌سازی و تحلیل دسته‌ای داده در آژور* به شما نشان می‌دهد که چگونه با استفاده از ابزارهای پلتفرم مایکروسافت آژور، راهکارهای داده‌ی پیشرفته بسازید. با مطالعه‌ی این کتاب، یک انبار داده‌ی ابری خواهید ساخت و ویژگی‌هایی مانند پردازش داده‌ی بی‌درنگ را به آن اضافه خواهید کرد. این طراحی که بر اساس معماری Lambda برای کلان‌داده است، از سرویس‌های مقیاس‌پذیر مانند Event Hubs، Stream Analytics و پایگاه‌های داده SQL استفاده می‌کند. در طول مسیر، بیشتر موضوعات مورد نیاز برای کسب گواهینامه مهندسی داده آژور را پوشش خواهید داد.

**آنچه در این کتاب خواهید یافت:**

* پیکربندی سرویس‌های آژور برای سرعت و هزینه
* ساخت خطوط لوله داده با Data Factory
* انتخاب روش‌های مناسب ذخیره‌سازی داده

**درباره‌ی مخاطب**

مخاطبان این کتاب، افرادی هستند که با مدیریت پایگاه داده آشنایی دارند. مثال‌ها به زبان‌های C و PowerShell ارائه شده‌اند.

**درباره‌ی نویسنده**

ریچارد ناکولز، توسعه‌دهنده‌ی ارشد سیستم‌های تجزیه و تحلیل کلان‌داده و گزارش‌دهی در آژور است.

**فهرست مطالب**

1. مهندسی داده چیست؟

2. ساخت یک سیستم تحلیلی در آژور

3. ذخیره‌سازی عمومی با حساب‌های Azure Storage

4. Azure Data Lake Storage

5. مدیریت پیام با Event Hubs

6. پرس‌وجوهای بی‌درنگ با Azure Stream Analytics

7. پرس‌وجوهای دسته‌ای با Azure Data Lake Analytics

8. U-SQL برای تحلیل‌های پیچیده

9. یکپارچه‌سازی با Azure Data Lake Analytics

10. یکپارچه‌سازی سرویس با Azure Data Factory

11. SQL مدیریت شده با Azure SQL Database

12. یکپارچه‌سازی Data Factory با SQL Database

13. گام‌های بعدی


فهرست کتاب:

۱. ذخیره‌سازی، جریان‌سازی و تحلیل دسته‌ای Azure

۲. حق نشر

۳. تقدیم

۴. فهرست مختصر

۵. فهرست مطالب

۶. مطالب مقدماتی

۱ مهندسی داده چیست؟

۲ ساخت یک سیستم تحلیل در Azure

۳ ذخیره‌سازی عمومی با حساب‌های Azure Storage

۴. Azure Data Lake Storage

۵. مدیریت پیام با Event Hubs

۶. پرس و جوهای بلادرنگ با Azure Stream Analytics

۷. پرس و جوهای دسته‌ای با Azure Data Lake Analytics

۸. U-SQL برای تحلیل‌های پیچیده

۹. یکپارچه‌سازی با Azure Data Lake Analytics

۱۰. یکپارچه‌سازی سرویس با Azure Data Factory

۱۱. SQL مدیریت‌شده با Azure SQL Database

۱۲. یکپارچه‌سازی Data Factory با SQL Database

۱۳. گام بعدی کجاست

۲۰. پیوست الف. راه‌اندازی سرویس‌های Azure از طریق PowerShell

۲۱. پیوست ب. پیکربندی سیستم تحلیل Jonestown Sluggers

۲۲. فهرست نمایه

توضیحات(انگلیسی)
The Microsoft Azure cloud is an ideal platform for data-intensive applications. Designed for productivity, Azure provides pre-built services that make collection, storage, and analysis much easier to implement and manage. Azure Storage, Streaming, and Batch Analytics teaches you how to design a reliable, performant, and cost-effective data infrastructure in Azure by progressively building a complete working analytics system.

Summary
The Microsoft Azure cloud is an ideal platform for data-intensive applications. Designed for productivity, Azure provides pre-built services that make collection, storage, and analysis much easier to implement and manage. Azure Storage, Streaming, and Batch Analytics teaches you how to design a reliable, performant, and cost-effective data infrastructure in Azure by progressively building a complete working analytics system.

Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.

About the technology
Microsoft Azure provides dozens of services that simplify storing and processing data. These services are secure, reliable, scalable, and cost efficient.

About the book
Azure Storage, Streaming, and Batch Analytics shows you how to build state-of-the-art data solutions with tools from the Microsoft Azure platform. Read along to construct a cloud-native data warehouse, adding features like real-time data processing. Based on the Lambda architecture for big data, the design uses scalable services such as Event Hubs, Stream Analytics, and SQL databases. Along the way, you’ll cover most of the topics needed to earn an Azure data engineering certification.

What's inside

Configuring Azure services for speed and cost
Constructing data pipelines with Data Factory
Choosing the right data storage methods

About the reader
For readers familiar with database management. Examples in C# and PowerShell.

About the author
Richard Nuckolls is a senior developer building big data analytics and reporting systems in Azure.

Table of Contents

1 What is data engineering?

2 Building an analytics system in Azure

3 General storage with Azure Storage accounts

4 Azure Data Lake Storage

5 Message handling with Event Hubs

6 Real-time queries with Azure Stream Analytics

7 Batch queries with Azure Data Lake Analytics

8 U-SQL for complex analytics

9 Integrating with Azure Data Lake Analytics

10 Service integration with Azure Data Factory

11 Managed SQL with Azure SQL Database

12 Integrating Data Factory with SQL Database

13 Where to go next


Table of Contents

1. Azure Storage, Streaming, and Batch Analytic

2. Copyright

3. dedication

4. brief contents

5. contents

6. front matter

1 What is data engineering?

2 Building an analytics system in Azure

3 General storage with Azure Storage accounts

4 Azure Data Lake Storage

5 Message handling with Event Hubs

6 Real-time queries with Azure Stream Analytics

7 Batch queries with Azure Data Lake Analytics

8 U-SQL for complex analytics

9 Integrating with Azure Data Lake Analytics

10 Service integration with Azure Data Factory

11 Managed SQL with Azure SQL Database

12 Integrating Data Factory with SQL Database

13 Where to go next

20. appendix A. Setting up Azure services through PowerShell

21. appendix B. Configuring the Jonestown Sluggers analytics system

22. index

دیگران دریافت کرده‌اند

Azure در عمل ۲۰۱۰
Azure in Action 2010

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

✨ ضمانت تجربه خوب مطالعه

بازگشت کامل وجه

در صورت مشکل، مبلغ پرداختی بازگردانده می شود.

دانلود پرسرعت

دانلود فایل کتاب با سرعت بالا

ارسال فایل به ایمیل

دانلود مستقیم به همراه ارسال فایل به ایمیل.

پشتیبانی ۲۴ ساعته

با چت آنلاین و پیام‌رسان ها پاسخگو هستیم.

ضمانت کیفیت کتاب

کتاب ها را از منابع معتیر انتخاب می کنیم.