Udemy – PostgreSQL High Performance Tuning Guide 2025-1

در تاریخ: 1404/05/26 4:06:42

توضیحات

دوره PostgreSQL High Performance Tuning Guide. سیستم PostgreSQL یکی از قدرتمندترین و آسان ترین سیستم های مدیریت پایگاه داده است. از حمایت قوی جامعه برخوردار است و هر سال با یک نسخه جدید به طور فعال در حال توسعه است. PostgreSQL از پیشرفته ترین ویژگی های موجود در استانداردهای SQL پشتیبانی می کند. همچنین قابلیت های NoSQL و انواع داده ها و پسوندهای بسیار غنی را ارائه می دهد. همه این موارد PostgreSQL را به یک راه حل بسیار جذاب در سیستم های نرم افزاری تبدیل می کند. با این حال، گرفتن بهترین عملکرد از آن موضوع آسانی نبوده است. شما فقط به ترکیب مناسبی از قوانین سرانگشتی برای شروع نیاز دارید، آزمایش مناسب، نظارت مستمر، و نگهداری برای حفظ عملکرد خوب سیستم، و نکاتی برای ابزارهای افزودنی برای افزودن ویژگی‌هایی که پایگاه داده اصلی سعی نمی‌کند با آن‌ها کار کند. خودش این دوره Udemy به گونه ای طراحی شده است که هم جنبه های نظری و هم جنبه های عملی را برای اجرای Postgres با کارایی بالا ارائه می دهد. این به شما کمک می کند تا با استفاده از یکی از آخرین نسخه های PostgreSQL، راه حل های پایگاه داده پویا برای برنامه های کاربردی سازمانی بسازید. شما تمام جنبه های پیشرفته PostgreSQL را با جزئیات بررسی خواهید کرد، از جمله تکرار منطقی، کلاسترهای پایگاه داده، تنظیم عملکرد و نظارت. شما همچنین با بهینه ساز PostgreSQL کار خواهید کرد، Postgres را برای سرعت بالا با مشاهده تراکنش ها، قفل کردن، ایندکس ها و بهینه سازی پرس و جوها پیکربندی خواهید کرد. از شما انتظار می رود تا حدی در معرض پایگاه های داده قرار بگیرید. آشنایی اولیه با اشیاء پایگاه داده مانند جداول و نمایه ها مورد انتظار است. اگر با PostgreSQL آشنا نباشید یا کمی در معرض آن قرار بگیرید، این دوره Udemy واقعا مفید خواهد بود. اگر چند سالی است که با PostgreSQL کار می‌کنید، هنوز باید چند دستور مفید پیدا کنید که از آن‌ها اطلاعی نداشتید یا چند روش بهینه‌سازی که امتحان نکرده‌اید. همچنین بینش بیشتری در مورد نحوه عملکرد پایگاه داده به دست خواهید آورد. برنامه درسی دوره آنلاین PostgreSQL Performance Tuning:

آشنایی با معماری سرور PostgreSQL

در این بخش، معماری PostgreSQL را بررسی خواهیم کرد.
بافرهای مشترک به جای جایگزینی با حافظه پنهان سیستم عامل، با آن کار می کنند. این کش ها با کاهش ورودی/خروجی فیزیکی لازم، عملکرد را بهبود می بخشند.
چرا باید Checkpoint ها را با دقت تنظیم کنیم تا زمان بازیابی خرابی را محدود کنیم، در حالی که بر بقیه عملکرد سیستم تأثیری نمی گذارد؟
این بخش به همه شما معرفی می کند که چرا به WAL Writer و همچنین Background Writer نیاز داریم.
مراحلی را که Query Processor باید طی کند تا به نتیجه برسد را ببینید.
ابزار کاربردی Subsystem راه هایی را برای نگهداری پایگاه داده، مانند ادعای ذخیره سازی، به روز رسانی آمار و ثبت گزارش ارائه می دهد.

