AWS Glue Studio اکنون با AWS Glue Data Brew. AWS Glue Studio یک رابط گرافیکی است که ایجاد، اجرا، و نظارت بر استخراج، تبدیل و بارگذاری (ETL) کارها را آسان می کند. چسب AWS. DataBrew یک ابزار آماده سازی داده های بصری است که به شما امکان می دهد بدون نوشتن هیچ کدی، داده ها را تمیز و عادی سازی کنید. بیش از 200 تغییری که ارائه می دهد اکنون برای استفاده در یک کار بصری AWS Glue Studio در دسترس است.
در DataBrew، a دستور العمل مجموعه ای از مراحل تبدیل داده است که می توانید به صورت تعاملی در رابط بصری بصری آن بنویسید. در این پست، نحوه استفاده از build a recipe در DataBrew و سپس اعمال آن را به عنوان بخشی از AWS Glue Studio ویژوال ETL خواهید دید.
کاربران موجود DataBrew نیز از این ادغام بهره خواهند برد—هم اکنون می توانید دستور العمل های خود را به عنوان بخشی از یک گردش کار بصری بزرگتر با سایر مؤلفه های AWS Glue Studio اجرا کنید، علاوه بر این می توانید از تنظیمات پیشرفته کار و آخرین نسخه موتور AWS Glue استفاده کنید. .
این ادغام مزایای مشخصی را برای کاربران موجود هر دو ابزار به ارمغان می آورد:
- شما یک نمای متمرکز در AWS Glue Studio از نمودار کلی ETL، از انتها به انتها دارید.
- شما می توانید به صورت تعاملی یک دستور را تعریف کنید، مقادیر، آمار و توزیع را در کنسول DataBrew مشاهده کنید، سپس از منطق پردازش آزمایش شده و نسخه شده در کارهای بصری AWS Glue Studio استفاده مجدد کنید.
- شما می توانید چندین دستور العمل DataBrew را در یک کار AWS Glue ETL یا حتی چندین کار با استفاده از گردش کار AWS Glue هماهنگ کنید.
- دستور العمل های DataBrew اکنون می توانند از ویژگی های AWS Glue مانند نشانک ها برای پردازش تدریجی داده ها، تکرار خودکار، مقیاس خودکار یا گروه بندی فایل های کوچک برای کارایی بیشتر استفاده کنند.
بررسی اجمالی راه حل
در مورد استفاده ساختگی ما، لازم است یک مجموعه داده ادعاهای پزشکی مصنوعی ایجاد شده برای این پست را پاکسازی کنیم، که برخی از مسائل مربوط به کیفیت داده را عمداً برای نشان دادن قابلیت های DataBrew در آماده سازی داده ها معرفی کرده است. سپس دادههای ادعاها پس از غنیسازی آن با برخی جزئیات مرتبط در مورد ارائهدهندگان پزشکی مربوطه که از منبعی جداگانه میآیند، در کاتالوگ وارد میشوند (بنابراین برای تحلیلگران قابل مشاهده است).
راه حل شامل یک کار بصری AWS Glue Studio است که به ترتیب دو فایل CSV را با ادعاها و ارائه دهندگان می خواند. این کار دستور اولین مورد را برای رسیدگی به مشکلات کیفیت، انتخاب ستونها از دومی، پیوستن به هر دو مجموعه داده، و در نهایت ذخیره نتیجه در سرویس ذخیره سازی ساده آمازون (Amazon S3)، ایجاد یک جدول در کاتالوگ به طوری که داده های خروجی را می توان توسط ابزارهای دیگری مانند آمازون آتنا.
یک دستور پخت DataBrew ایجاد کنید
با ثبت فروشگاه داده برای پرونده ادعاها شروع کنید. این به شما این امکان را می دهد که دستور العمل را در ویرایشگر تعاملی آن با استفاده از داده های واقعی بسازید تا بتوانید نتیجه تبدیل ها را همانطور که آنها را تعریف می کنید ارزیابی کنید.
- فایل CSV ادعاها را با استفاده از لینک زیر دانلود کنید: alabama_claims_data_Jun2023.csv.
