کتاب Google Cloud Platform: Cloud Bigtable Database Setup and Management (for Scientific Big Data)
, ,

کتاب Google Cloud Platform: Cloud Bigtable Database Setup and Management (for Scientific Big Data)

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000006173 دسته: , , برچسب: , , , , , , , , , , , , ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب Google Cloud Platform: Cloud Bigtable Database Setup and Management (for Scientific Big Data)

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر پردازش داده‌های علمی در مقیاس بزرگ
  • 2. مقدمه‌ای بر محاسبات ابری و مزایای آن
  • 3. مروری بر Google Cloud Platform (GCP)
  • 4. معرفی Bigtable: یک سرویس پایگاه داده NoSQL ستونی
  • 5. چرا Bigtable برای داده‌های علمی بزرگ مناسب است؟
  • 6. مقایسه Bigtable با سایر پایگاه‌های داده NoSQL
  • 7. مقایسه Bigtable با پایگاه‌های داده رابطه‌ای
  • 8. معماری Bigtable: عناصر اصلی
  • 9. جدول‌ها، ردیف‌ها و ستون‌ها در Bigtable
  • 10. خانواده‌های ستون (Column Families)
  • 11. مهر زمانی (Timestamps) و نسخه‌بندی (Versioning)
  • 12. حالت‌های Bigtable: خروجی (Output) و حالت بتا (Beta)
  • 13. مفهوم "طراحی شمای خوب" (Good Schema Design) برای Bigtable
  • 14. طراحی کلید ردیف (Row Key Design) برای Bigtable
  • 15. استراتژی‌های کلید ردیف برای داده‌های علمی
  • 16. پیشوندها (Prefixes) و پسوندها (Suffixes) در کلیدهای ردیف
  • 17. توزیع بار (Load Distribution) و جلوگیری از داغ شدن (Hotspotting)
  • 18. طراحی خانواده‌های ستون مناسب
  • 19. نحوه‌ی انتخاب نام برای خانواده‌های ستون
  • 20. نحوه‌ی ذخیره‌سازی داده‌ها در خانواده‌های ستون
  • 21. انتخاب نوع داده برای ستون‌ها
  • 22. بهینه‌سازی ذخیره‌سازی داده‌ها
  • 23. فشرده‌سازی داده‌ها در Bigtable
  • 24. مدیریت اعتبارنامه‌ها (Credentials) و دسترسی‌ها در GCP
  • 25. IAM (Identity and Access Management) برای Bigtable
  • 26. نقش‌ها (Roles) و مجوزها (Permissions) در Bigtable
  • 27. تنظیمات امنیتی برای Bigtable
  • 28. ایجاد یک نمونه (Instance) Bigtable
  • 29. انواع نمونه‌های Bigtable: تولید (Production) و پردازش (Development)
  • 30. انتخاب تنظیمات پردازش (Processing) مناسب برای نمونه
  • 31. انتخاب منطقه‌ی (Region) و ناحیه (Zone) مناسب
  • 32. تنظیمات ذخیره‌سازی (Storage) برای نمونه
  • 33. پیکربندی ظرفیت (Capacity) و توان عملیاتی (Throughput)
  • 34. تخصیص مقداردهی اولیه (Initial Allocation) برای توان عملیاتی
  • 35. نحوه‌ی مانیتورینگ و تنظیم توان عملیاتی
  • 36. ایجاد یک جدول (Table) در Bigtable
  • 37. تنظیمات جدول: خانواده‌های ستون، نسخه‌بندی
  • 38. تنظیمات جدول: زمان انقضا (TTL – Time To Live)
  • 39. تنظیمات جدول: فشرده‌سازی
  • 40. دستورات `cbt` (Cloud Bigtable Tool) برای مدیریت
  • 41. اتصال به Bigtable با استفاده از `cbt`
  • 42. ایجاد، حذف و لیست کردن جداول با `cbt`
  • 43. خواندن و نوشتن داده‌ها با `cbt`
  • 44. تنظیمات پیشرفته `cbt`
  • 45. نوشتن برنامه‌ها با استفاده از کتابخانه‌های مشتری (Client Libraries)
