ما در آیتی هلو از شهریور ۱۴۰۲ کارمون رو با عشق به کتاب و یادگیری شروع کردیم. تخصص ما چاپ کتابهای تخصصی به زبان اصلیه و با استفاده از تکنولوژیهای روز و مواد اولیه باکیفیت، مطمئن میشیم که هر کتاب از نظر ظاهر و محتوا در بهترین سطح قرار بگیره.
هدفمون اینه که دسترسی به منابع علمی و آموزشی معتبر رو برای همه سادهتر کنیم و در این مسیر، همراه و همکار خوبی برای شما باشیم.
Design smarter, scalable data systems with search and vector workflows using C# and .NET
برنامههای مدرن دیگر فقط برای ذخیره، بازیابی و نمایش دادهها ساخته نمیشوند. کاربران انتظار دارند بتوانند سؤالهای پیچیدهتری مطرح کنند، نتایج مرتبط را با سرعت بالا دریافت کنند، سیستم بتواند منظور و نیاز آنها را بهتر تشخیص دهد و حتی قابلیتهای مبتنی بر هوش مصنوعی را در اختیارشان قرار دهد.
در چنین شرایطی، توسعه دهندگان دیگر نمیتوانند معماری برنامه را فقط بر اساس عملیات ساده ایجاد، خواندن، ویرایش و حذف دادهها طراحی کنند. برنامههای امروزی به قابلیتهایی مانند پردازش و شکل دهی داده، رتبه بندی نتایج، جستجوی متنی، درک معنایی، بازیابی برداری و یکپارچه سازی قابلیتهای هوشمند با معماری نرم افزار نیاز دارند.
این کتاب با ترکیب MongoDB و داتنت، رویکردی عملی برای ساخت چنین برنامههایی ارائه میدهد. خواننده در طول کتاب یک برنامه واقعی و در حال توسعه با نام Leafy Library را ایجاد و مرحله به مرحله تکمیل میکند؛ برنامهای که با استفاده از آن مفاهیم پردازش داده، جستجو و بازیابی معنایی در یک محیط کاربردی بررسی میشوند.
هدف کتاب این است که خواننده را از مرحله «برنامه کار میکند» به مرحله «برنامه در شرایط واقعی نیز به شکل مناسب و قابل اتکا کار میکند» برساند.
در برنامههای سنتی، بخش قابل توجهی از منطق داده معمولاً به عملیات CRUD محدود میشود. اما زمانی که حجم دادهها افزایش پیدا میکند و نیازهای کاربران پیچیدهتر میشوند، این رویکرد دیگر کافی نیست.
کاربر ممکن است به جای جستجوی دقیق یک عنوان، مفهوم یا موضوع مورد نظر خود را توصیف کند. همچنین ممکن است بخواهد نتایج بر اساس میزان ارتباط رتبه بندی شوند، پیشنهادهای مرتبط دریافت کند یا بتواند نتایج را بر اساس دسته بندیهای مختلف محدود کند.
در چنین برنامهای باید بتوانیم دادهها را:
فیلتر کنیم
تغییر شکل دهیم
محاسبه و ترکیب کنیم
بر اساس ارتباط رتبه بندی کنیم
جستجوی متنی روی آنها انجام دهیم
پیشنهادهای تکمیل خودکار ارائه کنیم
بر اساس ویژگیهای مختلف دسته بندی کنیم
از نظر معنایی مقایسه کنیم
با استفاده از بردارها بازیابی کنیم
این کتاب دقیقاً بر همین مرحله بعد از CRUD تمرکز دارد.
MongoDB یک پایگاه داده سندگراست که به دلیل انعطاف پذیری مدل داده و قابلیتهای پردازشی خود، در بسیاری از برنامههای مدرن مورد استفاده قرار میگیرد.
اما استفاده حرفهای از MongoDB صرفاً به ذخیره اسناد و اجرای پرس و جوهای ساده محدود نمیشود.