- در کنسول DataBrew، را انتخاب کنید مجموعه داده ها در صفحه پیمایش، سپس انتخاب کنید اتصال مجموعه داده جدید.
- گزینه را انتخاب کنید بارگذاری پرونده.
- برای نام مجموعه داده، وارد
Alabama claims
. - برای فایلی را برای آپلود انتخاب کنید، فایلی را که به تازگی در رایانه خود دانلود کرده اید انتخاب کنید.
- برای مقصد S3 را وارد کنید، یک سطل را در حساب و منطقه خود وارد کنید یا در آن مرور کنید.
- بقیه گزینه ها را به طور پیش فرض رها کنید (CSV با کاما و با سربرگ جدا شده است) و ایجاد مجموعه داده را کامل کنید.
- را انتخاب کنید پروژه در صفحه پیمایش، سپس انتخاب کنید ایجاد پروژه.
- برای نام پروژه، نام ببرید
ClaimsCleanup
. - تحت جزئیات دستور غذا، برای دستور پخت پیوست، انتخاب کنید دستور العمل جدید ایجاد کنید، نام ببرید
ClaimsCleanup-recipe
، و را انتخاب کنیدAlabama claims
مجموعه داده ای که به تازگی ایجاد کرده اید. - انتخاب یک نقش مناسب برای DataBrew یا یک مورد جدید ایجاد کنید و ایجاد پروژه را تکمیل کنید.
این یک جلسه با استفاده از یک زیرمجموعه قابل تنظیم از داده ها ایجاد می کند. پس از اینکه جلسه را مقدار دهی اولیه کرد، می توانید متوجه شوید که برخی از سلول ها دارای مقادیر نامعتبر یا گم شده اند.
علاوه بر مقادیر گم شده در ستون ها کد تشخیص, مبلغ ادعاو تاریخ ادعا، برخی از مقادیر در داده ها دارای تعدادی کاراکتر اضافی هستند: کد تشخیص مقادیر گاهی اوقات با پیشوند "کد" (شامل فاصله) و کد رویه مقادیر گاهی اوقات با نقل قول های تک دنبال می شوند.
مبلغ ادعا مقادیر به احتمال زیاد برای برخی از محاسبات استفاده خواهند شد، بنابراین به عدد و اطلاعات ادعایی باید به نوع تاریخ تبدیل شود.
اکنون که مسائل مربوط به کیفیت داده ها را شناسایی کردیم، باید تصمیم بگیریم که چگونه با هر مورد برخورد کنیم.
چندین روش وجود دارد که می توانید مراحل دستور غذا را اضافه کنید، از جمله استفاده از منوی زمینه ستون، نوار ابزار در بالا، یا از خلاصه دستور غذا. با استفاده از روش آخر، می توانید نوع مرحله مشخص شده را برای تکرار دستور تهیه شده در این پست جستجو کنید.
مبلغ ادعا برای این مورد استفاده ضروری است و تصمیم بر حذف چنین ردیف هایی است.
- مرحله را اضافه کنید مقادیر از دست رفته را حذف کنید.
- برای ستون منبع، انتخاب کنید مبلغ ادعا.
- عمل پیش فرض را رها کنید سطرهایی را با مقادیر گمشده حذف کنید و انتخاب کنید درخواست برای ذخیره آن
نمای اکنون بهروزرسانی شده است تا برنامه مرحله را منعکس کند و ردیفهایی که مقادیر گمشده دارند دیگر وجود ندارند.
کد تشخیص می تواند خالی باشد، بنابراین این مورد پذیرفته می شود، اما در مورد تاریخ ادعا، می خواهیم یک برآورد منطقی داشته باشیم. ردیفهای موجود در دادهها بر اساس ترتیب زمانی مرتب شدهاند، بنابراین میتوانید تاریخهای گمشده را با استفاده از مقدار معتبر پیشنمایش از ردیفهای قبل نسبت دهید. با فرض اینکه هر روز ادعاهایی دارد، اگر اولین ادعای آن روز باشد که تاریخ را از دست داده است، بزرگترین خطا اختصاص آن به روز پیشنمایش است. برای اهداف تصویری، بیایید آن خطای احتمالی را قابل قبول در نظر بگیریم.
ابتدا ستون را از رشته به نوع تاریخ تبدیل کنید.
