🛃آزمون
در يك كلاستر ديتابيس مونگو كه داراي ١٠ نود مي باشد، حداكثر چه تعداد نود مي توانند در راي گيري جهت انتخاب نود Primary شركت كنند؟
در يك كلاستر ديتابيس مونگو كه داراي ١٠ نود مي باشد، حداكثر چه تعداد نود مي توانند در راي گيري جهت انتخاب نود Primary شركت كنند؟
Anonymous Quiz
30%
7
30%
9
41%
10
👍2
🛃 آزمون
در تصوير زير، كه نمايش دهنده دو ديتاسنتر داراي نودهاي يك كلاستر ديتايس مونگو مي باشد، در صورت قطع شدن ارتباط ديتاسنتر اول DC1 با ديتاسنتر دوم DC2، چه اتفاقي براي كلاستر مي افتد؟
در تصوير زير، كه نمايش دهنده دو ديتاسنتر داراي نودهاي يك كلاستر ديتايس مونگو مي باشد، در صورت قطع شدن ارتباط ديتاسنتر اول DC1 با ديتاسنتر دوم DC2، چه اتفاقي براي كلاستر مي افتد؟
Anonymous Quiz
51%
ديتاسنتر اول DC1 همچنان سرويس ميدهد، ديتاسنتر دوم Down مي شود.
17%
ديتاسنتر دوم DC2 همچنان سرويس ميدهد، ديتاسنتر اول Down مي شود.
32%
كل كلاستر Down مي شود.
✅ 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.
نمايش داده مي شود.
همچنين پاسخ دهي به آزمون به صورت Anonymous مي باشد.
آموزش ديتابيس مونگو و الستيك سرچ- MongoDB & Elasticsearch tutorial pinned «✅ 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.»
آيا آموزش و نكات كاربردي ديتابيس Elastic Search هم ارايه شود؟
Final Results
83%
بله، Elastic Search هم باشه.
17%
نه، فقط Mongo باشه.
Channel name was changed to «آموزش ديتابيس مونگو و الستيك سرچ- MongoDB & Elasticsearch tutorial»
✅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.
👇
🔹 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.
👇
❤1
✅ 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)
🔹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)
🔹قابليت Fuzzy Matching در الستيك سرچ اين امكان را نيز مي دهد تا جستجو به صورت misspelling نيز محقق شود.
🔹براي نمونه فرض كنيد كاربري مي خواهد نام عليرضا را جستجو كند و در ديتابيس ركوردها به صورت زير ذخيره شده اند:
▪️ركورد١: عليرضا
▪️ركورد٢: علي رضا
با بهره گيري از قابليت Fuzzy Matching, هر دو ركورد به كاربر نمايش داده مي شود.
🔹براي نمونه فرض كنيد كاربري مي خواهد نام عليرضا را جستجو كند و در ديتابيس ركوردها به صورت زير ذخيره شده اند:
▪️ركورد١: عليرضا
▪️ركورد٢: علي رضا
با بهره گيري از قابليت Fuzzy Matching, هر دو ركورد به كاربر نمايش داده مي شود.
👍2
آموزش ديتابيس مونگو و الستيك سرچ- MongoDB & Elasticsearch tutorial pinned «🔹قابليت Fuzzy Matching در الستيك سرچ اين امكان را نيز مي دهد تا جستجو به صورت misspelling نيز محقق شود. 🔹براي نمونه فرض كنيد كاربري مي خواهد نام عليرضا را جستجو كند و در ديتابيس ركوردها به صورت زير ذخيره شده اند: ▪️ركورد١: عليرضا ▪️ركورد٢: علي رضا با…»
🛃 آزمون
جهت محقق كردن نيازمندي دسترس پذيري بالا در ديتابيس مونگو، از كدام قابليت مي بايست استفاده نمود؟
جهت محقق كردن نيازمندي دسترس پذيري بالا در ديتابيس مونگو، از كدام قابليت مي بايست استفاده نمود؟
Anonymous Quiz
46%
Replica Set
54%
Sharding
0%
هيچكدام
✅Elasticsearch
🔹 پس از نصب الستيك سرچ، دايركتوري هايي در مسير نصب ايجاد مي شوند، كه بايد از محتويات آن ها به جهت پيكربندي، اشكال زدايي، نگهداشت و … آگاه بود.