یکی از قابلیتهای مهمی که کتاب به شکل جدی بررسی میکند، چارچوب تجمیع یا Aggregation Framework است.
با استفاده از این چارچوب میتوان دادهها را مستقیماً در پایگاه داده پردازش کرد و نتایج مناسب را برای برنامه تولید کرد.
در بخش ابتدایی کتاب، خواننده با مفاهیم اصلی تجمیع دادهها آشنا میشود.
خط لولههای تجمیع از مجموعهای از مراحل تشکیل میشوند و هر مرحله میتواند بخشی از عملیات پردازش داده را انجام دهد.
برای مثال میتوان دادهها را:
فیلتر کرد
تغییر شکل داد
محاسبات روی آنها انجام داد
گروه بندی کرد
مرتب کرد
برای نمایش در برنامه آماده کرد
پردازش داده در سطح پایگاه داده میتواند از انتقال غیرضروری حجم زیادی از داده به لایه برنامه جلوگیری کند و معماری کارآمدتری ایجاد کند.
پس از بررسی مبانی، کتاب این قابلیتها را وارد برنامه نمونه Leafy Library میکند.
در این مرحله، خواننده با نحوه استفاده عملی از درایور MongoDB برای سیشارپ آشنا میشود و یاد میگیرد چگونه عملیات تجمیع را در لایه سرویس برنامه پیاده سازی کند.
سپس نتایج پردازش داده به رابط کاربری برنامه متصل میشوند.
این روش باعث میشود مطالب کتاب تنها به مثالهای مستقل محدود نباشند.
هر مفهوم در قالب بخشی از یک برنامه واقعی توسعه پیدا میکند.
وقتی حجم داده و پیچیدگی برنامه افزایش پیدا میکند، فقط درست بودن نتیجه کافی نیست.
خط لولههای تجمیع باید از نظر:
عملکرد
خوانایی
نگهداری
پیچیدگی
قابلیت توسعه
نیز بررسی شوند.
کتاب بخشی مستقل را به بهترین روشهای طراحی خط لولههای تجمیع MongoDB اختصاص میدهد.
در این بخش، تصمیمهای معماری و طراحی بررسی میشوند تا توسعه دهنده بتواند از ایجاد خط لولههای پیچیده و ناکارآمد در پروژههای واقعی جلوگیری کند.
مرحله بعدی کتاب به یکی از نیازهای مهم برنامههای مدرن یعنی جستجو اختصاص دارد.
جستجوی ساده در پایگاه داده برای بسیاری از کاربردها کافی نیست.
در یک برنامه واقعی، کاربر انتظار دارد هنگام جستجو نتایج مرتبط دریافت کند و سیستم بتواند تفاوت میان عبارتهای مختلف، شکلهای متفاوت کلمات و میزان ارتباط نتایج را مدیریت کند.
کتاب با معرفی قابلیتهای MongoDB Search، مفاهیم لازم برای ایجاد چنین سیستمهایی را بررسی میکند.
یکی از موضوعات مهم در جستجو، نحوه آماده سازی دادهها برای جستجوی مؤثر است.
کتاب مفاهیمی مانند:
نمایههای جستجو
نگاشت دادهها
تحلیلگرهای متن
پردازش عبارتهای جستجو
ارتباط میان داده و نتیجه جستجو
را بررسی میکند.
کیفیت نتایج جستجو تنها به پرس و جوی نوشته شده توسط برنامه نویس وابسته نیست؛ ساختار نمایه و نحوه تحلیل دادهها نیز نقش مهمی دارد.
در ادامه، قابلیت جستجوی متنی وارد برنامه Leafy Library میشود.
کاربر میتواند بر اساس اطلاعات موجود در مجموعه دادهها جستجو کند و برنامه نتایج مناسب را نمایش دهد.
