کتاب Google Cloud Platform: Cloud Bigtable Database Setup and Management (for Scientific Big Data) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: Google Cloud Platform: Cloud Bigtable Database Setup and Management (for Scientific Big Data)
موضوع کلی: برنامه نویسی
موضوع میانی: Google Cloud Platform (GCP)
📋 سرفصلهای دوره (100 موضوع)
- 1. مقدمهای بر Big Data و چالشهای آن
- 2. مقدمهای بر Google Cloud Platform (GCP)
- 3. معماری کلی Bigtable
- 4. چرا Bigtable برای Big Data علمی؟
- 5. مزایای Bigtable نسبت به پایگاههای داده رابطهای
- 6. موارد استفاده Bigtable در دادههای علمی
- 7. مبانی پایگاههای داده NoSQL
- 8. مبانی پایگاههای داده ستون-محور
- 9. مفهوم Key-Value Stores
- 10. مقایسه Bigtable با سایر سرویسهای GCP
- 11. دسترسی به Google Cloud Console
- 12. ایجاد اولین پروژه GCP
- 13. فعالسازی Billing برای پروژه
- 14. فعالسازی API سرویس Bigtable
- 15. مفاهیم پایهای Bigtable: Instances
- 16. مفاهیم پایهای Bigtable: Clusters
- 17. انتخاب منطقه (Region) و زون (Zone) مناسب
- 18. ایجاد اولین Instance در Bigtable
- 19. کانفیگ Instance: Type (Development/Production)
- 20. کانفیگ Instance: Nodes
- 21. کانفیگ Instance: Storage Type (SSD/HDD)
- 22. مدیریت Instances: مشاهده و ویرایش
- 23. مدیریت Instances: حذف Instances
- 24. مفاهیم پایهای Bigtable: Tables
- 25. مفاهیم پایهای Bigtable: Column Families
- 26. مفاهیم پایهای Bigtable: Rows
- 27. مفاهیم پایهای Bigtable: Cells
- 28. مفاهیم پایهای Bigtable: Timestamps
- 29. ساختار Schema در Bigtable (بدون Schema Enforcement)
- 30. طراحی Row Key بهینه برای Bigtable
- 31. بهترین روشهای طراحی Row Key
- 32. اهمیت ترتیب Row Key
- 33. استفاده از Prefixes در Row Key
- 34. استفاده از Suffixes در Row Key
- 35. طراحی Column Families بهینه
- 36. تعداد Column Families مناسب
- 37. انتخاب نام برای Column Families
- 38. مفاهیم پایهای Bigtable: Mutations
- 39. انواع Mutations: Put
- 40. انواع Mutations: Delete
- 41. انواع Mutations: Increment
- 42. نوشتن داده در Bigtable
- 43. خواندن داده از Bigtable
- 44. خواندن یک Row خاص
- 45. خواندن Row ها با Range Scan
- 46. استفاده از Filters برای خواندن داده
- 47. انواع Filters: Row Key Filters
- 48. انواع Filters: Column Family Filters
- 49. انواع Filters: Column Qualifier Filters
- 50. انواع Filters: Value Filters
- 51. انواع Filters: Timestamp Filters
- 52. استفاده از Cell Visibility
- 53. مدیریت Timestamps در Bigtable
- 54. فیلتر کردن بر اساس Timestamp
- 55. کار با Versions مختلف یک Cell
- 56. پیکربندی Garbage Collection در Bigtable
- 57. Garbage Collection بر اساس Version
- 58. Garbage Collection بر اساس Timestamp
- 59. Garbage Collection بر اساس Age
- 60. تنظیم Garbage Collection برای Column Families
- 61. نمونههای عملی از Garbage Collection
- 62. مفاهیم پایهای Bigtable: Mutations (Advanced)
- 63. Bulk Mutations