- مرحله را اضافه کنید تغییر نوع.
- را انتخاب کنید تاریخ ادعا به عنوان ستون و تاریخ به عنوان نوع، سپس انتخاب کنید درخواست.
- حال برای انجام انتساب تاریخ های گمشده، مرحله را اضافه کنید مقادیر از دست رفته را پر یا تلقی کنید.
- Fill with last valid value را به عنوان عمل انتخاب کنید و انتخاب کنید تاریخ ادعا به عنوان منبع
- را انتخاب کنید تغییرات پیش نمایش برای تایید آن، سپس انتخاب کنید درخواست برای نجات مرحله.
همانطور که در تصویر زیر نشان داده شده است، تا کنون، دستور پخت شما باید سه مرحله داشته باشد.
- بعد، مرحله را اضافه کنید علامت نقل قول را حذف کنید.
- انتخاب کد رویه ستون را انتخاب کنید و انتخاب کنید گیومه های پیشرو و دنباله دار.
- پیش نمایش برای تأیید اینکه اثر مورد نظر را دارد و مرحله جدید را اعمال کنید.
- مرحله را اضافه کنید حذف کاراکترهای خاص.
- انتخاب مبلغ ادعا ستون و برای دقیق تر بودن، انتخاب کنید کاراکترهای خاص سفارشی و وارد شوید
$
برای کاراکترهای خاص سفارشی را وارد کنید. - اضافه کردن تغییر نوع روی ستون قدم بگذار مبلغ ادعا و انتخاب کنید دو برابر به عنوان نوع
- به عنوان آخرین مرحله، برای حذف پیشوند اضافی "کد"، یک را اضافه کنید مقدار یا الگو را جایگزین کنید گام.
- ستون را انتخاب کنید کد تشخیص، و برای مقدار سفارشی را وارد کنید، وارد
code
(با یک فاصله در انتها).
اکنون که تمام مسائل مربوط به کیفیت دادهها را که در نمونه شناسایی شدهاند، حل کردهاید، پروژه را بهعنوان یک دستورالعمل منتشر کنید.
- را انتخاب کنید منتشر کردن در دستور العمل در پنجره، توضیحات اختیاری را وارد کنید و انتشار را تکمیل کنید.
هر بار که منتشر می کنید، نسخه متفاوتی از دستور غذا ایجاد می کند. بعداً میتوانید نسخهای از دستور غذا را انتخاب کنید.
یک کار ETL بصری در AWS Glue Studio ایجاد کنید
بعد، شغلی را ایجاد می کنید که از دستور پخت استفاده می کند. مراحل زیر را کامل کنید:
- در کنسول AWS Glue Studio، را انتخاب کنید ویژوال ETL در صفحه ناوبری
- را انتخاب کنید تصویری با بوم خالی و کار بصری را ایجاد کنید.
- در بالای کار، نام مورد نظر خود را جایگزین «شغل بدون عنوان» کنید.
- بر جزئیات کار تب، نقشی را مشخص کنید که کار از آن استفاده خواهد کرد.
این باید یک هویت AWS و مدیریت دسترسی (من هستم) نقش مناسب برای چسب AWS با مجوزهای Amazon S3 و AWS Glue Data Catalog. توجه داشته باشید که نقشی که قبلاً برای DataBrew استفاده شده بود برای کارهای اجرا شده قابل استفاده نیست، بنابراین در فهرست قرار نخواهد گرفت. نقش IAM منوی کشویی در اینجا
اگر قبلاً فقط از کارهای DataBrew استفاده می کردید، توجه داشته باشید که در AWS Glue Studio، می توانید تنظیمات عملکرد و هزینه را انتخاب کنید، از جمله اندازه کارگر، مقیاس خودکار، و اجرای انعطاف پذیرو همچنین از آخرین زمان اجرا AWS Glue 4.0 استفاده کنید و از بهبود عملکرد قابل توجهی که به ارمغان می آورد بهره مند شوید. برای این کار، می توانید از تنظیمات پیش فرض استفاده کنید، اما تعداد کارگران درخواستی را به نفع صرفه جویی کاهش دهید. برای این مثال، دو کارگر انجام خواهند داد. - بر بصری برگه، یک منبع S3 اضافه کنید و آن را نام ببرید
Providers
. - برای آدرس S3، وارد
s3://awsglue-datasets/examples/medicare/Medicare_Hospital_Provider.csv
.
- قالب را به عنوان انتخاب کنید CSV و انتخاب کنید استنباط طرحواره.
اکنون این طرح در لیست فهرست شده است طرح واره خروجی با استفاده از سربرگ فایل.
در این مورد، تصمیم این است که همه ستونهای مجموعه دادههای ارائهدهنده مورد نیاز نیستند، بنابراین میتوانیم بقیه را کنار بگذاریم.
- با ارائه دهندگان خدمات گره انتخاب شده، a اضافه کنید فیلدها را رها کنید transform (اگر گره والد را انتخاب نکرده باشید، آن را نخواهد داشت؛ در این صورت، والد گره را به صورت دستی اختصاص دهید).
- تمام فیلدهای بعد را انتخاب کنید کد پستی ارائه دهنده.
بعداً، ادعاهای مربوط به ایالت آلاباما با استفاده از ارائه دهنده به این داده ها ملحق خواهند شد. با این حال، مجموعه داده دوم حالت مشخص شده را ندارد. ما میتوانیم با فیلتر کردن دادههایی که واقعاً به آن نیاز داریم، از دانش دادهها برای بهینهسازی اتصال استفاده کنیم.
- اضافه کردن فیلتر به عنوان یک کودک از فیلدها را رها کنید.
- نام ببرید
Alabama providers
و یک شرط اضافه کنید که حالت باید مطابقت داشته باشدAL
. - منبع دوم (یک منبع جدید S3) را اضافه کنید و نام آن را بگذارید
Alabama claims
. - برای ورود به آدرس S3، DataBrew را در یک برگه مرورگر جداگانه باز کنید، Datasets را در قسمت ناوبری انتخاب کنید و در جدول مکان نشان داده شده در جدول را کپی کنید. آلاباما ادعا می کند (متن را که با s3:// شروع می شود کپی کنید، نه پیوند http مرتبط). سپس به کار بصری برگردید، آن را به صورت چسبانده کنید آدرس S3; اگر درست باشد، در قسمت مشاهده خواهید کرد طرح واره خروجی فیلدهای داده فهرست شده را برگه بزنید.
- قالب CSV را انتخاب کنید و طرحواره را مانند منبع دیگر استنباط کنید.
- به عنوان فرزند این منبع، جستجو در اضافه کردن گره ها منو برای
recipe
و انتخاب کنید دستور تهیه داده ها. - در ویژگی های این گره جدید، نام آن را بدهید
Claim cleanup recipe
و دستور پخت و نسخه ای را که قبلا منتشر کرده اید انتخاب کنید. - می توانید مراحل دستور غذا را در اینجا مرور کنید و در صورت نیاز از پیوند DataBrew برای ایجاد تغییرات استفاده کنید.
- اضافه کردن پیوستن گره و هر دو را انتخاب کنید ارائه دهندگان آلاباما و ادعای دستور العمل های پاکسازی به عنوان پدر و مادر
- یک شرط پیوستن برابر با شناسه ارائه دهنده از هر دو منبع اضافه کنید.
- به عنوان آخرین مرحله، یک گره S3 را به عنوان هدف اضافه کنید (توجه داشته باشید که اولین موردی که هنگام جستجو فهرست شده است، منبع است؛ مطمئن شوید که نسخه ای را که به عنوان هدف فهرست شده است انتخاب کنید).
- در پیکربندی گره، فرمت پیشفرض JSON را رها کنید و یک URL S3 را وارد کنید که نقش شغلی اجازه نوشتن روی آن را دارد.
علاوه بر این، خروجی داده را به صورت جدول در کاتالوگ در دسترس قرار دهید.
- در گزینه های به روز رسانی کاتالوگ داده ها بخش، گزینه دوم را انتخاب کنید ایجاد یک جدول در کاتالوگ داده و در اجراهای بعدی، به روز رسانی طرح و اضافه کردن پارتیشن های جدید، سپس پایگاه داده ای را انتخاب کنید که در آن اجازه ایجاد جداول را دارید.
- اختصاص دادن
alabama_claims
به عنوان نام و انتخاب کنید تاریخ ادعا به عنوان کلید پارتیشن (این برای اهداف تصویری است؛ اگر دادههای بیشتری بعداً اضافه نشود، جدول کوچکی مانند این واقعاً نیازی به پارتیشن ندارد). - اکنون می توانید کار را ذخیره و اجرا کنید.
- بر اجرا می شود تب، میتوانید فرآیند را پیگیری کنید و با استفاده از پیوند شناسه شغلی، معیارهای دقیق کار را مشاهده کنید.
کار باید چند دقیقه طول بکشد تا کامل شود.
- پس از اتمام کار، به کنسول Athena بروید.
- جدول را جستجو کنید
alabama_claims
در پایگاه داده ای که انتخاب کرده اید و با استفاده از منوی زمینه، انتخاب کنید جدول پیش نمایش، که عبارت ساده SELECT * SQL را روی جدول اجرا می کند.
می توانید در نتیجه کار مشاهده کنید که داده ها با دستور DataBrew پاک شده و توسط پیوست AWS Glue Studio غنی شده است.
Apache Spark موتوری است که مشاغل ایجاد شده در AWS Glue Studio را اجرا می کند. با استفاده از Spark UI در گزارشهای رویدادی که تولید میکند، میتوانید بینشهایی درباره برنامه شغلی و اجرا مشاهده کنید، که میتواند به شما در درک نحوه عملکرد شغلتان و تنگناهای عملکرد بالقوه کمک کند. برای مثال، برای این کار در یک مجموعه داده بزرگ، میتوانید از آن برای مقایسه تأثیر فیلتر کردن صریح وضعیت ارائهدهنده قبل از انجام اتصال استفاده کنید، یا تشخیص دهید که آیا میتوانید از افزودن تبدیل Autobalance برای بهبود موازیسازی بهره ببرید.
بهطور پیشفرض، کار گزارشهای رویداد Apache Spark را در زیر مسیر ذخیره میکند s3://aws-glue-assets-<your account id>-<your region name>/sparkHistoryLogs/
. برای مشاهده کارها، باید با استفاده از یک سرور History نصب کنید یکی از روش های موجود.
پاک کردن
اگر دیگر به این راه حل نیاز ندارید، می توانید فایل های تولید شده در Amazon S3، جدول ایجاد شده توسط job، دستور DataBrew و کار چسب AWS را حذف کنید.
نتیجه
در این پست، ما نشان دادیم که چگونه میتوانید از AWS DataBrew برای ساختن یک دستور غذا با استفاده از ویرایشگر تعاملی ارائه شده استفاده کنید و سپس از دستور العمل منتشر شده به عنوان بخشی از یک کار ETL تصویری AWS Glue Studio استفاده کنید. ما چند نمونه از کارهای رایجی را که هنگام آمادهسازی دادهها و وارد کردن دادهها در جداول AWS Glue Catalog لازم است، اضافه کردیم.
این مثال از یک دستور در کار بصری استفاده میکند، اما میتوان از چندین دستور غذا در بخشهای مختلف فرآیند ETL و همچنین استفاده مجدد از یک دستور در چندین کار استفاده کرد.
این راه حل های چسب AWS به شما این امکان را می دهد که به طور موثر خطوط لوله ETL پیشرفته ای را ایجاد کنید که ساخت و نگهداری آنها ساده است، بدون نوشتن هیچ کدی. شما می توانید از امروز شروع به ایجاد راه حل هایی کنید که هر دو ابزار را با هم ترکیب می کنند.
درباره نویسندگان
میخائیل اسمیرنوف یک مهندس توسعه دهنده نرم افزار Sr. در تیم AWS Glue و بخشی از تیم توسعه AWS Glue DataBrew است. خارج از کار، علایق او شامل یادگیری نواختن گیتار و مسافرت با خانواده است.