این بخش نشان میدهد چگونه میتوان قابلیتهای MongoDB Search را از سطح پایگاه داده به یک ویژگی واقعی در برنامه داتنت تبدیل کرد.
یکی از ویژگیهای مهم تجربه کاربری در برنامههای جستجو، تکمیل خودکار است.
وقتی کاربر شروع به وارد کردن عبارت میکند، سیستم میتواند پیشنهادهای مرتبط را نمایش دهد.
این قابلیت باعث میشود:
جستجو سریعتر انجام شود.
کاربر نیاز به وارد کردن عبارت کامل نداشته باشد.
احتمال خطا کاهش پیدا کند.
تجربه کاربری بهبود پیدا کند.
کتاب نحوه اضافه کردن این قابلیت به برنامه نمونه را با استفاده از درایور سیشارپ MongoDB بررسی میکند.
جستجو در برنامههای مدرن فقط نمایش یک فهرست از نتایج نیست.
کاربر ممکن است بخواهد نتایج را بر اساس ویژگیهای مختلف محدود کند.
برای مثال میتوان نتایج را بر اساس:
دسته بندی
ویژگیهای داده
نوع محتوا
معیارهای مختلف
فیلتر کرد.
قابلیت Facets یا دسته بندی چندبعدی نتایج امکان ایجاد چنین تجربهای را فراهم میکند.
پس از پیاده سازی قابلیتهای جستجو، کتاب به سراغ بهترین روشهای استفاده از آنها در محیطهای واقعی میرود.
در یک سیستم تولیدی، باید بین کیفیت نتایج، سرعت پاسخ و منابع مورد استفاده تعادل ایجاد شود.
بنابراین مواردی مانند:
طراحی نمایهها
طراحی پرس و جو
ارتباط نتایج
سرعت پاسخ
مقیاس پذیری
اهمیت پیدا میکنند.
جستجوی خوب فقط جستجویی نیست که نتیجه برگرداند؛ باید نتیجه مناسب را با سرعت مناسب برگرداند.
یکی از مهمترین بخشهای کتاب، معرفی جستجوی معنایی و جستجوی برداری است.
جستجوی سنتی عمدتاً بر تطبیق کلمات و عبارتها تکیه دارد، اما جستجوی معنایی تلاش میکند مفهوم موجود در داده و پرسش کاربر را نیز در نظر بگیرد.
برای مثال ممکن است دو عبارت از نظر واژگان کاملاً متفاوت باشند اما مفهوم مشابهی داشته باشند.
در چنین شرایطی، تطبیق ساده کلمات همیشه نتیجه مناسبی ارائه نمیدهد.
جستجوی معنایی به جای تمرکز صرف بر کلمات، به شباهت مفهومی میان دادهها و پرسش توجه میکند.
برای پیاده سازی جستجوی معنایی، دادهها میتوانند به نمایشهای عددی یا بردارهای معنایی تبدیل شوند.
این بردارها اطلاعاتی درباره معنای داده در فضای عددی ذخیره میکنند.
سپس سیستم میتواند میزان شباهت میان بردار مربوط به پرسش کاربر و بردارهای موجود در پایگاه داده را محاسبه کند.
به این ترتیب، میتوان دادههایی را پیدا کرد که از نظر معنا به درخواست کاربر نزدیک هستند، حتی اگر واژههای دقیق یکسان نباشند.
پس از معرفی مفهوم بردارها و جستجوی معنایی، کتاب به سراغ نمایههای برداری میرود.
این نمایهها برای جستجوی کارآمد در دادههای برداری مورد استفاده قرار میگیرند و یکی از اجزای اصلی معماری برنامههای مبتنی بر بازیابی معنایی هستند.
خواننده با روند ایجاد و استفاده از چنین نمایههایی آشنا میشود و سپس آنها را در برنامه نمونه به کار میگیرد.
یکی از نقاط قوت کتاب این است که جستجوی برداری صرفاً به صورت نظری بررسی نمیشود.