- 64. استفاده از Batch Operations
- 65. مدیریت Consistency در Bigtable
- 66. Read-your-writes consistency
- 67. Eventual consistency
- 68. Bulk Import به Bigtable
- 69. Bulk Export از Bigtable
- 70. استفاده از Dataflow برای Import/Export
- 71. استفاده از Hadoop/Spark برای Import/Export
- 72. مفاهیم پایهای Bigtable: IAM Roles & Permissions
- 73. تعیین دسترسی به Instances
- 74. تعیین دسترسی به Tables
- 75. کار با Service Accounts
- 76. استفاده از Service Accounts برای دسترسی programmatic
- 77. امنیت داده در Bigtable
- 78. رمزنگاری داده در حالت استراحت (At Rest)
- 79. رمزنگاری داده در حین انتقال (In Transit)
- 80. اتصال به Bigtable از طریق Client Libraries
- 81. استفاده از Python Client Library
- 82. استفاده از Java Client Library
- 83. استفاده از Go Client Library
- 84. استفاده از Node.js Client Library
- 85. نصب و پیکربندی Client Libraries
- 86. نوشتن برنامههای ساده با Client Libraries
- 87. مانیتورینگ Bigtable
- 88. استفاده از Cloud Monitoring
- 89. Metrics کلیدی Bigtable: Latency
- 90. Metrics کلیدی Bigtable: Throughput
- 91. Metrics کلیدی Bigtable: CPU Utilization
- 92. Metrics کلیدی Bigtable: Disk Usage
- 93. تنظیم Alerts در Cloud Monitoring
- 94. Logging در Bigtable
- 95. استفاده از Cloud Logging
- 96. بررسی لاگهای دسترسی
- 97. بررسی لاگهای خطا
- 98. بهینهسازی عملکرد Bigtable
- 99. بررسی و بهبود طراحی Row Key
- 100. بررسی و بهبود طراحی Column Families
Google Cloud Platform: Cloud Bigtable برای دادههای علمی بزرگ - راهنمای جامع و کاربردی
معرفی دوره
آیا به دنبال راهحلی قدرتمند برای مدیریت حجم عظیمی از دادههای علمی خود هستید؟ آیا میخواهید با استفاده از یک پایگاه دادهی NoSQL مقیاسپذیر و با کارایی بالا، به تجزیه و تحلیل سریع و آسان دادههای خود دست یابید؟ دورهی آموزشی «Google Cloud Platform: Cloud Bigtable Database Setup and Management (for Scientific Big Data)» دقیقاً همان چیزی است که به دنبالش هستید!
در این دوره، شما سفری هیجانانگیز را به دنیای Cloud Bigtable، پایگاه دادهی NoSQL گوگل، آغاز خواهید کرد. این دوره با تمرکز بر دادههای علمی بزرگ، شما را با مفاهیم، ابزارها و تکنیکهای لازم برای استقرار، مدیریت و بهینهسازی Bigtable آشنا میکند. از تنظیمات اولیه تا پیشرفتهترین تکنیکهای بهینهسازی، این دوره شما را در تمامی مراحل همراهی میکند.
این دوره یک فرصت بینظیر برای تبدیل شدن به یک متخصص در مدیریت دادههای بزرگ علمی با استفاده از Cloud Bigtable است. با ما همراه شوید تا آیندهی مدیریت داده را تجربه کنید!
درباره دوره
این دوره یک راهنمای جامع و عملی برای یادگیری Cloud Bigtable در Google Cloud Platform است. ما از اصول اولیه شروع میکنیم و به تدریج به مباحث پیشرفتهتری مانند طراحی اسکیما، بهینهسازی عملکرد، امنیت و ادغام با سایر سرویسهای GCP میپردازیم. این دوره شامل تمرینات عملی، پروژههای واقعی و مثالهای کاربردی است که به شما کمک میکند تا مفاهیم را به طور کامل درک کرده و مهارتهای لازم را کسب کنید.
