پیاده سازی معماری نرم افزار یک سیستم بزرگ

بهترین راه برای یادگیری توسعه نرم افزار، نوشتن کد است. بهترین راه برای یادگیری معماری نرم افزار، ساخت و اجرای یک سیستم است. این دقیقا همان چیزی است که شما به عنوان بخشی از این دوره انجام می دهید!
این دوره بعدی در مجموعه ای از توسعه دهنده به دوره های معماری است. دوره قبلی "معماری نرم افزار" معماری و تکنولوژی سیستم های بزرگ "بر مفاهیم و اصول معماری نرم افزاری که سیستم های مدرن در مقیاس بزرگ را کنترل می کنند متمرکز شده است.
این دوره" دستکاری "دستکاری معماری نرم افزار بزرگ" با استفاده از فن آوری های منبع باز، بر روی اجرای اصول معماری نرم افزار و راه حل در یک سیستم بزرگ مقیاس بزرگ (سیستم مینی یا به سادگی مینیز) متمرکز شده است.
آن را با یک پایگاه کد قابل دانلود از یک سیستم کوچک شروع می شود. ما این سیستم مینی را به یک پیاده سازی سیستم بزرگ در مقیاس بزرگ تبدیل کردیم، همانطور که ما همراه با این دوره حرکت می کنیم. هدف ما این است که چالش های معماری معمولی را که با هر سیستم بزرگ در مقیاس بزرگ مواجه هستند یاد بگیرند و این چالش ها را با استفاده از ابزارهای مدرن، فن آوری ها و روش ها حل کنیم.
شما می توانید در مورد این چالش ها و راه حل های آنها در واقع کار بر روی زندگی زندگی کنید سیستم. برای همین، شما می توانید یک پایگاه کد مینی سیستم ارائه شده توسط NewTechways در Bitbucket یا Github را دانلود کنید. شما می توانید دستورالعمل ها را برای دانلود، ساخت و اجرای این کدباز دنبال کنید. اگر چه دستورالعمل ها و اتوماسیون کد پلتفرم-آگنوستیک است، اما این دوره از پلت فرم Google Cloud با استفاده از دستگاه لینوکس به عنوان محیط آزمایش ما برای ساخت و اجرای سیستم استفاده خواهد کرد. بعدا سیستم خود را در یک نوع تولید محیط زیست با استفاده از Kubernetes در پلت فرم ابر Google قرار می دهیم.
همانطور که ما همراه با این دوره حرکت می کنیم، چالش های معماری زیر را پوشش می دهیم و از فن آوری های زیر به عنوان راه حل های آنها استفاده می کنیم:
- 3 برنامه کاربردی
WebApp؟ Python Django
خدمات آرامش بخش؟ جاوا بهار بوت
پایگاه داده؟ Postgreesql & Cassandra
SPA - Reactjs
- کانترایزاسیون سیستم
Docker Containers
Docker Compose
- درخواست مسیریابی در سیستم توزیع شده
Discovery؟ Netflix Eureka
دروازه؟ Netflix Zuul
Balancer Load Client-Side؟ روبان
بارگذاری بار سرور - nginx
- مشاهده سیستم
ورود به سیستم؟ ElasticSearch، Fluent، Kibana
ردیابی - Jaeger
نظارت و هشدارها؟ prometheus
مدیریت داده های بزرگ
ذخیره سازی - Redis
پردازش آسنکرون - RabbitMQ
پارتیشن بندی داده افقی - Cassandra
- استقرار تولید
توسعه ابر؟ Kubernetes در GCP
مقیاس خودکار؟ Kubernetes
دسترسی بالا - Kubernetes
ارتقاء نورد - Kubernetes

عنوان اصلی : Implementing Software Architecture of a Large-Scale System

سرفصل های دوره :

