کتاب Google Cloud Platform: راه اندازی و مدیریت پایگاه داده های Cloud Bigtable برای حجم بالای داده با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

Google Cloud Platform: راه اندازی و مدیریت Cloud Bigtable برای داده‌های عظیم Google Cloud Platform: استاد Bigtable شوید و قدرت داده‌های عظیم را در دست بگیرید! معرفی دوره: به دنیای داده‌های حجیم خوش آم...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Google Cloud Platform: راه اندازی و مدیریت پایگاه داده های Cloud Bigtable برای حجم بالای داده

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر برنامه نویسی
  • 2. مقدمه ای بر Google Cloud Platform (GCP)
  • 3. معرفی Cloud Bigtable
  • 4. چرا Bigtable؟ مزایا و موارد استفاده
  • 5. تفاوت Bigtable با سایر پایگاه داده های GCP
  • 6. ساختار و مفاهیم کلیدی Bigtable
  • 7. مفاهیم Rows، Column Families، Columns، Cells
  • 8. کلیدهای سطر (Row Keys) و طراحی آنها
  • 9. طراحی Column Families
  • 10. مفهوم Timestamp و Versioning
  • 11. مدل داده Bigtable
  • 12. Schema Design برای Bigtable
  • 13. اصول طراحی Schema با کارایی بالا
  • 14. بهینه سازی Schema برای Query های رایج
  • 15. بررسی الگوهای رایج طراحی Schema
  • 16. تجهیز و راه اندازی Bigtable
  • 17. نحوه ایجاد Bigtable Instance
  • 18. انواع Instance (Development, Production)
  • 19. تنظیمات Cluster و Node ها
  • 20. پیکربندی Storage و Network
  • 21. دسترسی به Bigtable
  • 22. استفاده از Client Libraries (Python, Java, Go)
  • 23. نصب و پیکربندی Client Libraries
  • 24. اولین اتصال به Bigtable
  • 25. خواندن و نوشتن داده در Bigtable
  • 26. عملیات CRUD در Bigtable
  • 27. خواندن یک سلول (Cell)
  • 28. خواندن یک سطر (Row)
  • 29. خواندن محدوده ای از سطرها (Row Range Scans)
  • 30. نوشتن داده ها
  • 31. به روز رسانی داده ها
  • 32. حذف داده ها
  • 33. مدیریت داده ها
  • 34. Batch Operations برای خواندن و نوشتن
  • 35. استفاده از Filters برای خواندن داده
  • 36. انواع Filters (Row Key Filters, Column Filters, Value Filters)
  • 37. کار با Timestamps و Versions
  • 38. آبجکت های Bigtable (Tables, Column Families)
  • 39. ایجاد و حذف جداول
  • 40. پیکربندی Column Families
  • 41. مدیریت دسترسی (IAM)
  • 42. تنظیم نقش ها و مجوزها برای Bigtable
  • 43. مفهوم Principal و Role
  • 44. محدود کردن دسترسی به Instance ها و جداول
  • 45. امنیت در Bigtable
  • 46. رمزگذاری داده ها (Encryption at Rest)
  • 47. رمزگذاری در حال انتقال (Encryption in Transit)
  • 48. Best Practices برای امنیت Bigtable
  • 49. هزینه ها و بهینه سازی هزینه
  • 50. مدل قیمت گذاری Bigtable
  • 51. بررسی هزینه های Node ها و Storage
  • 52. استراتژی های بهینه سازی هزینه
  • 53. مقیاس پذیری Bigtable
  • 54. مقیاس پذیری خودکار (Autoscaling)
  • 55. تنظیمات Autoscaling
  • 56. نظارت بر عملکرد و مقیاس پذیری
  • 57. مانیتورینگ Bigtable
  • 58. استفاده از Google Cloud Monitoring
  • 59. متریک های کلیدی Bigtable
  • 60. تنظیم Alert ها
  • 61. عیب یابی (Troubleshooting)
  • 62. شناسایی مشکلات رایج
  • 63. راهکارهای عیب یابی برای مشکلات عملکردی
  • 64. راهکارهای عیب یابی برای مشکلات دسترسی
  • 65. مهاجرت به Bigtable
  • 66. دلایل مهاجرت به Bigtable
  • 67. استراتژی های مهاجرت داده
  • 68. استفاده از ابزارهای مهاجرت
  • 69. مهاجرت از پایگاه داده های رابطه‌ای
  • 70. مهاجرت از NoSQL های دیگر
  • 71. مثال های عملی مهاجرت
  • 72. یکپارچه سازی Bigtable با سایر سرویس های GCP
  • 73. استفاده از BigQuery با Bigtable
  • 74. استفاده از Dataflow با Bigtable
  • 75. استفاده از Dataproc با Bigtable
  • 76. استفاده از Cloud Functions با Bigtable
  • 77. یکپارچه سازی با ابزارهای تحلیل داده
  • 78. یکپارچه سازی با ابزارهای گزارش گیری
  • 79. کاربرد Bigtable در سناریوهای واقعی
  • 80. اینترنت اشیا (IoT)
  • 81. داده های زمانی (Time-Series Data)
  • 82. داده های سری زمانی کلان
  • 83. داده های تبلیغاتی (Ad Tech)
  • 84. داده های بازی (Gaming Data)
  • 85. داده های کاربر (User Profile Data)
  • 86. تحلیل رفتار کاربر
  • 87. سیستم های توصیه گر (Recommendation Engines)
  • 88. کاربردهای پیشرفته Bigtable
  • 89. High Throughput Writes
  • 90. Low Latency Reads
  • 91. Batch Processing با Bigtable
  • 92. Streaming Data Ingestion
  • 93. Real-time Analytics with Bigtable
  • 94. کار با Change Data Capture (CDC) برای Bigtable
  • 95. استفاده از Bigtable Emulator
  • 96. توسعه و تست آفلاین
  • 97. ملاحظات طراحی برای Bigtable
  • 98. نکات مهم در طراحی Row Key
  • 99. نکات مهم در طراحی Column Families
  • 100. انتخاب درست Column Names
تگ‌ها: Big Data Bigtable Cloud Bigtable Cloud Computing Database management GCP Google Cloud Platform High-Volume Data NoSQL database Scalable Database برنامه نویسی پایگاه داده ابری راه اندازی دیتابیس مدیریت پایگاه داده

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.