کتاب Google Cloud Platform: Cost Optimization for Cloud Platform Services Applications at Enterprise Scale با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Google Cloud Platform: Cost Optimization for Cloud Platform Services Applications at Enterprise Scale

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بهینه‌سازی هزینه در مقیاس سازمانی
• 2. اصول کلیدی FinOps: دیدن، بهینه‌سازی، و اجرا
• 3. درک مدل قیمت‌گذاری GCP: Pay-as-you-go، تخفیف‌ها و هزینه‌های پنهان
• 4. آشنایی با ساختار حساب‌های GCP: سازمان‌ها، فولدرها و پروژه‌ها
• 5. نقش برچسب‌ها (Labels) و تگ‌ها (Tags) در مدیریت هزینه
• 6. بررسی اجمالی ابزارهای مدیریت هزینه GCP
• 7. ایجاد یک استراتژی پایه برای بهینه‌سازی هزینه (Cost Optimization Baseline)
• 8. محاسبه هزینه کل مالکیت (TCO) در مقابل هزینه‌های داخلی (On-Premises)
• 9. تأثیر معماری ابری بر هزینه‌های عملیاتی
• 10. فرهنگ‌سازی آگاهی از هزینه در تیم‌های مهندسی
• 11. معرفی Google Cloud Billing Console
• 12. تحلیل گزارش‌های هزینه (Cost Table Report)
• 13. استفاده از Cost Explorer برای شناسایی روندها
• 14. استخراج داده‌های صورتحساب به BigQuery برای تحلیل پیشرفته
• 15. ایجاد داشبوردهای هزینه سفارشی با Looker Studio
• 16. تنظیم بودجه (Budgets) و هشدارها (Alerts)
• 17. درک جزئیات صورتحساب: SKUها و واحدهای اندازه‌گیری
• 18. مانیتورینگ مصرف منابع با Cloud Monitoring
• 19. شناسایی منابع بدون استفاده یا کم‌استفاده (Idle/Underutilized Resources)
• 20. پیاده‌سازی استراتژی برچسب‌گذاری مؤثر برای تخصیص هزینه
• 21. استفاده از Recommendation Hub برای پیشنهادات خودکار
• 22. تحلیل هزینه‌ها بر اساس تیم، پروژه و محصول
• 23. پیش‌بینی هزینه‌های آینده با ابزارهای GCP
• 24. یکپارچه‌سازی داده‌های هزینه با ابزارهای Third-Party FinOps
• 25. ممیزی و بازبینی منظم هزینه‌ها: بهترین شیوه‌ها
• 26. بهینه‌سازی هزینه در Compute Engine: مقدمه
• 27. انتخاب خانواده ماشین (Machine Family) مناسب: E2, N2, C3, T2A
• 28. مفهوم Rightsizing: تطبیق اندازه VM با بار کاری
• 29. استفاده از متریک‌های CPU و RAM برای Rightsizing دقیق
• 30. پیاده‌سازی اتوماسیون برای Rightsizing با Recommender API
• 31. تخفیف‌های تعهد استفاده (CUDs): مبتنی بر منابع و مبتنی بر هزینه
• 32. تحلیل و خرید CUDهای بهینه برای سازمان
• 33. تخفیف‌های استفاده پایدار (SUDs) و زمان استفاده از آنها
• 34. استفاده از ماشین‌های مجازی قابل توقف (Spot VMs): موارد استفاده و ریسک‌ها
• 35. استراتژی‌های استفاده ترکیبی از Spot VMs و ماشین‌های استاندارد
• 36. بهینه‌سازی هزینه در Google Kubernetes Engine (GKE): مقدمه
• 37. انتخاب حالت عملیاتی GKE: Autopilot در مقابل Standard
• 38. بهینه‌سازی Node Pools در GKE Standard
• 39. استفاده از Cluster Autoscaler و Vertical Pod Autoscaler
• 40. استراتژی‌های Bin Packing برای افزایش تراکم Podها
• 41. بهینه‌سازی هزینه با GKE Autopilot
• 42. بهینه‌سازی هزینه در Cloud Run: مدل پرداخت به ازای هر درخواست
• 43. مدیریت همزمانی (Concurrency) برای کاهش هزینه‌های Cloud Run
• 44. بهینه‌سازی هزینه در Cloud Functions: انتخاب زمان اجرا و حافظه
• 45. مقایسه هزینه معماری‌های مبتنی بر VM، کانتینر و Serverless
• 46. درک مدل قیمت‌گذاری Cloud Storage: کلاس‌ها، عملیات و شبکه
• 47. انتخاب کلاس ذخیره‌سازی مناسب: Standard, Nearline, Coldline, Archive
• 48. پیاده‌سازی سیاست‌های چرخه حیات (Lifecycle Policies) برای انتقال خودکار داده‌ها
• 49. بهینه‌سازی هزینه‌های عملیاتی (Class A & B Operations)
• 50. استفاده از Autoclass برای مدیریت خودکار کلاس ذخیره‌سازی
