Plan du cours
Introduction à PostgresAI
- Comprendre l'architecture et les composants de PostgresAI
- Concepts clés : clonage, instantanés et environnements sandbox
- Scénarios d'adoption en entreprise et retour sur investissement (ROI)
Installation et configuration de PostgresAI
- Déploiement de PostgresAI dans des environnements Docker et Kubernetes
- Intégration avec PostgreSQL et les backend de stockage externes
- Authentification et gestion des accès
Clonage des bases de données et expérimentation
- Création de clones de bases de données instantanés via le provisionnement fin
- Test des modifications de schéma en toute sécurité avec des environnements éphémères
- Accélération des pipelines CI/CD avec les clones PostgresAI
Surveillance et observabilité
- Utilisation des tableaux de bord PostgresAI pour obtenir des indications sur les performances
- Surveillance de la santé des clones et de l'exécution des requêtes
- Intégration avec Grafana, Prometheus et ELK
Optimisation des requêtes pilotée par l'IA
- Exploitation des recommandations basées sur l'IA pour améliorer les requêtes
- Analyse des plans de requête et des modèles d'exécution
- Optimisation continue à l'aide de boucles de rétroaction
Gouvernance des données et sécurité
- Gestion du masquage et de l'anonymisation des données
- Assurer la conformité dans les environnements clonés
- Journalisation des audits et contrôles d'accès basés sur les rôles
Intégration de PostgresAI aux flux de travail d'entreprise
- Intégration CI/CD avec Jenkins, GitLab CI ou GitHub Actions
- Pipelines de test automatisés pour les modifications SQL et de schéma
- Meilleures pratiques pour la collaboration en équipe et le partage d'environnements
Mise à l'échelle des opérations PostgresAI
- Gestion de grands ensembles de données et de clusters multi-nœuds
- Optimisation des performances du provisionnement des clones
- Planification de la capacité et gestion des coûts
Résumé et prochaines étapes
Pré requis
- Une compréhension de l'administration des bases de données PostgreSQL
- Une expérience avec des environnements de serveurs Linux
- Une familiarité avec les workflows de déploiement conteneurisés ou virtualisés
Audience
- Administrateurs de bases de données
- Ingénieurs DevOps et SRE
- Architectes d'infrastructure de données
Nos clients témoignent (2)
Stratégies de réglage.
Jeffrey Zieg - Matrix Consulting
Formation - PostgreSQL Performance Tuning
Traduction automatique
Comportement de journalisation lorsque l'instance est sous charge élevée, ainsi que la hiérarchie et la nomenclature des instances, bases de données, fichiers, etc.
Daniel Inwood - Sinara Consultants LTD
Formation - PostgreSQL Advanced DBA
Traduction automatique