Model Online/Fiziksel
Süre
Modüller 5 modül

Eğitimin Amacı ve Kapsamı

MongoDB'yi ilişkisel veri tabanı gibi kullanıp her varlığı ayrı koleksiyona bölmek ve sürekli $lookup çalıştırmak, belge tabanlı (document) mimarinin tüm performans avantajını ortadan kaldırır. Öte yandan sınırsız büyüyen dizileri tek belgeye gömmek de 16 MB BSON sınırına ve yazma darboğazlarına çarpar. Bu eğitim, erişim desenlerine göre doğru MongoDB şeması kurmayı ve yüksek performanslı sorgular yazmayı öğretir.

Eğitimde BSON veri tipleri, Embedding vs Referencing karar kriterleri, MongoDB şema tasarım kalıpları (Subset, Bucket, Computed, Polymorphic, Outlier), çok aşamalı Aggregation Pipeline, ESR (Equality, Sort, Range) kuralıyla indeks tasarımı ve explain() analizi, çok belgeli ACID işlemler, Change Streams, Replica Set (Write/Read Concern) ve Sharding/Shard Key seçimi uygulamalı olarak işlenir.

Kimler Katılmalı?

  • MongoDB veya MongoDB Atlas kullanan backend ve full-stack yazılım geliştiricileri
  • Esnek şemalı katalog, içerik, IoT veya olay verisi modelleyen veri ve yazılım mimarları
  • MongoDB kümelerinin performansından ve ölçeklenmesinden sorumlu DBA ve DevOps mühendisleri
  • Ön koşul: temel veri tabanı kavramları ve JSON/programlama aşinalığı

Kazanımlar

  • Uygulamanın okuma/yazma oranına göre gömülü (embedded) ve referanslı belge yapısını doğru kurgulamak
  • Aggregation Pipeline aşamalarıyla ($match, $group, $lookup, $facet, $setWindowFields) karmaşık raporlar üretmek
  • ESR (Equality, Sort, Range) kuralına göre bileşik (compound), multikey ve partial indeksler oluşturmak
  • Read Concern, Write Concern ve çok belgeli ACID işlemleri veri tutarlılığı ihtiyacına göre ayarlamak
  • Replica Set failover davranışını yönetmek ve yatay ölçekleme için doğru Shard Key seçmek

Konular

MongoDB Mimarisi, BSON ve CRUD Operasyonları
  • WiredTiger depolama motoru, bellek önbelleği, sıkıştırma ve BSON veri tipleri (ObjectId, Decimal128, Date)
  • Gelişmiş sorgu operatörleri, dizi güncellemeleri ($push, $addToSet, $pull, arrayFilters) ve atomik findOneAndUpdate
  • JSON Schema Validation ile koleksiyon seviyesinde şema kuralları zorunlu kılma
Belge Tabanlı Veri Modelleme Kalıpları
  • İlişkisel normalizasyondan erişim odaklı (workload-driven) modellemeye geçiş: Embedding vs Referencing
  • 1-N ve N-M ilişkiler, sınırsız büyüyen dizi (unbounded array) anti-pattern'i
  • Polymorphic, Attribute, Bucket, Outlier, Computed ve Extended Reference tasarım kalıpları
Aggregation Framework ile Veri İşleme ve Analitik
  • Pipeline aşamaları: $match, $project, $unwind, $group, $sort, $limit ve pipeline optimizasyonu
  • $lookup ile koleksiyon birleştirme, $facet ile çok boyutlu arama/filtreleme ve $setWindowFields
  • $merge ve $out ile önceden hesaplanmış (materialized) özet koleksiyonlar üretme
İndeks Stratejileri, ESR Kuralı ve Sorgu Performansı
  • Single-field, Compound, Multikey (dizi), Wildcard, TTL ve Partial indeksler
  • Bileşik indekslerde ESR (Equality, Sort, Range) sıralama kuralı ve Covered Queries
  • explain('executionStats') ile COLLSCAN, IXSCAN, totalKeysExamined vs nReturned analizi
ACID İşlemler, Change Streams, Replica Set ve Sharding
  • Çok belgeli ACID Transactions, Write Concern (w: majority), Read Concern ve Read Preference
  • Change Streams ile olay güdümlü (event-driven) uygulama entegrasyonu
  • Replica Set yüksek erişilebilirliği, Sharding mimarisi (Config Server, mongos) ve Shard Key seçim kriterleri

Bu Kategorideki Diğer Eğitimler

  • Redis ile Önbellekleme ve Bellek İçi Veri Yapıları

    Redis veri yapıları (String, Hash, List, Set, Sorted Set, Stream, HyperLogLog), önbellek desenleri (cache-aside, stampede önleme), dağıtık kilitler, rate limiting, Lua/pipelining, RDB/AOF kalıcılık ve Redis Cluster.

    Veri Tabanı Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Apache Cassandra ile Dağıtık NoSQL Veri Tabanları

    Masterless halka (ring) mimarisi, consistent hashing, ayarlanabilir tutarlılık (LOCAL_QUORUM), LSM-Tree/SSTable depolama motoru, sorgu odaklı CQL veri modelleme ve küme operasyonları; yüksek yazma hacimli sistemler için.

    Veri Tabanı Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Elasticsearch ve OpenSearch ile Arama ve Analitik

    Inverted index ve Lucene mimarisi, metin analizi (tokenizer/filter), mapping tasarımı, Query DSL ve BM25 alaka düzeyi (relevance tuning), Aggregations, hibrit/vektör arama ve ILM/ISM ile küme yönetimi.

    Veri Tabanı Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Neo4j ile Graf Veri Tabanları ve Cypher

    Labeled Property Graph modelleme, Cypher sorgu dili ve değişken uzunluklu yol gezintileri, index-free adjacency, PROFILE/EXPLAIN optimizasyonu, Graph Data Science (PageRank, Louvain) ve Knowledge Graph/GraphRAG uygulamaları.

    Veri Tabanı Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Time-Series Databases (Zaman Serisi Veri Tabanları)

    Zaman serisi veri modelleme, yüksek kardinalite (high cardinality) yönetimi, TimescaleDB (hypertable, continuous aggregates, sıkıştırma) ve InfluxDB/VictoriaMetrics, downsampling ve saklama (retention) politikaları.

    Veri Tabanı Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Vector Databases (Vektör Veri Tabanları) Mimarisi ve Arama

    Yoğun ve seyrek (dense/sparse) embedding vektörleri, uzaklık metrikleri, ANN indeks algoritmaları (HNSW, IVF, DiskANN), kuantizasyon (PQ, Scalar, Binary), metadata filtreleme, hibrit arama ve recall/gecikme kıyaslaması.

    Veri Tabanı Kurumsal
    Canlı Kurs
    5 modül
    İncele

Bizimle iletişime geçin