• 51. بهینه‌سازی هزینه Persistent Disks: انواع دیسک (Standard, Balanced, SSD)
• 52. استراتژی‌های تغییر اندازه دیسک‌های دائمی بدون توقف
• 53. استفاده از Snapshotها و بهینه‌سازی هزینه ذخیره‌سازی آن‌ها
• 54. بهینه‌سازی هزینه در Cloud SQL: انتخاب نسخه و اندازه مناسب
• 55. استراتژی‌های توقف و شروع خودکار نمونه‌های Cloud SQL برای محیط‌های توسعه
• 56. مقایسه هزینه بین Cloud SQL، Spanner و Bigtable
• 57. بهینه‌سازی هزینه در Cloud Spanner: مدیریت واحدهای پردازشی (Processing Units)
• 58. بهینه‌سازی هزینه در Cloud Bigtable: طراحی Schema و مدیریت گره‌ها
• 59. بهینه‌سازی هزینه در Firestore و Firebase Realtime Database
• 60. استراتژی‌های آرشیو و حذف داده برای کاهش هزینه‌های بلندمدت ذخیره‌سازی
• 61. درک هزینه‌های شبکه در GCP: Egress، Ingress و پردازش
• 62. تحلیل و کاهش هزینه‌های خروج داده (Data Egress)
• 63. بهینه‌سازی هزینه‌ها با انتخاب سطح شبکه مناسب (Premium vs. Standard Tier)
• 64. استفاده از Cloud CDN برای کاهش هزینه‌های Egress و بهبود عملکرد
• 65. استراتژی‌های Caching با Cloud CDN
• 66. انتخاب Load Balancer مناسب از دیدگاه هزینه و عملکرد
• 67. بهینه‌سازی هزینه با VPC Flow Logs برای شناسایی ترافیک غیرضروری
• 68. استفاده از Private Google Access برای کاهش هزینه‌های ترافیک داخلی
• 69. بهینه‌سازی هزینه در Cloud NAT و Cloud DNS
• 70. مقایسه هزینه بین VPN، Interconnect و Peering
• 71. مدل قیمت‌گذاری BigQuery: تحلیل (On-Demand) و ذخیره‌سازی
• 72. بهینه‌سازی هزینه کوئری‌ها در BigQuery: کاهش داده‌های اسکن شده
• 73. استفاده از Partitioning و Clustering برای بهینه‌سازی هزینه و عملکرد
• 74. بهترین شیوه‌ها برای Materialized Views و BI Engine
• 75. انتخاب مدل قیمت‌گذاری مناسب: On-Demand در مقابل Flat-Rate
• 76. مدیریت اسلات‌ها (Slots) در مدل Flat-Rate
• 77. بهینه‌سازی هزینه در Dataflow: انتخاب نوع ماشین و Autoscaling
• 78. استفاده از Dataflow Shuffle و Streaming Engine برای کاهش هزینه
• 79. بهینه‌سازی هزینه در Dataproc: مدیریت چرخه حیات کلاسترها
• 80. استفاده از کلاسترهای موقت (Ephemeral Clusters) در Dataproc
• 81. معماری Serverless-First: مزایا و ملاحظات هزینه
• 82. تحلیل هزینه معماری Microservices در مقابل Monolith
• 83. بهینه‌سازی هزینه در معماری‌های رویدادمحور (Event-Driven) با Pub/Sub
• 84. الگوهای طراحی برای برنامه‌های کاربردی حساس به هزینه
• 85. انتخاب بین IaaS، CaaS، PaaS و FaaS از منظر هزینه
• 86. پیاده‌سازی الگوهای خاموش کردن (Shutdown Patterns) برای محیط‌های غیرتولیدی
• 87. معماری برای چندمنطقه‌ای (Multi-region) با در نظر گرفتن هزینه‌های ترافیک
• 88. بهینه‌سازی هزینه زیرساخت به عنوان کد (IaC) با Terraform
• 89. تأثیر انتخاب زبان برنامه‌نویسی و فریم‌ورک بر هزینه‌های Serverless
• 90. بازبینی معماری (Architecture Review) با تمرکز بر بهینه‌سازی هزینه
• 91. پیاده‌سازی حاکمیت هزینه (Cost Governance) با Organization Policies
• 92. استفاده از Quotas برای جلوگیری از افزایش هزینه‌های ناخواسته
• 93. تعریف نقش‌ها و مسئولیت‌های هزینه با IAM (Identity and Access Management)
• 94. ایجاد یک تیم مرکزی FinOps (Cloud Center of Excellence)
• 95. اتوماسیون شناسایی و حذف منابع بی‌استفاده (Waste Detection)
• 96. گیمیفیکیشن (Gamification) و ایجاد انگیزه برای بهینه‌سازی هزینه
• 97. برگزاری جلسات منظم بازبینی هزینه (Cost Review Meetings)
• 98. ایجاد فرآیندهای تأیید برای ایجاد منابع پرهزینه
• 99. ادغام بهینه‌سازی هزینه در چرخه عمر توسعه نرم‌افزار (SDLC)
• 100. آینده بهینه‌سازی هزینه: هوش مصنوعی و یادگیری ماشین در FinOps