فلش‌کارت‌های آموزشی نظارت بر عملکرد ماشین مجازی Compute Engine – راهنمای عملی سریع

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره نظارت بر عملکرد ماشین مجازی Compute Engine – راهنمای عملی سریع

موضوع کلی: مدیریت و نظارت بر زیرساخت‌های ابری

موضوع میانی: پایش و عیب‌یابی ماشین‌های مجازی در Google Cloud

📋 سرفصل‌های دوره

• 1. نظارت بر عملکرد ماشین مجازی Compute Engine – راهنمای عملی سریع
• 2. مفاهیم پایه پایش در Google Cloud
• 3. آشنایی با Compute Engine و انواع ماشین مجازی
• 4. معرفی سرویس Cloud Monitoring
• 5. نصب و راه‌اندازی نماینده Cloud Monitoring (Ops Agent)
• 6. پیکربندی اولیه Ops Agent روی ماشین مجازی
• 7. مجموعه معیارهای پیش‌فرض جمع‌آوری شده توسط Ops Agent
• 8. آشنایی با Metrics Explorer
• 9. پرس‌وجوی معیارهای CPU با Metrics Explorer
• 10. پرس‌وجوی معیارهای حافظه و دیسک
• 11. ایجاد نمودارهای سفارشی در Metrics Explorer
• 12. ذخیره و مدیریت داشبوردهای سفارشی
• 13. معرفی داشبوردهای پیش‌ساخته Cloud Monitoring
• 14. ایجاد هشدار (Alerting Policy) بر اساس مصرف CPU
• 15. پیکربندی هشدار برای استفاده از حافظه بالا
• 16. تنظیم اعلان‌های هشدار (Notification Channels)
• 17. استفاده از Uptime Checks برای بررسی در دسترس بودن
• 18. ایجاد هشدار بر اساس نتایج Uptime Check
• 19. مفهوم Logging در Google Cloud
• 20. نمایش و جستجوی لاگ‌های ماشین مجازی در Logs Explorer
• 21. فیلتر کردن لاگ‌ها بر اساس سطح شدت (Severity)
• 22. پیکربندی Log-based Metrics
• 23. ایجاد هشدار مبتنی بر Log-based Metrics
• 24. پایش عملکرد دیسک (IOPS و تأخیر)
• 25. پایش ترافیک شبکه (بسته‌های ورودی/خروجی)
• 26. پایش فرآیندهای در حال اجرا (Process Metrics)
• 27. ایجاد سیاست هشدار ترکیبی (با چند شرط)
• 28. مدیریت و خاموش/روشن کردن سیاست‌های هشدار
• 29. بررسی و تحلیل حوادث (Incidents)
• 30. مرور گزارش‌های عملکرد در Console
• 31. مقایسه عملکرد چندین ماشین مجازی با هم
• 32. پیکربندی نماینده (Agent) برای نسخه‌های مختلف سیستم‌عامل
• 33. عیب‌یابی مشکلات رایج نصب نماینده
• 34. پایش ماشین‌های مجازی بدون نماینده (Agent-less Monitoring)
• 35. استفاده از دستور gcloud برای دریافت معیارها
• 36. خودکارسازی پایش با Cloud Shell و gcloud
• 37. مفهوم Workspace و پروژه‌های چندگانه
• 38. پایش منابع در چندین پروژه از یک Workspace
• 39. تنظیم خط پایه (Baseline) عملکرد با Machine Learning
• 40. استفاده از Insights برای تشخیص ناهنجاری‌ها
• 41. مفهوم Service Level Objectives (SLO) برای ماشین مجازی
• 42. ایجاد SLO مبتنی بر Uptime Check
• 43. پایش قابلیت اطمینان و در دسترس بودن
• 44. بهینه سازی هزینه با پایش منابع بلااستفاده
• 45. پیکربندی هشدار برای نزدیک شدن به سهمیه (Quota)
• 46. پایش ماشین‌های مجازی پیش‌تولید (Preemptible/Spot)
• 47. محدودیت‌ها و بهترین شیوه‌های Cloud Monitoring
• 48. چالش و سناریوی عملی: عیب‌یابی کندی یک برنامه