کتاب Deciphering Data Architectures

کتاب Deciphering Data Architectures: Choosing Between a Modern Data Warehouse, Data Fabric, Data Lakehouse, and Data Mesh (رمزگشایی معماری داده: انتخاب بین یک انبار داده مدرن، دیتا فابریک، دیتا لیک هاوس و مش داده) مفاهیم معماری داده را با استفاده از ابزارهای انبار داده مانند دیتافابریک، دیتالیک هوس و مش داده شرح می‌دهد.

در ادامه مقدمه‌ای از کتاب Deciphering Data Architectures را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Deciphering Data Architectures:

من نزدیک به ۴۰ سال است که در فناوری اطلاعات (IT) هستم. من در شرکت‌هایی با اندازه‌های مختلف کار کرده‌ام، به عنوان مشاور کار کرده‌ام و مالک شرکت خودم بوده‌ام. در ۹ سال گذشته، من به عنوان معمار داده در مایکرؤسافت بودم و در ۱۵ سال گذشته، با انبار داده درگیر بودم. من هزاران بار در مورد داده‌ها با مشتریان و گروه‌ها صحبت کرده‌ام.

در طول حرفه‌ام، بسیاری از معماری‌های داده را دیده‌ام که آمدند و رفتند. شرکت‌های زیادی را دیده‌ام که بر سر بهترین رویکرد بحث می‌کنند و در نهایت معماری داده‌های اشتباهی را ایجاد می‌کنند – اشتباهی که می‌تواند میلیون‌ها دلار و ماه‌ها زمان برای آن‌ها هزینه داشته باشد و آن‌ها را به خوبی از رقبای خود عقب نگه دارد.

علاوه بر این، معماری داده پیچیده است. من از نزدیک دیدم که اکثر مردم در مورد مفاهیم درگیر نامشخص هستند، اگر اصلاً از آن‌ها آگاه باشند. به نظر می‌رسد که همه عباراتی مانند مش داده، انبار داده و دریاچه داده را مطرح می‌کنند – اما اگر از ۱۰ نفر بپرسید که مش داده چیست، ۱۱ پاسخ متفاوت دریافت خواهید کرد.

بیشتر بخوانید: کتاب Data Mesh in Action

اصلاً از کجا شروع می‌کنی؟ آیا این‌ها فقط واژه‌های پر سر و صدا با تبلیغات زیاد اما محتوای کمی هستند یا رویکرد‌های قابل قبولی هستند؟ ممکن است از نظر تئوری عالی به نظر برسند، اما چقدر کاربردی هستند؟ مزایا و معایب هر معماری چیست؟

هیچ یک از معماری‌های مورد بحث در این کتاب \”اشتباه\” نیست. همه آن‌ها یک مکان دارند، اما فقط در موارد استفاده خاص. هیچ معماری برای هر موقعیتی کاربرد ندارد، بنابراین کتاب Deciphering Data Architectures برای متقاعد کردن شما به انتخاب یک معماری بر روی بقیه نیست.

در عوض، نظرات صادقانه‌ای در مورد مزایا و معایب هر معماری دریافت خواهید کرد. همه چیز دارای معاوضه‌هایی است، و مهم است که بفهمیم این‌ها چیست و فقط با معماری‌ای که بیش از سایرین تبلیغ می‌شود، پیش نرویم و چیز‌های زیادی برای یادگیری از هر معماری وجود دارد، حتی اگر از آن استفاده نکنید. به عنوان مثال، درک نحوه عملکرد شبکه داده شما را در مورد مالکیت داده فکر می‌کند، مفهومی که می‌تواند در هر معماری اعمال شود.

کتاب Deciphering Data Architectures پایه‌ای اساسی در مفاهیم رایج معماری داده ارائه می‌دهد. مفاهیم بسیار زیادی وجود دارد، و تشخیص اینکه کدامیک را انتخاب کنید و چگونه آن‌ها را اجرا کنید می‌تواند ترسناک باشد.

من اینجا هستم تا به شما کمک کنم تا تمام این مفاهیم و معماری‌ها را در سطح بالایی درک کنید تا بتوانید گزینه‌ها را درک کنید و بتوانید ببینید کدام یک برای موقعیت شما مناسب‌تر است.

بیشتر بخوانید: کتاب Principles of Data Fabric

هدف کتاب Deciphering Data Architectures این است که به شما این امکان را می‌دهد که به طور هوشمندانه در مورد مفاهیم و معماری داده صحبت کنید، سپس در هر موردی که به راه‌حلی که می‌سازید مرتبط است، عمیق‌تر بگردید.

هیچ تعریف استانداردی از مفاهیم و معماری داده وجود ندارد. اگر وجود داشت، این کتاب مورد نیاز نبود. ‌امید من این است که تعاریف استانداردی را ارائه کنم که به همه کمک کند تا به یک صفحه بروند تا بحث‌ها آسان‌تر شود. من هیچ توهمی ندارم که تعاریف من به طور جهانی پذیرفته شوند، اما می‌خواهم به همه ما نقطه شروعی برای گفت‌وگو درباره نحوه تنظیم آن تعاریف بدهم.

من کتاب Deciphering Data Architectures را برای هر کسی که علاقه‌مند به دریافت ارزش از داده‌ها است، نوشته‌ام، خواه شما یک توسعه دهنده یا مدیر پایگاه داده، یک معمار داده، یک CTO یا CIO، یا حتی فردی که در نقشی خارج از IT باشد. شما می‌توانید در اوایل کار خود یا یک کهنه سرباز کارکشته باشید. تنها مهارت‌هایی که نیاز دارید آشنایی کمی با داده‌های کارتان و حس کنجکاوی است.

برای خوانندگانی که تجربه کمتری با این موضوعات دارند، مروری بر کلان داده (فصل ۱) و معماری داده (فصل ۲) و همچنین مفاهیم پایه داده (بخش دوم) ارائه می‌کنم. اگر مدتی در بازی داده‌ها بوده‌اید اما نیاز به درک معماری‌های جدید دارید، ممکن است ارزش زیادی در قسمت سوم پیدا کنید، که به جزئیات معماری‌های داده خاص و همچنین در بررسی برخی از اصول اولیه می‌پردازد.

برای شما، این یک خواندن سریع جلد به جلد خواهد بود. به راحتی می‌توانید از بخش‌هایی با مطالبی که قبلاً به خوبی می‌دانید عبور کنید. همچنین توجه داشته باشید که اگرچه تمرکز بر روی داده‌های بزرگ است، مفاهیم و معماری‌ها حتی اگر داده‌های \”کوچک\” داشته باشید نیز اعمال می‌شوند.

کتاب Deciphering Data Architectures، یک کتاب بی‌نقص نیست. شما باید بتوانید معماری‌ها و مفاهیمی را که در اینجا یاد می‌گیرید با هر ارائه دهنده ابری اعمال کنید. همچنین در اینجا متذکر می‌شوم که من در مایکرؤسافت استخدام شده‌ام. با این حال، نظراتی که در اینجا بیان می‌شود، تنها من هستند و نظرات کارفرمای من را منعکس نمی‌کنند.

من کتاب Deciphering Data Architectures را نوشتم زیرا کنجکاوی ذاتی دارم که مرا به درک و سپس به اشتراک گذاشتن مطالب به روشی که همه می‌توانند درک کنند سوق می‌دهد. این کتاب نقطه اوج کار زندگی من است. ‌امیدوارم برای شما ارزشمند باشد.

سرفصل‌های کتاب Deciphering Data Architectures:

• Foreword
• Preface
• I. Foundation
  • 1. Big Data
  • 2. Types of Data Architectures
  • 3. The Architecture Design Session
• II. Common Data Architecture Concepts
  • 4. The Relational Data Warehouse
  • 5. Data Lake
  • 6. Data Storage Solutions and Processes
  • 7. Approaches to Design
  • 8. Approaches to Data Modeling
  • 9. Approaches to Data Ingestion
• III. Data Architectures
  • 10. The Modern Data Warehouse
  • 11. Data Fabric
  • 12. Data Lakehouse
  • 13. Data Mesh Foundation
  • 14. Should You Adopt Data Mesh? Myths, Concerns, and the Future
• IV. People, Processes, and Technology
  • 15. People and Processes
  • 16. Technologies
• Index

About the Author

جهت دانلود کتاب Deciphering Data Architectures می‌توانید پس از پرداخت، دریافت کنید.