💾 داده‌ها در مرکز بسیاری از چالش‌های طراحی سیستم امروزی قرار دارند. مسائل دشواری مانند مقیاس‌پذیری، انسجام، قابلیت اطمینان، کارایی و نگهداری باید حل شوند.

🛠 علاوه بر این، با تنوع گسترده‌ای از ابزارها روبه‌رو هستیم، شامل پایگاه‌های داده رابطه‌ای، دیتاستورهای NoSQL، پردازشگرهای جریان یا دسته‌ای و پیام‌رسان‌ها.

❓ انتخاب‌های مناسب برای برنامه شما کدام‌اند؟ چگونه می‌توان به این همه اصطلاحات پیچیده و buzzwordها معنا داد؟

📘 در این راهنمای عملی و جامع، نویسنده Martin Kleppmann به شما کمک می‌کند تا این منظره متنوع را با بررسی مزایا و معایب فناوری‌های مختلف پردازش و ذخیره‌سازی داده‌ها هدایت کنید.

🔄 نرم‌افزار همواره در حال تغییر است، اما اصول بنیادی همیشه ثابت هستند. با این کتاب، مهندسین و معماران نرم‌افزار یاد می‌گیرند چگونه این ایده‌ها را در عمل به کار ببرند و چگونه از داده‌ها در برنامه‌های مدرن بیشترین بهره را ببرند.

💡 شما در این کتاب یاد خواهید گرفت:

🔧 نگاهی عمیق به سیستم‌هایی که هم‌اکنون استفاده می‌کنید و یادگیری نحوه استفاده و بهره‌برداری مؤثرتر از آن‌ها

⚖️ تصمیم‌گیری آگاهانه با شناسایی نقاط قوت و ضعف ابزارهای مختلف

📏 مدیریت trade-offها در زمینه انسجام، مقیاس‌پذیری، تحمل خطا و پیچیدگی

📚 درک تحقیقات سیستم‌های توزیع‌شده که پایگاه‌های داده مدرن بر اساس آن‌ها ساخته شده‌اند

👀 نگاهی پشت صحنه خدمات آنلاین بزرگ و یادگیری از معماری آن‌ها

📑 فهرست مطالب

بخش اول: اصول سیستم‌های داده

• فصل 1: برنامه‌های قابل اطمینان، مقیاس‌پذیر و قابل نگهداری
• فصل 2: مدل‌های داده و زبان‌های پرس‌وجو
• فصل 3: ذخیره‌سازی و بازیابی
• فصل 4: کدگذاری و تکامل

بخش دوم: داده‌های توزیع‌شده

• فصل 5: تکرار
• فصل 6: تقسیم‌بندی
• فصل 7: تراکنش‌ها
• فصل 8: مشکلات سیستم‌های توزیع‌شده
• فصل 9: سازگاری و توافق

بخش سوم: داده‌های مشتق‌شده

• فصل 10: پردازش دسته‌ای
• فصل 11: پردازش استریم
• فصل 12: آینده سیستم‌های داده

👤 درباره نویسنده

مارتین یک محقق در زمینه سیستم‌های توزیع‌شده در دانشگاه کمبریج است. پیش از این، او به‌عنوان مهندس نرم‌افزار و کارآفرین در شرکت‌های اینترنتی از جمله لینکدین و رپورتیو، روی زیرساخت داده‌های مقیاس‌پذیر کار کرده است. در این فرآیند، او چندین اشتباه را به سختی یاد گرفته است و امیدوار است این کتاب شما را از تکرار همان اشتباهات نجات دهد.

Data is at the center of many challenges in system design today. Difficult issues need to be figured out, such as scalability, consistency, reliability, efficiency, and maintainability. In addition, we have an overwhelming variety of tools, including relational databases, NoSQL datastores, stream or batch processors, and message brokers. What are the right choices for your application? How do you make sense of all these buzzwords?

In this practical and comprehensive guide, author Martin Kleppmann helps you navigate this diverse landscape by examining the pros and cons of various technologies for processing and storing data. Software keeps changing, but the fundamental principles remain the same. With this book, software engineers and architects will learn how to apply those ideas in practice, and how to make full use of data in modern applications.

• Peer under the hood of the systems you already use, and learn how to use and operate them more effectively
• Make informed decisions by identifying the strengths and weaknesses of different tools
• Navigate the trade-offs around consistency, scalability, fault tolerance, and complexity
• Understand the distributed systems research upon which modern databases are built
• Peek behind the scenes of major online services, and learn from their architectures

Table of Contents

Part I. Foundations of Data Systems

Chapter 1. Reliable, Scalable, and Maintainable Applications

Chapter 2. Data Models and Query Languages

Chapter 3. Storage and Retrieval

Chapter 4. Encoding and Evolution

Part II. Distributed Data

Chapter 5. Replication

Chapter 6. Partitioning

Chapter 7. Transactions

Chapter 8. The Trouble with Distributed Systems

Chapter 9. Consistency and Consensus

Part III. Derived Data

Chapter 10. Batch Processing

Chapter 11. Stream Processing

Chapter 12. The Future of Data Systems

About the Author

Martin is a researcher in distributed systems at the University of Cambridge. Previously he was a software engineer and entrepreneur at Internet companies including LinkedIn and Rapportive, where he worked on large-scale data infrastructure. In the process he learned a few things the hard way, and he hopes this book will save you from repeating the same mistakes.