در برنامه Leafy Library، قابلیت جستجوی معنایی به شکل سرتاسری پیاده سازی میشود.
این فرایند بخشهایی مانند:
تغییر مدل داده
ایجاد نمایشهای برداری
آماده سازی داده
ایجاد نمایه برداری
اجرای بازیابی
اتصال نتایج به برنامه
را شامل میشود.
به این ترتیب خواننده میبیند که جستجوی معنایی چگونه از یک مفهوم هوش مصنوعی به یک قابلیت واقعی در یک برنامه داتنت تبدیل میشود.
جستجوی معنایی قابلیتهای قدرتمندی ایجاد میکند، اما استفاده از آن بدون توجه به محدودیتهای عملی میتواند مشکل ساز شود.
در یک سامانه واقعی باید میان چند عامل مهم تعادل ایجاد شود:
کیفیت نتایج
سرعت پاسخ
هزینه پردازش
حجم داده
اندازه و کیفیت بردارها
معماری نمایه
کتاب فصل مستقلی را به بهینه سازی جستجوی برداری برای بارهای کاری واقعی اختصاص میدهد.
این موضوع برای توسعه دهندگانی اهمیت زیادی دارد که قصد دارند نمونه اولیه خود را به یک سامانه قابل استفاده در محیط تولید تبدیل کنند.
یکی از محورهای اصلی کتاب، استفاده از داتنت و سیشارپ برای ساخت برنامه است.
خواننده با نحوه استفاده عملی از درایور MongoDB برای سیشارپ آشنا میشود و یاد میگیرد قابلیتهای مختلف پایگاه داده را در لایههای مختلف برنامه قرار دهد.
این رویکرد برای توسعه دهندگانی که از اکوسیستم داتنت استفاده میکنند بسیار کاربردی است؛ زیرا مفاهیم MongoDB مستقیماً در قالب کد و معماری یک برنامه داتنت بررسی میشوند.
در سراسر کتاب، برنامه Leafy Library به عنوان پروژه محوری مورد استفاده قرار میگیرد.
این برنامه با فناوری Blazor Server ساخته شده و به تدریج قابلیتهای جدید به آن اضافه میشوند.
مسیر توسعه برنامه به صورت مرحلهای پیش میرود:
پردازش داده با چارچوب تجمیع
اتصال تجمیع به برنامه
بهینه سازی خط لولههای تجمیع
اضافه کردن جستجوی متنی
تکمیل خودکار
دسته بندی و فیلتر نتایج
جستجوی معنایی
جستجوی برداری
بهینه سازی عملکرد
بررسی ملاحظات محیط تولید
این ساختار باعث میشود خواننده همزمان با یادگیری هر قابلیت، کاربرد واقعی آن را نیز مشاهده کند.
بخش پایانی کتاب به توضیح عمیقتر برنامه Leafy Library اختصاص دارد.
در این بخش، معماری برنامه و نیازمندیهای لازم برای اجرای آن بررسی میشوند.
این بخش میتواند برای خوانندگانی که میخواهند نمونه کتاب را در محیط توسعه خود اجرا و بررسی کنند، اهمیت زیادی داشته باشد.
اگر با برنامه نویسی سیشارپ و داتنت آشنا هستید و میخواهید استفاده حرفهایتری از MongoDB داشته باشید، این کتاب مسیر مناسبی برای ورود به قابلیتهای پیشرفتهتر پایگاه داده فراهم میکند.
افرادی که تجربه کار با مدل اسنادی MongoDB و عملیات CRUD را دارند اما میخواهند به سمت تجمیع، جستجوی پیشرفته و بازیابی معنایی حرکت کنند، مخاطب اصلی کتاب هستند.
اگر در حال ساخت داشبوردهای تحلیلی، سامانههای جستجو، برنامههای مبتنی بر ارتباط نتایج یا سیستمهای توصیه گر هستید، مفاهیم کتاب میتوانند در طراحی معماری برنامه کاربرد داشته باشند.
