کتاب صوتی Google Cloud Platform: Cost Optimization for Online Educational Applications in Organizations and at Scale

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Google Cloud Platform: Cost Optimization for Online Educational Applications in Organizations and at Scale

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بهینه‌سازی هزینه در Google Cloud Platform
• 2. چالش‌های هزینه در اپلیکیشن‌های آموزشی آنلاین
• 3. آشنایی با مدل قیمت‌گذاری GCP: Pay-as-you-go
• 4. ساختار حساب‌های GCP: سازمان، پوشه، پروژه و حساب صورتحساب
• 5. کاوش در کنسول صورتحساب (Billing Console)
• 6. ایجاد بودجه (Budgets) و هشدارهای هزینه (Alerts)
• 7. نقش IAM در مدیریت و کنترل هزینه‌ها
• 8. معرفی ابزارهای اصلی بهینه‌سازی هزینه در GCP
• 9. تحلیل یک مطالعه موردی: معماری اولیه یک پلتفرم آموزشی
• 10. مبانی FinOps: ایجاد فرهنگ آگاهی از هزینه
• 11. بهینه‌سازی هزینه در Compute Engine: انتخاب نوع ماشین مناسب
• 12. مفهوم Rightsizing: اندازه‌گیری و تنظیم صحیح ماشین‌های مجازی
• 13. استفاده از ماشین‌های مجازی E2 برای بارهای کاری قابل پیش‌بینی
• 14. کاهش هزینه با ماشین‌های مجازی Spot (Spot VMs)
• 15. تفاوت Spot VMs و Preemptible VMs
• 16. تعهدات استفاده (Committed Use Discounts - CUDs) برای Compute Engine
• 17. تخفیف‌های استفاده مداوم (Sustained Use Discounts - SUDs)
• 18. استراتژی ترکیب CUDs و Spot VMs
• 19. زمان‌بندی روشن و خاموش کردن خودکار ماشین‌های مجازی
• 20. بهینه‌سازی هزینه با گروه‌های نمونه مدیریت شده (Managed Instance Groups)
• 21. مبانی قیمت‌گذاری Google Kubernetes Engine (GKE)
• 22. مقایسه GKE Standard و GKE Autopilot از دیدگاه هزینه
• 23. بهینه‌سازی Node Poolها در GKE Standard
• 24. استفاده از Cluster Autoscaler و Vertical Pod Autoscaler برای کاهش هزینه
• 25. ادغام Spot VMs در Node Poolهای GKE
• 26. استراتژی Bin Packing برای افزایش بهره‌وری منابع کلاستر
• 27. نظارت و تحلیل هزینه‌های GKE
• 28. بهینه‌سازی هزینه در Cloud Run: مدل پرداخت به ازای هر درخواست
• 29. مدیریت همزمانی (Concurrency) برای کاهش هزینه‌ها در Cloud Run
• 30. بهینه‌سازی هزینه در Cloud Functions: درک عوامل هزینه
• 31. مقدمه‌ای بر بهینه‌سازی هزینه ذخیره‌سازی
• 32. آشنایی با کلاس‌های ذخیره‌سازی Cloud Storage
• 33. پیاده‌سازی سیاست‌های چرخه عمر (Lifecycle Policies) برای اشیاء
• 34. استفاده از ویژگی Autoclass برای مدیریت خودکار کلاس ذخیره‌سازی
• 35. تحلیل هزینه‌های عملیات و بازیابی داده در Cloud Storage
• 36. بهینه‌سازی دیسک‌های دائمی (Persistent Disks): انتخاب نوع مناسب
• 37. استراتژی‌های اندازه‌گیری صحیح (Rightsizing) دیسک‌های دائمی
• 38. مدیریت هزینه Snapshotها و سیاست‌های نگهداری خودکار
• 39. بهینه‌سازی هزینه در Cloud SQL: انتخاب و تنظیم صحیح نمونه‌ها
• 40. استفاده موثر از Read Replicas برای کاهش بار و هزینه
• 41. مدل قیمت‌گذاری Firestore: درک هزینه‌های خواندن، نوشتن و ذخیره‌سازی
• 42. تکنیک‌های کاهش هزینه کوئری در Firestore
• 43. بهینه‌سازی هزینه در Filestore برای ذخیره‌سازی فایل مشترک
• 44. بهینه‌سازی هزینه در Cloud Spanner برای بارهای کاری توزیع‌شده
• 45. بهینه‌سازی هزینه در Memorystore برای Caching
• 46. درک هزینه‌های شبکه: Egress، Ingress و انتقال داخلی
• 47. کاهش هزینه‌های Egress با استفاده از Cloud CDN
• 48. تحلیل ترافیک شبکه با VPC Flow Logs برای شناسایی هزینه‌ها
