دوره Google Cloud Platform: بهینه سازی هزینه برای اپلیکیشن های با ترافیک بالا همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Google Cloud Platform: بهینه سازی هزینه برای اپلیکیشن های با ترافیک بالا

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بهینه‌سازی هزینه در Google Cloud Platform
• 2. آشنایی با ساختار هزینه‌ها در GCP
• 3. شناخت ابزارهای مانیتورینگ هزینه در GCP
• 4. تنظیم بودجه و هشداردهنده‌ها برای هزینه‌های GCP
• 5. استراتژی‌های کاهش هزینه در سرویس‌های محاسباتی (Compute Engine)
• 6. بهینه‌سازی اندازه ماشین‌های مجازی (VMs)
• 7. استفاده از ماشین‌های مجازی Preemptible برای بارهای کاری غیرضروری
• 8. مدیریت چرخه‌ی عمر ماشین‌های مجازی
• 9. بهینه‌سازی هزینه‌های ذخیره‌سازی (Cloud Storage)
• 10. انتخاب کلاس‌های ذخیره‌سازی مناسب (Standard, Nearline, Coldline, Archive)
• 11. پاکسازی داده‌های قدیمی و غیرضروری از Cloud Storage
• 12. فشرده‌سازی و حذف داده‌های تکراری در ذخیره‌سازی
• 13. بهینه‌سازی هزینه‌های پایگاه داده (Cloud SQL, Spanner, Firestore)
• 14. انتخاب نوع و اندازه مناسب پایگاه داده
• 15. مدیریت عملیات پایگاه داده برای کاهش هزینه‌ها
• 16. استفاده از نسخه‌های مدیریت شده پایگاه داده
• 17. بهینه‌سازی هزینه‌های شبکه (VPC, Load Balancing)
• 18. مدیریت ترافیک شبکه و کاهش انتقال داده‌های خروجی
• 19. استفاده از CDN برای کاهش هزینه‌های پهنای باند
• 20. بهینه‌سازی تنظیمات Load Balancer
• 21. بهینه‌سازی هزینه‌های سرویس‌های Serverless (Cloud Functions, Cloud Run, App Engine)
• 22. تنظیمات concurrency و memory برای Cloud Functions
• 23. مدیریت concurrency و scaling برای Cloud Run
• 24. انتخاب محیط زمان‌بندی مناسب برای App Engine
• 25. بهینه‌سازی هزینه‌های کانتینرها (GKE)
• 26. مدیریت node pools و autoscaling در GKE
• 27. استفاده از Spot VMs در GKE
• 28. بهینه‌سازی تصاویر Docker
• 29. استراتژی‌های Cost Allocation و Chargeback
• 30. برچسب‌گذاری منابع (Labels) برای ردیابی هزینه‌ها
• 31. ایجاد گزارش‌های سفارشی برای تحلیل هزینه‌ها
• 32. استفاده از Cost Management Tools در GCP
• 33. درک مدل‌های قیمت‌گذاری GCP (On-Demand, Committed Use Discounts, Sustained Use Discounts)
• 34. استفاده بهینه از Committed Use Discounts
• 35. محاسبه و مدیریت Sustained Use Discounts
• 36. بهینه‌سازی هزینه‌های BigQuery
• 37. انتخاب نوع پرداخت BigQuery (On-demand vs Flat-rate)
• 38. بهینه‌سازی کوئری‌ها در BigQuery
• 39. مدیریت داده‌های BigQuery (Partitioning, Clustering)
• 40. استراتژی‌های بهینه‌سازی هزینه برای اپلیکیشن‌های با ترافیک بالا
• 41. تحلیل الگوهای ترافیکی اپلیکیشن
• 42. شناخت نقاط اوج و فرود ترافیک
• 43. پیش‌بینی نیازهای منابع بر اساس ترافیک
• 44. معماری‌های مقیاس‌پذیر (Scalable Architectures)
• 45. طراحی اپلیکیشن برای مقیاس‌پذیری افقی
• 46. استفاده از معماری Microservices
• 47. پیاده‌سازی الگوهای طراحی مقاوم در برابر خطا (Resiliency Patterns)
• 48. بهینه‌سازی کد و منطق اپلیکیشن
• 49. کاهش فراخوانی‌های غیرضروری API
• 50. بهینه‌سازی پردازش داده‌ها در سمت سرور
• 51. استفاده از Caching در سطوح مختلف
• 52. Caching در سمت کلاینت
• 53. Caching در سمت سرور (Redis, Memcached)
• 54. Caching در سطح پایگاه داده
• 55. مدیریت و بهینه‌سازی صف‌های پیام (Pub/Sub)
• 56. تنظیم نرخ ارسال و دریافت پیام
• 57. مدیریت طول عمر پیام‌ها
• 58. بهینه‌سازی مصرف منابع در پردازش پیام
• 59. استفاده از ابزارهای مانیتورینگ و لاگینگ پیشرفته
• 60. مانیتورینگ عملکرد اپلیکیشن (APM)
• 61. تحلیل لاگ‌ها برای شناسایی گلوگاه‌ها
• 62. تنظیم هشداردهنده‌ها برای مشکلات عملکردی
• 63. بهینه‌سازی امنیت و هزینه
• 64. کاهش سطح حمله با استفاده از IAM
• 65. مدیریت دسترسی‌ها و نقش‌ها
• 66. استفاده از VPC Service Controls
• 67. بهینه‌سازی هزینه‌های سرویس‌های Data Analytics
• 68. استفاده بهینه از Dataflow و Dataproc
• 69. مدیریت هزینه‌های AI Platform
• 70. هزینه‌های سرویس‌های IoT
• 71. هزینه‌های سرویس‌های مدیریت شده Kubernetes
• 72. بهینه‌سازی هزینه‌های سرویس‌های CI/CD
• 73. استفاده از Cloud Build با بهینه‌سازی هزینه
• 74. مدیریت هزینه‌های Artifact Registry
• 75. مدیریت هزینه‌های سرویس‌های Monitoring و Logging
• 76. تنظیم سیاست‌های حفظ داده (Data Retention)
• 77. بهینه‌سازی هزینه‌های سرویس‌های Security
• 78. استفاده از Security Command Center
• 79. بهینه‌سازی هزینه‌های IAM
• 80. مدیریت کلیدها و گواهی‌نامه‌ها
• 81. بررسی دوره‌ای و بازنگری هزینه‌ها
• 82. ایجاد فرهنگ Cost-Awareness در تیم توسعه
• 83. آموزش و توانمندسازی تیم‌ها
• 84. پیاده‌سازی فرآیندهای منظم بازنگری هزینه
• 85. استفاده از ابزارهای تحلیل پیشرفته هزینه
• 86. مدیریت پیشرفته Committed Use Discounts
• 87. استراتژی‌های چندمنطقه‌ای (Multi-Region) و هزینه‌ها
• 88. بهینه‌سازی هزینه در سناریوهای Disaster Recovery
• 89. ملاحظات هزینه در مهاجرت به GCP
• 90. برنامه‌ریزی و پیش‌بینی هزینه‌ها در فازهای مختلف
• 91. بهینه‌سازی هزینه‌های سرویس‌های تخصصی GCP
• 92. مدیریت هزینه‌های سرویس‌های AI/ML
• 93. استفاده بهینه از TPU ها
• 94. بهینه‌سازی هزینه‌های سرویس‌های Industry Solutions