گونزالو هرروس یک معمار داده بزرگ در تیم AWS Glue است. او که در دوبلین، ایرلند است، به مشتریان کمک می کند تا با راه حل های کلان داده مبتنی بر چسب AWS موفق شوند. او در اوقات فراغت خود از بازی های رومیزی و دوچرخه سواری لذت می برد.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
- PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
- PlatoESG. خودرو / خودروهای الکتریکی، کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
- BlockOffsets. نوسازی مالکیت افست زیست محیطی. دسترسی به اینجا.
- منبع: https://aws.amazon.com/blogs/big-data/use-aws-glue-databrew-recipes-in-your-aws-glue-studio-visual-etl-jobs/
- : دارد
- :است
- :نه
- $UP
- 10
- 100
- 12
- ٪۱۰۰
- 20
- 200
- 22
- 26
- 28
- 500
- 7
- 8
- a
- قادر
- درباره ما
- قابل قبول
- پذیرفته
- دسترسی
- حساب
- عمل
- واقعی
- اضافه کردن
- اضافه
- اضافه کردن
- اضافه
- نشانی
- پیشرفته
- پس از
- آلاباما
- معرفی
- اجازه دادن
- همچنین
- آمازون
- آمازون خدمات وب
- مقدار
- an
- تحلیلگران
- و
- هر
- آپاچی
- جرقه آپاچی
- کاربرد
- درخواست
- هستند
- AS
- مرتبط است
- At
- نویسنده
- خودکار
- اتوماتیک
- در دسترس
- AWS
- چسب AWS
- به عقب
- مستقر
- BE
- قبل از
- بودن
- سود
- مزایای
- بزرگ
- بزرگ داده
- سفید
- تخته
- بازی ها و بنگاه
- بوک مارک ها
- هر دو
- به ارمغان می آورد
- مرورگر
- ساختن
- اما
- by
- CAN
- قابلیت های
- مورد
- کاتالوگ
- سلول ها
- متمرکز
- تغییر دادن
- تبادل
- کاراکتر
- کودک
- انتخاب
- را انتخاب کنید
- ادعا
- ادعای
- رمز
- ستون
- ستون ها
- ترکیب
- آینده
- مشترک
- مقايسه كردن
- کامل
- اجزاء
- کامپیوتر
- شرط
- پیکر بندی
- در نظر بگیرید
- تشکیل شده است
- کنسول
- زمینه
- تبدیل
- مبدل
- اصلاح
- متناظر
- هزینه
- میتوانست
- ایجاد
- ایجاد شده
- ایجاد
- ایجاد
- سفارشی
- مشتریان
- داده ها
- آماده سازی داده ها
- پردازش داده ها
- کیفیت داده
- پایگاه داده
- مجموعه داده ها
- تاریخ
- تاریخ
- روز
- مقدار
- تصمیم گیری
- تصمیم
- به طور پیش فرض
- نشان دادن
- شرح
- مطلوب
- دقیق
- جزئیات
- برنامه نویس
- پروژه
- تیم توسعه
- DID
- مختلف
- متمایز
- توزیع
- do
- نمی کند
- عمل
- دلار
- دو برابر
- قطره
- دوبلین
- هر
- ساده
- سردبیر
- اثر
- به طور موثر
- را قادر می سازد
- پایان
- موتور
- مهندس
- غنی شده
- غنی سازی
- وارد
- خطا
- ضروری است
- اتر (ETH)
- ارزیابی
- حتی
- واقعه
- هر
- هر روز
- مثال
- مثال ها
- موجود
- اضافی
- عصاره
- خانواده
- بسیار
- امکانات
- کمی از
- زمینه
- پرونده
- فایل ها
- پر کردن
- فیلتر
- فیلتر
- سرانجام
- نام خانوادگی
- به دنبال
- پیروی
- برای
- قالب
- از جانب
- بیشتر
- بازیها
- تولید
- دادن
- بیشتر
- آیا
- he
- کمک
- کمک می کند
- اینجا کلیک نمایید
- خود را
- تاریخ
- چگونه
- چگونه
- اما
- HTML
- HTTP
- HTTPS
- IAM
- ID
- شناسایی
- شناسایی
- هویت
- if
- تأثیر
- بهبود
- ارتقاء
- in
- شامل
- مشمول
- از جمله
- نشان داد
- ورودی
- بینش
- نصب
- نمونه
- یکپارچه
- ادغام
- تعاملی
- علاقه
- منافع
- رابط
- به
- معرفی
- حسی
- ایرلند
- مسائل
- IT
- ITS
- کار
- شغل ها
- پیوستن
- پیوست
- JPG
- json
- تنها
- نگاه داشتن
- کلید
- دانش
- بزرگ
- بزرگتر
- بزرگترین
- نام
- بعد
- آخرین
- یادگیری
- ترک کردن
- پسندیدن
- احتمالا
- ارتباط دادن
- ذکر شده
- بار
- محل
- منطق
- دیگر
- حفظ
- ساخت
- باعث می شود
- دستی
- مسابقه
- پزشکی
- فهرست
- روش
- روش
- متریک
- دقیقه
- گم
- مانیتور
- بیش
- چندگانه
- باید
- نام
- هدایت
- جهت یابی
- نیاز
- ضروری
- نیازهای
- جدید
- نه
- گره
- اطلاع..
