کتاب Google Cloud Platform: راه اندازی و مدیریت پایگاه داده های Cloud Spanner (سازگاری قوی) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

Google Cloud Platform: استاد پایگاه داده Cloud Spanner شوید! Google Cloud Platform: استاد پایگاه داده Cloud Spanner شوید! آیا می خواهید یک متخصص در زمینه پایگاه داده های مقیاس پذیر و سازگار با تراکنش ...

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 Spanner (سازگاری قوی)

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر پایگاه داده های ابری
  • 2. مقدمه ای بر Google Cloud Platform (GCP)
  • 3. مروری بر انواع پایگاه داده های ابری
  • 4. معرفی Cloud Spanner
  • 5. مزایای Cloud Spanner نسبت به سایر پایگاه داده ها
  • 6. مقایسه Cloud Spanner با پایگاه داده های رابطه ای سنتی
  • 7. مقایسه Cloud Spanner با پایگاه داده های NoSQL
  • 8. موارد استفاده Cloud Spanner
  • 9. معماری Cloud Spanner
  • 10. ساختار Spanner
  • 11. نودها و شاردینگ در Spanner
  • 12. مدیریت داده ها در Spanner
  • 13. مدیریت تراکنش ها در Spanner
  • 14. سازگاری قوی (Strong Consistency) در Spanner
  • 15. مدل داده Spanner: Schemas, Tables, Columns
  • 16. انواع داده در Spanner
  • 17. کلیدهای اولیه (Primary Keys) و شاخص های ثانویه (Secondary Indexes)
  • 18. تعریف Schema در Spanner
  • 19. ابزار های مدیریت Schema
  • 20. تغییرات Schema در Spanner
  • 21. رابط خط فرمان (CLI) Cloud Spanner
  • 22. Google Cloud Console برای Spanner
  • 23. API های Spanner
  • 24. SDK های Spanner
  • 25. اتصال به Spanner از برنامه های کاربردی
  • 26. زبان SQL در Spanner
  • 27. تفاوت SQL در Spanner با SQL استاندارد
  • 28. توابع و اپراتورهای Spanner
  • 29. Querying Data in Spanner
  • 30. Performance Tuning for Queries
  • 31. Indexing Strategies
  • 32. Optimizing Spanner Schemas
  • 33. Data Modeling Best Practices
  • 34. Handling Large Datasets
  • 35. Transactions in Spanner
  • 36. ACID Properties in Spanner
  • 37. Distributed Transactions
  • 38. Concurrency Control
  • 39. Deadlocks and Retries
  • 40. Error Handling in Transactions
  • 41. Data Manipulation Language (DML)
  • 42. INSERT, UPDATE, DELETE Statements
  • 43. Performing Bulk Operations
  • 44. Batch DML
  • 45. Data Definition Language (DDL)
  • 46. Creating and Dropping Tables and Indexes
  • 47. Modifying Schemas
  • 48. Schema Evolution Strategies
  • 49. Migrating Data to Spanner
  • 50. Data Migration Tools
  • 51. Importing Data
  • 52. Exporting Data
  • 53. Backup and Restore Operations
  • 54. Point-in-Time Recovery (PITR)
  • 55. Disaster Recovery with Spanner
  • 56. High Availability (HA) in Spanner
  • 57. Replication and Read Replicas
  • 58. Multi-Region Configurations
  • 59. Regional Configurations
  • 60. Choosing the Right Configuration
  • 61. Scalability of Spanner
  • 62. Auto-Scaling Capabilities
  • 63. Manual Scaling
  • 64. Monitoring Spanner Performance
  • 65. Cloud Monitoring Integration
  • 66. Metrics for Spanner
  • 67. Alerting on Spanner Metrics
  • 68. Troubleshooting Spanner Issues
  • 69. Common Spanner Errors and Solutions
  • 70. Security in Spanner
  • 71. Identity and Access Management (IAM) for Spanner
  • 72. Encryption at Rest and in Transit
  • 73. Network Security and Firewall Rules
  • 74. Access Control Lists (ACLs)
  • 75. VPC Service Controls
  • 76. Cost Management for Spanner
  • 77. Understanding Spanner Pricing
  • 78. Cost Optimization Strategies
  • 79. Estimating Spanner Costs
  • 80. Integration with Other GCP Services
  • 81. Cloud Functions and Spanner
  • 82. App Engine and Spanner
  • 83. Compute Engine and Spanner
  • 84. Kubernetes Engine (GKE) and Spanner
  • 85. Dataflow and Spanner
  • 86. Dataproc and Spanner
  • 87. BigQuery and Spanner
  • 88. AI Platform and Spanner
  • 89. Serverless Applications with Spanner
  • 90. Microservices Architecture with Spanner
  • 91. Event-Driven Architectures with Spanner
  • 92. Real-time Analytics with Spanner
  • 93. Caching Strategies for Spanner
  • 94. Using Redis with Spanner
  • 95. Using Memcached with Spanner
  • 96. Advanced Spanner Features
  • 97. Change Streams in Spanner
  • 98. Change Streams Use Cases
  • 99. Working with Change Streams
  • 100. Data Archiving Strategies
تگ‌ها: Cloud Computing Cloud Database Cloud Spanner Database management GCP Google Cloud Platform Spanner SQL برنامه نویسی پایگاه داده توسعه ابری دیتابیس دیتابیس ابری گوگل کلود مدیریت پایگاه داده

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.