جستجوی برداری و بازیابی معنایی از اجزای مهم بسیاری از برنامههای جدید مبتنی بر هوش مصنوعی هستند.
این کتاب کمک میکند توسعه دهنده این قابلیتها را به جای یک مفهوم جداگانه، در قالب بخشی از یک برنامه واقعی درک کند.
این کتاب برای افرادی طراحی شده که با مبانی سیشارپ و توسعه برنامههای داتنت آشنا هستند.
همچنین انتظار میرود خواننده دانش پایهای از MongoDB داشته باشد؛ از جمله:
مدل اسنادی
عملیات CRUD
پرس و جوهای رایج MongoDB
آشنایی با اجرای برنامههای داتنت و اشکال زدایی آنها نیز ضروری است.
برای بخشهای عملی کتاب، به یک خوشه MongoDB و کیت توسعه نرم افزار داتنت نیاز خواهد بود.
معرفی مبانی تجمیع و بررسی نحوه فیلتر کردن، تغییر شکل و محاسبه دادهها در MongoDB.
پیاده سازی تجمیع در Leafy Library و اتصال آن به لایه سرویس و رابط کاربری.
بررسی تصمیمهای طراحی برای افزایش عملکرد، خوانایی و قابلیت نگهداری.
معرفی جستجوی MongoDB، نگاشتها، تحلیلگرها و سازوکار ارتباط نتایج.
پیاده سازی جستجوی کلیدواژهای، تکمیل خودکار و دسته بندی نتایج در برنامه.
بررسی روشهای بهینه سازی نمایهها و پرس و جوها برای رسیدن به عملکرد و ارتباط بهتر.
معرفی جستجوی معنایی، نمایشهای برداری، نمایههای برداری و روشهای جدید تولید نمایشهای معنایی.
پیاده سازی کامل جستجوی برداری از تغییر مدل داده تا فرایند بازیابی.
بررسی کیفیت، تأخیر و هزینه و ارائه راهکارهای عملی برای بهینه سازی جستجوی برداری.
جمع بندی مفاهیم اصلی و ارائه مسیر پیشنهادی برای ادامه توسعه و پیاده سازی.
بررسی عمیق برنامه نمونه Leafy Library، معماری آن و نیازمندیهای لازم برای اجرای برنامه.
MongoDB و .NET دیگر فقط ابزارهایی برای ساخت برنامههای مبتنی بر CRUD نیستند. ترکیب قابلیتهای پردازش داده، جستجوی متنی و جستجوی برداری میتواند پایهای برای ساخت برنامههای مدرن، داده محور و مجهز به قابلیتهای هوشمند فراهم کند.
این کتاب دقیقاً روی همین مسیر تمرکز دارد و خواننده را از Aggregation به MongoDB Search و سپس به Vector Search و جستجوی معنایی میرساند.
در طول این مسیر، تمام مفاهیم در قالب برنامه واقعی Leafy Library و با استفاده از سیشارپ، داتنت، Blazor Server و درایور MongoDB بررسی میشوند.
مزیت مهم کتاب این است که صرفاً بر معرفی قابلیتها تمرکز نمیکند؛ بلکه به مسائل مهم محیط واقعی مانند عملکرد، کیفیت نتایج، قابلیت نگهداری، تأخیر، هزینه و معماری مناسب نیز توجه دارد.
اگر با MongoDB و داتنت آشنا هستید و میخواهید از سطح عملیات ساده داده فراتر بروید و برنامههایی با جستجوی پیشرفته، رتبه بندی نتایج، بازیابی معنایی و قابلیتهای هوشمند مبتنی بر داده بسازید، این کتاب میتواند مسیر مناسبی برای ارتقای مهارتهای شما باشد.
نمونه چاپ کتاب موجود نیست.
نظرات کاربران (0)