✅ Bulk Wrire

🔹در ديتابيس مونگو اين قابليت وجود دارد تا با استفاده از دستور bulkWrite, چندين عمليات مختلف نظير اينسرت، آپديت ، حذف داده و … را بر روي يك كالكشن فراخواني نمود.

🔹با استفاده از مقدار دهي متغير ordered در اين كامند، مي توان مشخص نمود كه دستورات به ترتيب اجرا شوند ياخير. در صورت مقداردهي false, پرفورمنس بسيار مناسبي در استفاده از اين عملگر براي انجام عمليات batch خواهيم داشت.

🔹از ديگر مزاياي استفاده از اين دستور:
كاهش round trip( رفت و برگشت) بين اپليكيشن و ديتابيس و
كاهش latency لايه network بين ديتابيس و اپليكيشن مي باشد.
👇

🔹 در ديتابيس مونگو، هر داكيومنت ذخيره شده در يك كالكشن، مي بايست داراي يك فيلد يونيك به نام _id به عنوان primary key باشد.

🔹در صورت اينكه براي داكيومنت insert شده اين مقدار مشخص نشده باشد، انجين ديتابيس مونگو به صورت اتوماتيك objectid را جهت مقدار دهي اين فيلد توليد مي كند.

🔹 مقدار objectid به صورت يونيك، با سايز ١٢ بايت مي باشد كه به صورت ordered بر روي يك كالكشن توليد مي شود.

- ٤ بايت اولtimestamp و بيانگر
زمان ايجاد مي باشد.
- ٥ بايت بعدي به صورت تصادفي ايجاد مي شود.
- ٣ بايت آخر يك شمارنده به صورت افزايشي مي باشد.
👇

🔹ماكزيمم سايز يك داكيومنت BSON در ديتابيس مونگو برابر 16 مگابايت مي باشد.

✅ GridFs

🔹در ديتابيس مونگو جهت ذخيره سازي داده ها با سايز بالاتر 16 مگابايت، از GridFs استفاده مي شود

🔹 با استفاده از GridFs, فايل به chunk هايي با سايز 255 كيلوبايت تقسيم مي شود.

🔹 از دو كالكشن جهت ذخيره سازي داده ها استفاده ميكند، يك كالكشن براي ذخيره سازي File chunk و ديگري File metadata.
👇

✅ Majority of members

🔹در يك كلاستر ديتابيس مونگو، طراحي، انتخاب تعداد نود و پيكربندي آن ها بسيار حائز اهميت مي باشد.

🔹براي نمونه، مفهوم majority بيانگر شرط در دسترس بودن نود primary در كلاستر مي باشد.

🔹به اين معني كه حداقل چه تعداد نود بايد در كلاستر باقي مانده باشند تا همچنان امكان انتخاب نود primary وجود داشته باشد.

✅ پس از انتخاب گزينه مورد نظر و پاسخگويي به هر آزمون، جواب صحيح با توضيحات براي آن شخص
نمايش داده مي شود.

همچنين پاسخ دهي به آزمون به صورت Anonymous مي باشد.

✅ELK Stack

🔹 واژه ELK بر گرفته از سرنام سه ماژول Logstash، Elasticsearch و Kibana می باشد.

🔹E= Elasticsearch
انجینی جهت ذخيره سازي،جستجو، آنالیز و ایندکس کردن داده ها می باشد که بر روی Apache Solr توسعه یافته است.

🔹L=Logstash
ابزاری open-source جهت جمع آوری داده ها از منابع مختلف (نظیر kafka، TCP Socket، RDBMS، Redis، syslog و ...) و انتقال به
مقصد مورد نظر می باشد.

این قابلیت وجود دارد تا هنگام فرآیند انتقال، تبدیل و تغییر فرمت داده ها (transform) نیز انجام گیرد.

🔹K=Kibana
ابزاری جهت ویژوالایز و ایجاد داشبورد های مختلف می باشد که از آن جهت مدیریت، تجزیه و تحلیل، مانیتورینگ بر اساس متریک های مختلف و ... بر روی داده های موجود در Elasticsearch استفاده می شود.
👇

✅ Elasticsearch

🔹مفهوم Fuzzy Matching :
در الستيك سرچ اين امكان وجود دارد تا جستجوي كلمات بر اساس درصد مشابهت و به صورت فازي انجام شود.

🔹نزديكي تشابه لغات را Distance Levenshtein نيز مي نامند.

🔹 ا Levenshtein Distance اشاره به تعداد ویرایش های تک کاراکتری (درج، حذف یا جایگزینی) مورد نیاز برای تغییر یک کلمه به کلمه دیگر است.( اين تئوري توسط اقاي ولادمير ولشتاين روسي در سال ١٩٦٥ بيان شد)

🔹مثال:
▪️جايگزيني يك كاراكتر
(box → fox)

▪️حذف يك كاراكتر
(black → lack)

▪️درج يك كاراكتر
(sic → sick)

▪️جابه جايي دو كاراكتر
(act → cat)