اپلیکیشن اندرویدی فلش‌کارت آموزشی پیاده‌سازی زیرساخت‌های مقیاس‌پذیر و خودکار در Google Cloud Platform

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی زیرساخت‌های مقیاس‌پذیر و خودکار در Google Cloud Platform

موضوع کلی: فناوری اطلاعات و شبکه‌های کامپیوتری

موضوع میانی: زیرساخت‌های ابری و مقیاس‌پذیری

📋 سرفصل‌های دوره

• 1. مقدمه ای بر رایانش ابری و Google Cloud Platform
• 2. مبانی معماری زیرساخت ابری
• 3. اصول مقیاس پذیری افقی و عمودی
• 4. نصب و پیکربندی ماشین های مجازی (VM) در GCP
• 5. مدیریت نمونه های VM و چرخه عمر آنها
• 6. استفاده از Persistent Disks برای ذخیره سازی داده ها
• 7. شبکه سازی در Google Cloud: VPC و Subnets
• 8. پیکربندی فایروال ها و قوانین دسترسی شبکه
• 9. معرفی Load Balancing و انواع آن
• 10. استقرار برنامه ها با استفاده از Compute Engine
• 11. مدیریت ترافیک با Cloud Load Balancing
• 12. استفاده از Managed Instance Groups (MIGs)
• 13. مقیاس پذیری خودکار با MIGs
• 14. پیکربندی autoscaling برای MIGs
• 15. نظارت بر عملکرد زیرساخت با Cloud Monitoring
• 16. تنظیم هشدارها (Alerting) برای رویدادهای کلیدی
• 17. مدیریت لاگ ها با Cloud Logging
• 18. تحلیل لاگ ها برای عیب یابی و بهینه سازی
• 19. معرفی Google Kubernetes Engine (GKE)
• 20. مبانی کانتینرها و Docker
• 21. استقرار برنامه ها در GKE
• 22. مدیریت Deployment ها در GKE
• 23. استفاده از Services برای دسترسی به برنامه ها
• 24. Scaling برنامه ها در GKE
• 25. نگهداری و بروزرسانی کلاستر GKE
• 26. امنیت در GKE: IAM و Network Policies
• 27. مدیریت Secret ها در GKE
• 28. معرفی Cloud SQL برای پایگاه داده رابطه‌ای
• 29. پیکربندی و مدیریت Cloud SQL
• 30. استفاده از Cloud SQL Proxy
• 31. امنیت در Cloud SQL
• 32. معرفی Cloud Storage برای ذخیره سازی اشیاء
• 33. مدیریت Bucket ها و Object ها در Cloud Storage
• 34. کنترل دسترسی به داده ها در Cloud Storage
• 35. استفاده از Cloud Storage برای پشتیبان گیری
• 36. معرفی Firestore برای پایگاه داده NoSQL
• 37. مدیریت اسناد و مجموعه ها در Firestore
• 38. مقیاس پذیری و عملکرد Firestore
• 39. امنیت در Firestore
• 40. معرفی BigQuery برای تحلیل داده های حجیم
• 41. مبانی Data Warehousing در GCP
• 42. بارگذاری داده ها در BigQuery
• 43. نوشتن کوئری های SQL در BigQuery
• 44. بهینه سازی کوئری های BigQuery
• 45. معرفی Cloud Functions برای محاسبات بدون سرور
• 46. استقرار توابع در Cloud Functions
• 47. اتصال Cloud Functions به سرویس های دیگر GCP
• 48. مدیریت رویدادها و تریگرها در Cloud Functions
• 49. معرفی Cloud Run برای اجرای کانتینرها
• 50. استقرار کانتینرها با Cloud Run
• 51. مقیاس پذیری خودکار در Cloud Run
• 52. مدیریت ترافیک در Cloud Run
• 53. معرفی Cloud Build برای CI/CD
• 54. پیکربندی Pipeline های CI/CD
• 55. اتصال Cloud Build به مخازن کد
• 56. اجرای تست ها در Cloud Build
• 57. استقرار برنامه ها با Cloud Build
• 58. معرفی Deployment Manager برای مدیریت زیرساخت به صورت کد
• 59. نوشتن تمپلیت ها با Deployment Manager
• 60. مدیریت منابع با Deployment Manager
• 61. استفاده از Cloud Deployment Manager برای اتوماسیون
• 62. معرفی Cloud Scheduler برای زمان بندی وظایف
• 63. پیکربندی Job ها در Cloud Scheduler
• 64. اتصال Cloud Scheduler به سرویس های دیگر GCP
• 65. مدیریت وظایف زمان بندی شده
• 66. معرفی Cloud Tasks برای صف بندی وظایف
• 67. مدیریت صف ها و وظایف در Cloud Tasks
• 68. اتصال Cloud Tasks به سرویس های دیگر GCP
• 69. استفاده از Cloud Tasks برای پردازش ناهمزمان
• 70. معرفی IAM (Identity and Access Management) در GCP
• 71. مدیریت کاربران و گروه ها
• 72. تعریف نقش ها و مجوزها
• 73. پیاده سازی اصل کمترین امتیاز
• 74. مدیریت کلیدهای سرویس (Service Accounts)
• 75. امنیت شبکه در GCP: Firewall Rules و Network Tags
• 76. استفاده از Private Google Access
• 77. تنظیمات VPN و Interconnect
• 78. مدیریت ترافیک خروجی و ورودی
• 79. معرفی Cloud Armor برای حفاظت از برنامه ها
• 80. پیکربندی قوانین WAF
• 81. مقابله با حملات DDoS
• 82. مدیریت ترافیک مخرب
• 83. معرفی Cloud CDN برای توزیع محتوا
• 84. پیکربندی کشینگ محتوا
• 85. بهبود سرعت بارگذاری وب سایت
• 86. مدیریت چرخه عمر کش
• 87. معرفی Cloud Spanner برای پایگاه داده توزیع شده سراسری
• 88. مبانی Cloud Spanner
• 89. استفاده از Cloud Spanner برای برنامه های با مقیاس جهانی
• 90. مقیاس پذیری و دسترسی پذیری Cloud Spanner
• 91. معرفی Dataflow برای پردازش جریانی داده ها
• 92. مبانی پردازش جریانی
• 93. استفاده از Dataflow برای ETL
• 94. بهینه سازی Pipeline های Dataflow
• 95. معرفی Dataproc برای پردازش دسته ای داده ها
• 96. مبانی Hadoop و Spark
• 97. استفاده از Dataproc برای تحلیل داده های حجیم
• 98. مدیریت کلاستر Dataproc
• 99. معرفی Cloud AI Platform برای یادگیری ماشین
• 100. آموزش مدل های یادگیری ماشین