👇
🔹 پس از نصب الستيك سرچ، دايركتوري هايي در مسير نصب ايجاد مي شوند، كه بايد از محتويات آن ها به جهت پيكربندي، اشكال زدايي، نگهداشت و … آگاه بود.
👇
✅ Elasticsearch
🔹فايل elasticsearch.yml:
اين فايل در دايركتوري /config قرار دارد.
🔹به جهت پيكربندي و انجام تنظيمات مورد نياز بر روي يك نود الستيك سرچ مورد استفاده قرار مي گيرد.
👇
🔹فايل elasticsearch.yml:
اين فايل در دايركتوري /config قرار دارد.
🔹به جهت پيكربندي و انجام تنظيمات مورد نياز بر روي يك نود الستيك سرچ مورد استفاده قرار مي گيرد.
👇
✅MongoDB
🔹با استفاده از دو ابزار mongodump و mongoexport مي توان از ديتابيس مونگو بك آپ تهيه نمود.
🔹ابزار mongodump:
بك آپ را به صورت باينري فايل ايجاد مي نمايد.
🔹ابزار mongoexport:
بك آپ را به صورت json يا csv ايجاد مي نمايد.
🔹با استفاده از دو ابزار mongodump و mongoexport مي توان از ديتابيس مونگو بك آپ تهيه نمود.
🔹ابزار mongodump:
بك آپ را به صورت باينري فايل ايجاد مي نمايد.
🔹ابزار mongoexport:
بك آپ را به صورت json يا csv ايجاد مي نمايد.
✅Elasticsearch: N-gram
🔹مفهوم N-gram در الستيك سرچ به مدل ايندكس كردن يك واژه با شكست آن به كاراكتر هاي تشكيل دهنده اشاره دارد.
🔹براي نمونه، براي ايندكس كردن هر دو كاراكتر كنار هم بايد gram-2 استفاده شود و به همين ترتيب …
🔹 در انتخاب تعداد gram ها بايد دقت نمود، به دليل اينكه در رشد نمايي داده ها ، ميزان محاسبات و استفاده از منابع تاثير مستقيم دارد.
🔹 از جمله كاربردهاي استفاده از آن، در بهينه سازي مدل هاي جستجو مبتني بر suggestion مي باشد.
🔹مانند جستجو در سايت booking براي جستجوي هتل، شهر و … كه با وارد كردن تعدادي كاراكتر توسط كاربر، سيستم واژه هايي را به كاربر پيشنهاد مي دهد.
🔹همچنين در جستجو بهتر در زبان هايي مانند آلماني، كه يك واژه از تركيب چندين لغت تشكيل شده است.
👇
🔹مفهوم N-gram در الستيك سرچ به مدل ايندكس كردن يك واژه با شكست آن به كاراكتر هاي تشكيل دهنده اشاره دارد.
🔹براي نمونه، براي ايندكس كردن هر دو كاراكتر كنار هم بايد gram-2 استفاده شود و به همين ترتيب …
🔹 در انتخاب تعداد gram ها بايد دقت نمود، به دليل اينكه در رشد نمايي داده ها ، ميزان محاسبات و استفاده از منابع تاثير مستقيم دارد.
🔹 از جمله كاربردهاي استفاده از آن، در بهينه سازي مدل هاي جستجو مبتني بر suggestion مي باشد.
🔹مانند جستجو در سايت booking براي جستجوي هتل، شهر و … كه با وارد كردن تعدادي كاراكتر توسط كاربر، سيستم واژه هايي را به كاربر پيشنهاد مي دهد.
🔹همچنين در جستجو بهتر در زبان هايي مانند آلماني، كه يك واژه از تركيب چندين لغت تشكيل شده است.
👇