پیکربندی خلاء برای عملکرد

ما متوجه خواهیم شد که چرا هر زمان که یک به‌روزرسانی یا حذف انجام می‌دهیم، یک ردیف مرده (و احتمالاً یک ورودی شاخص مرده) را پشت سر می‌گذاریم که باید بعداً با نوعی خلاء پاک شود.
ما یاد خواهیم گرفت که وقتی جداول به دلیل تاپل های مرده بیش از حد بزرگ می شوند، عملکرد کاهش می یابد. بنابراین هرگز نباید از فرآیند VACUUM اجتناب کرد.
این بخش توضیح می‌دهد که چرا بهتر است به جای غیرفعال کردن آن ویژگی و انجام پاکسازی در بلوک‌های بزرگ‌تر، با استفاده از ویژگی autovacuum پایگاه داده، یک کار خلاء با شدت کم ثابت داشته باشید.

نحوه استفاده کارآمد از شاخص

بدانید که هر بار که ردیف‌هایی را در جدول اضافه می‌کنید یا تغییر می‌دهید، اضافه کردن یک شاخص، سربار را افزایش می‌دهد. هر شاخص باید به اندازه کافی پرس و جو را برآورده کند تا هزینه نگهداری آن را توجیه کند.
در این بخش توضیح خواهیم داد که چرا طرح اجرای یک کوئری به داده های داخل جدول بستگی دارد. اگر داده‌ها دارای ویژگی بدنی پایینی باشند ، PostgreSQL به احتمال زیاد این شاخص را نادیده می‌گیرد
در این بخش می آموزیم که چرا یک شاخص تنها زمانی مفید است که انتخابی باشد . می توان از آن فقط برای برگرداندن بخش کوچکی از ردیف های جدول استفاده کرد.
در این بخش، نحوه استفاده موثر از اسکن بیت مپ را بررسی خواهیم کرد

نکات بهینه سازی شاخص

علاوه بر استفاده از ایندکس‌ها، می‌توانید استراتژی‌های سفارشی را برای برنامه خاص خود برای سرعت بخشیدن به کارها پیاده‌سازی کنید
چگونه می توان تنها با استفاده از داده های یک نمایه با استفاده از نمایه های پوششی به پرسش ها پاسخ داد .
این بخش به این موضوع می پردازد که چرا تعریف ایندکس روی کلیدهای خارجی کار خوبی است.
در این بخش، شاخص‌های جزئی و اینکه چگونه می‌توان از شاخص کوچک و کارآمد بهره‌مند شد را بررسی می‌کنیم .
شاخص‌ها می‌توانند به بازسازی دوره‌ای نیاز داشته باشند تا آنها را به عملکرد بهینه برگرداند، و خوشه‌بندی داده‌های زیربنایی در برابر ترتیب فهرست نیز می‌تواند به بهبود سرعت آنها برای جستجوها کمک کند.
ما توضیح خواهیم داد که چه زمانی تغییر پارامتر ضریب پر کردن جدول مفید است.
در این بخش، خواهیم دید که در چه مواردی بهتر است از یک شاخص ترکیبی در مقابل چند شاخص مستقل استفاده کنیم .

استفاده از آمار

در این بخش، آماری را بررسی می‌کنید که می‌تواند به شما در یافتن و مرتب‌سازی پرسش‌هایی که مسئول بیشتر بار سیستم هستند، کمک کند.
PostgreSQL مجموعه بزرگی از آمار را ارائه می دهد. در این بخش، استفاده از بینش آنها را آسان تر می کنیم.
سریع‌ترین راه را برای شناسایی نمایه‌های از دست رفته می‌بینیم، اما همچنین زمانی که لازم باشد فهرست‌ها را حذف کنیم، بررسی می‌کنیم.

