فلش‌کارت‌های آموزشی Google Cloud Platform: راهنمای عملی برای توسعه دهندگان Python (Pyramid)

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب Google Cloud Platform: راهنمای عملی برای توسعه دهندگان Python (Pyramid)

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر Google Cloud Platform (GCP)
• 2. چرا GCP برای توسعه دهندگان Python؟
• 3. مروری بر خدمات کلیدی GCP
• 4. نصب و پیکربندی Google Cloud SDK
• 5. احراز هویت با GCP
• 6. مفاهیم اساسی GCP: پروژه ها، مناطق و مناطق
• 7. مقدمه ای بر Compute Engine
• 8. ایجاد اولین نمونه Compute Engine
• 9. اتصال به نمونه Compute Engine
• 10. استفاده از SSH برای مدیریت نمونه
• 11. نصب Python بر روی نمونه Compute Engine
• 12. اجرای اسکریپت های Python بر روی Compute Engine
• 13. مقدمه ای بر Cloud Storage
• 14. ایجاد یک باکت Cloud Storage
• 15. آپلود و دانلود فایل ها در Cloud Storage
• 16. مدیریت دسترسی به باکت ها و اشیاء
• 17. استفاده از Cloud Storage با Python SDK (google-cloud-storage)
• 18. پروژه های عملی: ذخیره سازی فایل های لاگ
• 19. پروژه های عملی: ذخیره سازی دارایی های وب
• 20. مقدمه ای بر App Engine
• 21. تفاوت بین App Engine Standard و App Engine Flexible
• 22. ایجاد یک برنامه App Engine Standard
• 23. استقرار اولین برنامه Python بر روی App Engine Standard
• 24. پیکربندی App Engine (app.yaml)
• 25. مقیاس بندی خودکار در App Engine
• 26. مقدمه ای بر Cloud Functions
• 27. ایجاد اولین Cloud Function با Python
• 28. استقرار Cloud Function
• 29. فعال سازی Cloud Functions با رویدادها (HTTP, Pub/Sub)
• 30. نوشتن توابع Python ساده
• 31. مدیریت وابستگی ها در Cloud Functions
• 32. مقدمه ای بر Cloud Run
• 33. استقرار یک کانتینر Docker بر روی Cloud Run
• 34. پیکربندی Cloud Run
• 35. اتصال Cloud Run به سایر خدمات GCP
• 36. مزایای Cloud Run برای برنامه های Python
• 37. مقدمه ای بر Cloud SQL
• 38. ایجاد یک نمونه Cloud SQL (PostgreSQL, MySQL)
• 39. اتصال به Cloud SQL از برنامه Python
• 40. استفاده از ORM ها (SQLAlchemy) با Cloud SQL
• 41. مدیریت پایگاه داده در Cloud SQL
• 42. امنیت Cloud SQL
• 43. مقدمه ای بر Firestore (NoSQL)
• 44. ایجاد یک پایگاه داده Firestore
• 45. نوشتن داده ها در Firestore با Python
• 46. خواندن داده ها از Firestore با Python
• 47. پرس و جو در Firestore
• 48. مدیریت احراز هویت در Firestore
• 49. مقدمه ای بر BigQuery (انباره داده)
• 50. ایجاد یک مجموعه داده BigQuery
• 51. بارگذاری داده ها در BigQuery
• 52. نوشتن پرس و جوهای SQL در BigQuery
• 53. استفاده از BigQuery Python Client
• 54. تحلیل داده ها با BigQuery
• 55. مقدمه ای بر Pub/Sub (صف پیام)
• 56. ایجاد یک موضوع Pub/Sub
• 57. انتشار پیام ها در Pub/Sub
• 58. اشتراک در پیام ها از Pub/Sub
• 59. پردازش پیام ها با Cloud Functions یا App Engine
• 60. استفاده از Pub/Sub برای ارتباط ناهمزمان
• 61. مقدمه ای بر Kubernetes Engine (GKE)
• 62. مفاهیم کلیدی Kubernetes (Pod, Service, Deployment)
• 63. ایجاد یک کلاستر GKE
• 64. استقرار یک برنامه Python بر روی GKE
• 65. مدیریت Pod ها و Service ها
• 66. مقیاس بندی برنامه ها در GKE
• 67. مقدمه ای بر Serverless Framework
• 68. نصب Serverless Framework
• 69. پیکربندی Serverless Framework برای GCP
• 70. استقرار Cloud Functions و Cloud Run با Serverless Framework
• 71. مدیریت منابع با Serverless Framework
• 72. مقدمه ای بر CI/CD با Cloud Build
• 73. ادغام Cloud Build با GitHub/GitLab
• 74. نوشتن فایل های پیکربندی Cloud Build (cloudbuild.yaml)
• 75. ساخت Image های Docker با Cloud Build
• 76. استقرار برنامه ها با Cloud Build
• 77. اتوماسیون فرآیند CI/CD
• 78. مقدمه ای بر IAM (Identity and Access Management)
• 79. مدیریت نقش ها و مجوزها
• 80. ایجاد حساب های سرویس
• 81. استفاده از حساب های سرویس برای احراز هویت برنامه ها
• 82. مدیریت دسترسی به منابع GCP
• 83. امنیت در GCP
• 84. مقدمه ای بر Stackdriver (اکنون Operations Suite)
• 85. لاگینگ برنامه ها با Cloud Logging
• 86. مانیتورینگ برنامه ها با Cloud Monitoring
• 87. ردیابی (Tracing) برنامه ها با Cloud Trace
• 88. هشداردهی (Alerting) در Stackdriver
• 89. عیب یابی برنامه ها با Stackdriver
• 90. مقدمه ای بر API Gateway
• 91. ایجاد یک API Gateway
• 92. مدیریت API ها
• 93. امنیت API ها
• 94. مستندسازی API ها
• 95. استفاده از API Gateway با برنامه های Python
• 96. مقدمه ای بر Cloud Source Repositories
• 97. ایجاد یک مخزن Git
• 98. اتصال به مخزن از سیستم محلی
• 99. همگام سازی با مخازن خارجی (GitHub)
• 100. مدیریت کد منبع