  • 46. نصب و پیکربندی کتابخانه‌های مشتری
  • 47. نوشتن کد جاوا (Java) برای تعامل با Bigtable
  • 48. نوشتن کد پایتون (Python) برای تعامل با Bigtable
  • 49. نوشتن کد Go برای تعامل با Bigtable
  • 50. نوشتن کد Node.js برای تعامل با Bigtable
  • 51. مفاهیم خواندن داده‌ها: خواندن کامل ردیف، خواندن فیلتر شده
  • 52. فیلترها (Filters) در Bigtable: فیلترهای خانوادگی، فیلترهای ستونی
  • 53. فیلترهای مقداری (Value Filters)
  • 54. فیلترهای سلولی (Cell Filters)
  • 55. فیلترهای ترکیبی (Composite Filters)
  • 56. نحوه‌ی بهینه‌سازی کوئری‌ها (Queries)
  • 57. مفاهیم نوشتن داده‌ها: نوشتن منفرد، نوشتن دسته‌ای (Batch Writes)
  • 58. تراکنش‌ها (Transactions) در Bigtable (محدودیت‌ها و موارد استفاده)
  • 59. مدیریت داده‌های بزرگ: اسکن (Scans) و پیمایش (Traversals)
  • 60. بهینه‌سازی اسکن‌ها با استفاده از پیشوندها
  • 61. استفاده از `split_row_key` برای توزیع اسکن‌ها
  • 62. مفهوم "تعداد زیادی داده" (Large amounts of data)
  • 63. مفهوم "پردارزش" (Value) در Bigtable
  • 64. مدیریت و مانیتورینگ Bigtable
  • 65. متریک‌های Cloud Monitoring برای Bigtable
  • 66. تنظیم هشدارها (Alerts) برای Bigtable
  • 67. بررسی سلامت نمونه (Instance Health)
  • 68. شناسایی و رفع مشکلات عملکردی (Performance Issues)
  • 69. رفع مشکلات داغ شدن (Hotspotting)
  • 70. بهینه‌سازی مصرف منابع (Resource Consumption)
  • 71. مدیریت هزینه‌ها در Bigtable
  • 72. برآورد هزینه‌ها (Cost Estimation)
  • 73. راهکارهای کاهش هزینه
  • 74. پشتیبان‌گیری (Backups) و بازیابی (Restores) در Bigtable
  • 75. تنظیم سیاست‌های پشتیبان‌گیری
  • 76. نحوه‌ی بازیابی داده‌ها
  • 77. تکمیل مقیاس‌پذیری (Scaling) و ظرفیت
  • 78. تغییر ظرفیت نمونه (Instance Capacity)
  • 79. تنظیم توان عملیاتی خودکار (Autoscaling – در صورت وجود)
  • 80. انتقال داده‌ها به Bigtable
  • 81. استراتژی‌های ورود داده (Data Ingestion)
  • 82. استفاده از Dataflow برای ورود داده به Bigtable
  • 83. استفاده از Dataproc برای ورود داده به Bigtable
  • 84. استفاده از ابزارهای ETL (Extract, Transform, Load)
  • 85. ورود داده از Cloud Storage
  • 86. ورود داده از پایگاه‌های داده رابطه‌ای
  • 87. ورود داده از منابع خارجی
  • 88. اکسپورت (Export) داده‌ها از Bigtable
  • 89. استفاده از Dataflow برای اکسپورت داده‌ها
  • 90. استفاده از `cbt export`
  • 91. اکسپورت به Cloud Storage
  • 92. اکسپورت به BigQuery
  • 93. کاربردهای پیشرفته Bigtable
  • 94. Bigtable و یادگیری ماشین (Machine Learning)
  • 95. Bigtable به عنوان مخزن ویژگی (Feature Store)
  • 96. Bigtable و پردازش جریانی (Stream Processing)
  • 97. Bigtable و تحلیل داده‌های بلادرنگ (Real-time Analytics)
  • 98. یکپارچه‌سازی Bigtable با سایر سرویس‌های GCP
  • 99. Bigtable و BigQuery
  • 100. Bigtable و Cloud Storage

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب Google Cloud Platform: Cloud Bigtable Database Setup and Management (for Scientific Big Data)”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا