مطالعه موردی: تجسم داده های پیچیده میکروسرویس با استفاده از پایتون

مدرس Kathryn Hodge

انتشار 2023/07/17

مدت زمان 1h 25m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Case Study: Visualize Complex Microservice Data Using Python

به‌عنوان یک مهندس نرم‌افزار، وظایف روزانه شما می‌تواند مانند یک لیست بی‌پایان به نظر برسد، بنابراین پیدا کردن زمان برای توسعه مهارت‌های جدید برای رشد و پیشرفت شغلی‌تان اغلب دشوار است. چگونه در سازمان خود تأثیر می گذارید و در عین حال کار اصلی خود را نیز تکمیل می کنید؟ در این دوره، کاترین هاج شما را طی فرآیند ارائه یک ایده برای یک ابتکار، برنامه ریزی آن و سپس اجرای راه حل با تیم خود راهنمایی می کند. کاترین اصول اولیه میکروسرویس ها را پوشش می دهد و به شما نشان می دهد که چگونه مشکلات را هنگام ساخت و استفاده از میکروسرویس ها شناسایی و حل کنید. او شما را با PlantUML آشنا می کند، یک ابزار منبع باز که به شما کمک می کند به سرعت نمودارهای توالی، نمودارهای کلاس، نمودارهای مؤلفه و موارد دیگر را ایجاد کنید. او توضیح می دهد که چگونه برای توسعه یک ابتکار حل مسئله برنامه ریزی کنید - و چگونه آن را به تیم خود بفروشید. سپس کاترین به شما نشان می دهد که چگونه یک اسکریپت پایتون بسازید تا داده ها را به کد PlantUML تبدیل کنید، چگونه کد خود را بررسی و اصلاح کنید، و چگونه ابتکار عمل خود را برای تیم خود نمایش دهید.

Microservices Python (Programming Language)

Introduction

How to make an impact in your organization as an engineer ()

Why use Python to build automation simple tools? ()

Using GitHub Codespaces ()

1. Defining the Problem and Researching a Solution

What are microservices? ()

Disadvantages of the microservice architecture ()

How to solve for the challenges introduced by microservices ()

How to research and find a technology that will help solve technical problems ()

2. Learning PlantUML

What is PlantUML? ()

Experiment with PlantUML ()

How can you work with PlantUML in a maintainable way? ()

How to decide if PlantUML will work for a use case ()

3. Planning for the Development

Create an implementation plan for the initiative ()

How to convince your team to pursue the initiative ()

Divide work into user stories ()

4. Building a Python Script to Convert Data into PlantUML Code

Establish input of the script ()

Establish the output of the script ()

Design implementation for script code ()

Load JSON data from a file ()

Iterate through JSON data and store effectively ()

Write simple PlantUML code to a file ()

Export PlantUML code to a PNG diagram with Python ()

Add data to each node in the PlantUML graph ()

Add edges to the PlantUML graph ()

5. Going Above and Beyond

Review your code for inefficiencies and unnecessary complication ()

Create a README ()

Add live call to generate live graph ()

Prepare a demo for greater organization ()

Conclusion

Contributing to your engineering organization ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش مطالعه موردی: تجسم داده های پیچیده میکروسرویس با استفاده از پایتون

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Case Study: Visualize Complex Microservice Data Using Python در 2 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

درک خود را از Python عمیق تر کنید و حرفه خود را به سطح بعدی ببرید! در این مسیر یادگیری، به جنبه‌های پیچیده‌تر پایتون بپردازید و یاد بگیرید که چگونه این مهارت‌های جدید را در پروژه‌های خود به کار ببرید.

آموزش مطالعه موردی: تجسم داده های پیچیده میکروسرویس با استفاده از پایتون ، ایستگاه شماره 10 در مسیر یادگیری به مهارت های پایتون خود مسلط شوید ، است.

مسیر یادگیری به مهارت های پایتون خود مسلط شوید

تمرین کامل می کند! اگر پیشرفته هستید یا به تازگی اولین دوره پایتون خود را به پایان رسانده اید، وقت آن است که عضلات برنامه نویسی را منعطف کنید و آنچه را که یاد گرفته اید تمرین کنید. این مسیر یادگیری چالش ها و پروژه های هدایت شده را در اختیار شما قرار می دهد تا بتوانید به توسعه مهارت های خود به عنوان یک برنامه نویس پایتون ادامه دهید.

آموزش مطالعه موردی: تجسم داده های پیچیده میکروسرویس با استفاده از پایتون ، ایستگاه شماره 13 در مسیر یادگیری تمرین دستی پایتون ، است.