- اکنون
- عدد
- of
- on
- ONE
- فقط
- باز کن
- بهینه سازی
- گزینه
- گزینه
- or
- سفارش
- دیگر
- ما
- تولید
- خارج از
- روی
- به طور کلی
- قطعه
- بخش
- بخش
- مسیر
- کارایی
- انجام
- اجازه
- مجوز
- برنامه
- افلاطون
- هوش داده افلاطون
- PlatoData
- بازی
- ممکن
- پست
- پتانسیل
- تهیه
- پیش نمایش
- پریمیر لیگ در انگلستان
- روند
- در حال پردازش
- تولید می کند
- پروژه
- املاک
- ارائه
- ارائه دهنده
- ارائه دهندگان
- فراهم می کند
- انتشار
- منتشر کردن
- منتشر شده
- هدف
- اهداف
- کیفیت
- نقل قول
- واقعا
- معقول
- دستور العمل
- دستور پخت
- كاهش دادن
- بازتاب
- منطقه
- ثبت نام
- مربوط
- برداشتن
- جایگزین کردن
- خواسته
- ضروری
- نیاز
- به ترتیب
- REST
- نتیجه
- نتایج
- استفاده مجدد
- این فایل نقد می نویسید:
- نقش
- دویدن
- اجرا می شود
- همان
- ذخیره
- مقیاس
- مقیاس گذاری
- جستجو
- دوم
- بخش
- دیدن
- مشاهده
- انتخاب شد
- جداگانه
- خدمات
- جلسه
- تنظیم
- تنظیمات
- باید
- نشان داد
- نشان داده شده
- امضاء
- قابل توجه
- ساده
- تنها
- اندازه
- کوچک
- So
- تا حالا
- نرم افزار
- راه حل
- مزایا
- برخی از
- منبع
- منابع
- فضا
- جرقه
- ویژه
- خاص
- مشخص شده
- SQL
- شروع
- راه افتادن
- دولت
- بیانیه
- ارقام
- گام
- مراحل
- ذخیره سازی
- opbevare
- ساده
- رشته
- استودیو
- متعاقب
- موفق شدن
- چنین
- مناسب
- خلاصه
- مطمئن
- ترکیبی
- جدول
- گرفتن
- هدف
- وظایف
- تیم
- آزمایش
- که
- La
- منبع
- دولت
- آنها
- سپس
- آنجا.
- این
- سه
- زمان
- به
- امروز
- ابزار
- ابزار
- بالا
- مسیر
- دگرگون کردن
- دگرگونی
- تحولات
- سفر
- دو
- نوع
- ui
- زیر
- فهمیدن
- بروزرسانی
- به روز شده
- URL
- قابل استفاده
- استفاده کنید
- مورد استفاده
- استفاده
- کاربران
- استفاده
- با استفاده از
- تصدیق
- ارزش
- ارزشها
- بررسی
- نسخه
- چشم انداز
- قابل رویت
- می خواهم
- بود
- راه
- we
- وب
- خدمات وب
- خوب
- بود
- چه زمانی
- که
- اراده
- با
- بدون
- مهاجرت کاری
- کارگر
- کارگران
- گردش کار
- خواهد بود
- نوشتن
- نوشته
- شما
- شما
- زفیرنت
- زیپ