موضوعات کلیدی که در این دوره یاد خواهید گرفت:
- معرفی Cloud Bigtable و مقایسه با سایر پایگاههای داده
- آشنایی با معماری Bigtable و مفاهیم کلیدی
- تنظیم و پیکربندی Cloud Bigtable
- طراحی اسکیما برای دادههای علمی بزرگ
- استفاده از Bigtable APIها و کتابخانهها
- وارد کردن و خارج کردن دادهها در Bigtable
- بهینهسازی عملکرد و مقیاسپذیری Bigtable
- مدیریت دادهها با استفاده از ابزارهای Bigtable
- ایجاد و مدیریت کاربران و دسترسیها
- ادغام Bigtable با سایر سرویسهای GCP (مانند Cloud Dataflow و Cloud Composer)
- نظارت و عیبیابی Cloud Bigtable
- بهترین شیوهها برای استفاده از Bigtable در پروژههای دادههای علمی بزرگ
این دوره برای چه کسانی مناسب است؟
این دوره برای افراد زیر مناسب است:
- دانشمندان داده و تحلیلگران داده که با دادههای علمی بزرگ سروکار دارند.
- مهندسان نرمافزار و توسعهدهندگان که میخواهند با Cloud Bigtable آشنا شوند.
- مدیران سیستم که به دنبال راهحلهای ذخیرهسازی و مدیریت دادههای مقیاسپذیر هستند.
- هر کسی که به دنبال یادگیری پایگاه دادهی NoSQL و مدیریت دادهها در GCP است.
- دانشجویان و فارغالتحصیلان رشتههای مرتبط با علوم کامپیوتر و داده.
چرا این دوره را بگذرانیم؟
این دوره یک فرصت بینظیر برای ارتقای مهارتهای شما در زمینه مدیریت دادههای علمی بزرگ است. با شرکت در این دوره، شما:
- مهارتهای عملی و کاربردی برای کار با Cloud Bigtable را کسب خواهید کرد.
- با بهترین شیوهها و تکنیکهای بهینهسازی Bigtable آشنا خواهید شد.
- دانش و اعتماد به نفس لازم برای پیادهسازی پروژههای دادههای بزرگ را به دست خواهید آورد.
- با آخرین ابزارها و فناوریهای GCP آشنا خواهید شد.
- از مزایای گواهینامه و پشتیبانی تخصصی بهرهمند خواهید شد.
- یک گام بزرگ به سمت تبدیل شدن به یک متخصص در زمینه دادههای بزرگ برخواهید داشت.
همین امروز در این دوره ثبتنام کنید و آیندهی شغلی خود را متحول سازید!
سرفصلهای دوره (100 سرفصل جامع)
به دلیل طولانی بودن، 100 سرفصل دوره به طور کامل در اینجا لیست نمیشود. اما این سرفصلها شامل موضوعات زیر میشوند:
- مقدمه: آشنایی با GCP و Bigtable، پیشنیازها و محیط توسعه
- آشنایی با Bigtable: معماری، مفاهیم کلیدی، مزایا و معایب
- تنظیم و پیکربندی Bigtable: ایجاد نمونهها، تنظیمات شبکه، امنیت
- طراحی اسکیما: طراحی جداول، ستونها، کلیدهای ردیف، فیلترها
- استفاده از Bigtable APIها: زبانهای برنامهنویسی پشتیبانیشده (Python, Java, Go, ...)
- خواندن و نوشتن دادهها: درج، بهروزرسانی، حذف، خواندن دادهها
- بهینهسازی عملکرد: شاخصگذاری، جمعآوری زباله، تنظیمات کلاستر
- مدیریت دادهها: ابزارهای مدیریت Bigtable (cbt, gcloud)، مانیتورینگ
- ادغام با سایر سرویسها: Cloud Dataflow, Cloud Composer, Cloud Storage, ...
- امنیت: احراز هویت، مجوزها، رمزگذاری دادهها
- پروژههای عملی: پیادهسازی یک راهحل دادههای علمی بزرگ از ابتدا تا انتها
- عیبیابی و رفع مشکلات: شناسایی و حل مشکلات رایج Bigtable
- ... و 88 سرفصل دیگر برای پوشش کامل مباحث!
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.