บทนำสู่ฐานข้อมูลแบบ Columnar และภาระงานเชิงวิเคราะห์

ในขณะที่ปริมาณข้อมูลเพิ่มขึ้นอย่างรวดเร็ว ฐานข้อมูลเชิงสัมพันธ์แบบดั้งเดิมมักประสบปัญหาในการส่งมอบความเร็วที่จำเป็นสำหรับการสืบค้นข้อมูลเชิงวิเคราะห์ที่ซับซ้อน การทำความเข้าใจว่าข้อมูลถูกจัดเก็บและดึงข้อมูลออกมาทางกายภาพอย่างไรนั้นมีความสำคัญอย่างยิ่งสำหรับทุกคนที่ทำงานกับโครงสร้างพื้นฐานข้อมูลสมัยใหม่ หลักสูตรนี้ให้คำแนะนำพื้นฐานที่ชัดเจนเกี่ยวกับฐานข้อมูลแบบ Columnar โดยอธิบายอย่างละเอียดว่าฐานข้อมูลเหล่านี้แตกต่างจากระบบแบบแถว (Row-based) แบบดั้งเดิมอย่างไร และเหตุใดจึงเป็นหัวใจสำคัญของแพลตฟอร์มการวิเคราะห์สมัยใหม่ คุณจะเปลี่ยนจากการทำความเข้าใจแนวคิดการจัดเก็บข้อมูลพื้นฐานไปสู่การอธิบายได้อย่างมั่นใจว่าเมื่อใดและทำไมจึงควรปรับใช้โซลูชันแบบ Column-oriented สำหรับการสืบค้นที่มีประสิทธิภาพสูง ผ่านคำอธิบายที่เป็นลายลักษณ์อักษรที่ชัดเจนและตัวอย่างทางสถาปัตยกรรมที่ใช้งานได้จริง คุณจะได้เรียนรู้การประเมินประสิทธิภาพของฐานข้อมูลตามภาระงานในโลกแห่งความเป็นจริง สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจความแตกต่างทางกลไกหลักระหว่างเอนจินการจัดเก็บข้อมูลแบบ Row-oriented และ Column-oriented - แยกแยะความแตกต่างระหว่างภาระงานแบบธุรกรรม (OLTP) และแบบวิเคราะห์ (OLAP) เพื่อเลือกสถาปัตยกรรมฐานข้อมูลที่เหมาะสม - เปรียบเทียบไปป์ไลน์ ETL แบบดั้งเดิมกับกระบวนการ ELT สมัยใหม่ที่ใช้ในคลังข้อมูลบนคลาวด์ - วิเคราะห์ว่าฐานข้อมูลแบบ Columnar เพิ่มประสิทธิภาพการสืบค้นโดยใช้เทคนิคการบีบอัดและการฉายข้อมูล (Projection) อย่างไร - ระบุกรณีการใช้งานที่สำคัญสำหรับฐานข้อมูลแบบ Columnar ในระบบธุรกิจอัจฉริยะ (Business Intelligence) และไปป์ไลน์วิศวกรรมข้อมูลสมัยใหม่ หลักสูตรเริ่มต้นด้วยคำศัพท์เฉพาะทางของฐานข้อมูลและพื้นฐานการจัดเก็บข้อมูลที่จำเป็น ก่อนจะเจาะลึกกลไกของการดำเนินการระดับคอลัมน์ จากนั้นคุณจะได้สำรวจรูปแบบการประมวลผลแบบธุรกรรมเทียบกับการประมวลผลเชิงวิเคราะห์ เวิร์กโฟลว์การรวมข้อมูล และแนวโน้มคลังข้อมูลบนคลาวด์สมัยใหม่ หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นในด้านวิศวกรรมข้อมูล การดูแลระบบฐานข้อมูล หรือธุรกิจอัจฉริยะ โดยไม่จำเป็นต้องมีประสบการณ์ด้านสถาปัตยกรรมฐานข้อมูลมาก่อน เริ่มอ่านวันนี้เพื่อเชี่ยวชาญพื้นฐานของการจัดเก็บข้อมูลเชิงวิเคราะห์ที่มีประสิทธิภาพสูง