01 مروری بر دوره:
001 مقدمه
مروری بر دوره 002
02 راه اندازی محیط کار:
001 محیط کار
002 VM ایستگاه کاری لینوکس را در فضای ابری ایجاد کنید
003 کد ساخت
پشتیبان گیری از ایستگاه کاری VM
03 نمای کلی معماری و کد سیستم اولیه:
001 نمای کلی اجزای سیستم
002 اجرای سیستم در ابر لینوکس VM
003 معماری برنامه وب و انتخاب فناوری
004 مروری بر کد برنامه وب Python Django
005 معماری خدمات
انتخاب فناوری خدمات 006
007 مروری بر کد خدمات Java SpringBoot
008 انتخاب فناوری پایگاه داده
009 نمای کلی طرحواره RDBMS Postgres
010 انتخاب فناوری برنامه تک صفحه
011 معماری ReactJS SPA
04 Containerize Components with Docker:
001 چرا کامپوننت های برنامه را کانتینری کنیم؟
سیستم 002 با کانتینرهای داکر
003 Dockerize django webapp
004 Docker نوشتن برای اتوماسیون
005 پایگاه داده postgres Dockerize
006 خدمات فنری بوت جاوا Dockerize
007 برنامه تک صفحه ای Dockerize reactjs
008 اجرای همه مؤلفه‌های dockerized
009 سیستم در حال اجرا با شبکه docker
010 شبکه داکر و حجم
011 بررسی سیستم با کانتینرهای docker
05 API Gateway با سرویس Netflix Zuul Gateway:
001 چالش مسیریابی مشتری و خدمات دروازه کد و پیکربندی سرویس دروازه Netfix Zuul 002
003 سیستم در حال اجرا با سرویس دروازه Netfliz Zuul
کشف سرویس 06 با سرویس اکتشاف نتفلیکس Eureka:
001 چالش مسیریابی استاتیک و خدمات کشف
002 کد و پیکربندی سرویس اکتشاف نتفلیکس Eureka
003 سیستم در حال اجرا با سرویس اکتشاف Netflix Eureka
07 Load Balancing با Nginx و Netflix Ribbon Load Balancer:
001 تعادل بار مبتنی بر مشتری و سرور
002 کد و پیکربندی متعادل کننده بار Netflix Ribbon
003 سیستم در حال اجرا با متعادل کننده بار Nginx و Ribbon
08 ثبت متمرکز با Elasticsearch، Fluentd و Kibana (ELK stack):
001 قابلیت مشاهده سیستم - ثبت، ردیابی و نظارت
002 چالش های ثبت در سیستم های مقیاس بزرگ
003 معماری ورود به سیستم متمرکز
004 افزایش ظرفیت VM
پیکربندی 005 Elasticsearch، Fluentd و Kibana (پشته EFK)
سیستم مشاهده 006 با Elasticsearch، Fluentd، Kibana stack
09 ردیابی متمرکز با Uber Jaeger:
001 ردیابی چالش ها در سیستم های مقیاس بزرگ
002 معماری ردیابی توزیع شده
003 ردیابی توزیع شده با Uber Jaeger
004 مکانیسم هسته ردیابی توزیع شده
005 کد ابزار دقیق و پیکربندی Uber Jaeger
006 مشاهده تأخیر API با استفاده از ردیابی Jaeger
10 نظارت بر معیارها با Prometheus:
001 متریک برای سیستم های مقیاس بزرگ
002 نمایش معیارهای مؤلفه برنامه برای Prometheus
003 پیکربندی Prometheus برای معیارها
004 مشاهده معیارهای سیستم از طریق پرومتئوس
11 ذخیره داده با کش Redis:
001 چالش های درخواست و حجم داده بالا
002 ذخیره سازی برای مدیریت بار فقط خواندنی
003 انتخاب فناوری ذخیره سازی
004 کد سرویس برای کش Redis تغییر می کند
005 پیکربندی کش Redis
006 سیستم در حال اجرا با کش Redis
12 پردازش داده ناهمزمان با RabbitMQ:
001 مدیریت بار فقط نوشتن برای گردش‌های کاری Async
انتخاب فناوری صف پیام 002
003 کد سرویس برای RabbitMQ تغییر می کند
پیکربندی RabbitMQ 004
005 سیستم در حال اجرا با RabbitMQ
13 پارتیشن بندی داده افقی با کاساندرا:
001 محدودیت های RDBMS و پارتیشن بندی داده ها
002 انتخاب فناوری پایگاه داده توزیع شده
003 طرحواره کاساندرا در مقابل طرحواره پستگرس
004 کد سرویس برای کاساندرا تغییر می کند
پیکربندی 005 کاساندرا
006 سیستم در حال اجرا با خوشه پایگاه داده کاساندرا بسیار در دسترس
14 استقرار با Kubernetes در Google Cloud:
001 حرکت از استقرار آزمایشی به استقرار تولید
002 دلیل برای استقرار Kubernetes و Cloud
003 معماری خوشه Kubernetes
004 راه اندازی Cloud Container Registry
005 ایجاد خوشه Kubernetes در Google Cloud
006 پیکربندی Kubernetes برای سیستم
007 استقرار سیستم در Kubernetes
008 قرار دادن سیستم در معرض اینترنت با استفاده از تعادل بار خارجی
009 در دسترس بودن بالا با Kubernetes
010 مقیاس خودکار با Kubernetes
011 به روز رسانی های متحرک با Kubernetes
012 خاموش کردن خوشه Kubernetes