• 49. انتخاب نوع Load Balancer مناسب برای بهینه‌سازی هزینه
• 50. استفاده از Network Service Tiers (Premium vs. Standard)
• 51. درک هزینه‌های انتقال داده بین Zoneها و Regionها
• 52. استفاده از Private Google Access برای کاهش هزینه Egress
• 53. بهینه‌سازی هزینه اتصال‌های هیبریدی (Interconnect و VPN)
• 54. هزینه‌های پنهان شبکه: DNS، NAT و آدرس‌های IP
• 55. استراتژی‌های معماری برای به حداقل رساندن ترافیک بین منطقه‌ای
• 56. بهینه‌سازی هزینه در BigQuery: مدل‌های قیمت‌گذاری On-Demand و Flat-Rate
• 57. تکنیک‌های نوشتن کوئری‌های بهینه برای کاهش داده‌های اسکن‌شده
• 58. استفاده از Partitioning و Clustering برای کاهش هزینه و افزایش سرعت
• 59. کش کردن نتایج کوئری در BigQuery
• 60. استفاده از Materialized Views برای کوئری‌های پرتکرار
• 61. مدیریت هزینه‌های ذخیره‌سازی بلندمدت در BigQuery
• 62. بهینه‌سازی هزینه داشبوردها با BigQuery BI Engine
• 63. بهینه‌سازی هزینه در Dataflow: انتخاب نوع ماشین و تعداد Workerها
• 64. مقایسه هزینه Streaming Engine و Shuffle Service
• 65. استفاده از Dataflow FlexRS برای بارهای کاری Batch
• 66. بهینه‌سازی هزینه کلاسترهای Dataproc
• 67. استفاده از Workerهای Preemptible در Dataproc
• 68. مدیریت هزینه در Cloud Composer برای ارکستراسیون گردش کار
• 69. بهینه‌سازی هزینه در Pub/Sub برای پیام‌رسانی
• 70. بهینه‌سازی هزینه در Vertex AI برای مدل‌های یادگیری ماشین
• 71. استراتژی برچسب‌گذاری (Labeling and Tagging) برای تخصیص هزینه
• 72. پیاده‌سازی سیاست‌های سازمانی (Organization Policies) برای کنترل هزینه
• 73. صادرات داده‌های صورتحساب به BigQuery برای تحلیل پیشرفته
• 74. ساخت داشبوردهای هزینه سفارشی با Looker Studio
• 75. تحلیل عمیق گزارش‌های هزینه در Billing Console
• 76. استفاده از توصیه‌های Active Assist برای کاهش هزینه
• 77. معرفی Cost Management API برای اتوماسیون
• 78. ایجاد مدل‌های Showback و Chargeback برای دپارتمان‌های مختلف
• 79. پیش‌بینی هزینه با ابزارهای داخلی GCP
• 80. بهترین شیوه‌ها برای تعریف و مدیریت بودجه‌های دقیق
• 81. شناسایی منابع رها شده (Orphaned Resources)
• 82. اتوماسیون پاکسازی دیسک‌های متصل‌نشده و IPهای استفاده‌نشده
• 83. اتوماسیون با Cloud Scheduler و Cloud Functions برای کنترل هزینه
• 84. استفاده از زیرساخت به عنوان کد (IaC) برای استقرار مقرون‌به‌صرفه
• 85. اسکریپت‌نویسی برای گزارش‌گیری خودکار هزینه‌ها
• 86. پیاده‌سازی یک "Cloud Custodian" برای اعمال سیاست‌های هزینه
• 87. اتوماسیون فرآیند Rightsizing بر اساس داده‌های Monitoring
• 88. ادغام هشدارهای بودجه با سیستم‌های اعلان
• 89. مدیریت متمرکز هزینه‌ها در یک سازمان چند پروژه‌ای
• 90. بررسی دوره‌ای و ممیزی هزینه‌ها
• 91. معماری برای هزینه (Architecting for Cost) از روز اول
• 92. مطالعه موردی ۱: بهینه‌سازی هزینه پلتفرم استریم ویدیوی آموزشی
• 93. مطالعه موردی ۲: کاهش هزینه یک سیستم آزمون آنلاین با ترافیک متغیر
• 94. مطالعه موردی ۳: مدیریت هزینه تحلیل داده‌های رفتار کاربران
• 95. مطالعه موردی ۴: مهاجرت یک اپلیکیشن آموزشی به سرورلس برای کاهش هزینه
• 96. مذاکره و استفاده از Enterprise Discount Programs (EDP)
• 97. مقایسه CUDs با Savings Plans در مقیاس بزرگ
• 98. ملاحظات هزینه در معماری‌های هیبریدی و چندابری
• 99. آینده بهینه‌سازی هزینه: هوش مصنوعی و اتوماسیون پیشرفته
• 100. جمع‌بندی نهایی: چک‌لیست ۱۰ مرحله‌ای برای بهینه‌سازی مستمر هزینه