تشخیص مشکلات پرس و جو

نحوه خواندن طرح‌های پرس و جو را توضیح می‌دهیم و نحوه عملکرد هر یک از انواع گره‌های زیرین را توضیح می‌دهیم.
خواهیم دید که چگونه کوئری‌ها به‌عنوان مجموعه‌ای از گره‌ها اجرا می‌شوند که هر کدام یک کار کوچک، مانند واکشی تجمیع داده‌ها یا مرتب‌سازی را انجام می‌دهند.
ما بخش‌هایی از پرس و جو را که در واقع طولانی‌ترین زمان اجرا را داشتند، بررسی می‌کنیم و خواهیم دید که آیا هزینه تطبیق مناسبی دارند یا خیر.
تفاوت بین ردیف های تخمینی و واقعی می تواند باعث مشکلات برنامه ریزی عمده شود. ما بررسی خواهیم کرد که در چنین مواردی چه کاری می توانیم انجام دهیم.

نکات بهینه سازی پرس و جو

خواهیم دید که چرا مهم است که ابتدا صحت معنایی یک عبارت را قبل از حمله به مشکل عملکرد زیر سوال ببریم
ما متوجه خواهیم شد که چرا باید از SELECT *، ORDER BY و DISTINCT اجتناب کنیم، مگر اینکه واقعاً به آنها نیاز داشته باشیم و راه دیگری وجود نداشته باشد.
ما ویژگی های PostgreSQL مانند نحو CASE و پرس و جوهای موازی را برای کاهش زمان اجرای پرس و جوها بررسی خواهیم کرد.

نحوه تنظیم shared_buffers برای عملکرد بهتر

خواهیم دید که تخصیص PostgreSQL برای shared_buffers پیش‌فرض بسیار کم است و ما باید آن را افزایش دهیم تا اندازه حافظه مشترک مناسب برای پایگاه داده مجاز باشد.
ما نحوه عملکرد shared_buffers را در همکاری با کش سیستم عامل به جای جایگزین کردن آن و ما باید آن را به عنوان درصد متوسطی از کل RAM اندازه گیری کنیم.
ما متوجه خواهیم شد که اگر بخواهیم نسبت به تخصیص درصدی به shared_buffers نسبت به حافظه پنهان سیستم عامل بهتر عمل کنیم، باید محتوای کش بافرها را تجزیه و تحلیل کنیم.

مقیاس بندی و تکرار

خواهیم دید که چگونه می توان از تکرار برای بهبود عملکرد یک سیستم نرم افزاری با ایجاد امکان توزیع بار روی چندین سرور پایگاه داده استفاده کرد.
در برخی موارد، عملکرد تکرار ارائه شده توسط PostgreSQL کافی نیست. راه حل های شخص ثالثی وجود دارد که در اطراف PostgreSQL کار می کنند و ویژگی های اضافی را ارائه می دهند، مانند Pgpool-II که می تواند به عنوان متعادل کننده بار کار کند و Postgres-XL که یک راه حل پایگاه داده توزیع شده چند سرور را پیاده سازی می کند که می تواند حجم بسیار زیادی از داده ها را اجرا کند و مدیریت کند. یک بار بزرگ

آنچه که در دوره PostgreSQL High Performance Tuning Guide فرا خواهید گرفت

تئوری معماری PostgreSQL و نحوه عملکرد آن در زیر ساخت
نحوه تنظیم shared_buffers برای عملکرد بهتر را بدانید
با نحوه پیکربندی Vacuum برای تمیز و سریع نگه داشتن پایگاه داده آشنا شوید
نحوه استفاده کارآمد از شاخص
استراتژی های بهینه سازی شاخص را تمرین کنید
چگونه آمار را معنا کنیم
به نحوه تشخیص مشکلات پرس و جو مسلط شوید
تکنیک های بهینه سازی پرس و جو را تمرین کنید
مفاهیم اساسی برای مقیاس بندی و تکرار در PostgreSQL

این دوره مناسب افرادیست که

مدیران پایگاه داده
توسعه دهندگان نرم افزار علاقه مند به پایگاه داده های داخلی پیشرفته که بر طراحی و عملکرد برنامه تأثیر می گذارد
هر کسی که علاقه مند به ساخت برنامه های بهتر PostgreSQL است