کتاب صوتی Google Cloud Platform: Cloud Bigtable Database Setup and Management (for Scientific Big Data)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: 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

• 1. مقدمه ای بر رایانش ابری و GCP
• 2. آشنایی با خدمات کلیدی GCP
• 3. Cloud Bigtable چیست؟ معرفی و کاربردها
• 4. معماری Cloud Bigtable: اجزا و نحوه عملکرد
• 5. مقایسه Bigtable با سایر پایگاه داده های NoSQL
• 6. موارد استفاده Cloud Bigtable در داده های بزرگ علمی
• 7. برنامه ریزی برای استقرار Bigtable: نیازمندی ها و ملاحظات
• 8. تنظیمات پیش نیاز: حساب GCP و پیکربندی اولیه
• 9. ایجاد یک نمونه Cloud Bigtable: کنسول و خط فرمان
• 10. پیکربندی مناطق و خوشه ها در Bigtable
• 11. تنظیم اندازه خوشه: انتخاب بهینه برای بار کاری
• 12. احراز هویت و مجوز: IAM برای Bigtable
• 13. نقش ها و دسترسی ها در Bigtable: کنترل دقیق
• 14. ایجاد جدول در Bigtable: تعریف Family و Column Qualifier
• 15. طراحی Schema برای Bigtable: بهترین شیوه ها
• 16. در نظر گرفتن Row Key Design برای عملکرد بهینه
• 17. بهینه سازی Schema برای داده های علمی
• 18. روش های وارد کردن داده به Bigtable: و مقایسه
• 19. استفاده از HBase Shell برای تعامل با Bigtable
• 20. نوشتن داده ها به Bigtable: دستورات و مثال ها
• 21. خواندن داده ها از Bigtable: دستورات و مثال ها
• 22. استفاده از API های Bigtable: Java, Python, Go
• 23. مثال های کد: نوشتن و خواندن داده با Python
• 24. اتصال به Bigtable از طریق HBase
• 25. ایمپورت داده از Cloud Storage به Bigtable
• 26. ایمپورت داده از فایل های CSV به Bigtable
• 27. ایمپورت داده از فایل های Parquet به Bigtable
• 28. استفاده از Dataflow برای ایمپورت داده های بزرگ
• 29. امنیت در Bigtable: رمزگذاری در حال استراحت و انتقال
• 30. پیکربندی سیاست های رمزگذاری
• 31. کنترل دسترسی شبکه: فایروال و VPC
• 32. مانیتورینگ Bigtable: معیارها و لاگ ها
• 33. استفاده از Cloud Monitoring برای Bigtable
• 34. تنظیم هشدارها و آلارم ها برای مشکلات احتمالی
• 35. مقیاس پذیری Bigtable: افزایش و کاهش ظرفیت
• 36. دستی و خودکار Bigtable
• 37. مدیریت خوشه ها: افزودن و حذف
• 38. پشتیبان گیری و بازیابی Bigtable: روش ها و استراتژی ها
• 39. تنظیم پشتیبان گیری خودکار
• 40. بازیابی از پشتیبان گیری: مراحل و ملاحظات
• 41. بهینه سازی عملکرد Bigtable: نکات و ترفندها
• 42. بهینه سازی Row Key Design برای query های خاص
• 43. استفاده از Bloom Filters برای بهبود خواندن
• 44. تنظیم GC (Garbage Collection) برای عملکرد بهتر
• 45. مدیریت چرخه عمر داده: TTL (Time To Live)
• 46. حذف داده های منسوخ به صورت خودکار
• 47. Replication Bigtable: کپی داده بین مناطق
• 48. پیکربندی Replication برای بازیابی از فاجعه (DR)
• 49. استفاده از Replication برای کاهش تأخیر خواندن
• 50. Bigtable و Apache Beam: پردازش داده ها
• 51. استفاده از Beam برای Transformation داده های Bigtable
• 52. Bigtable و Spark: تجزیه و تحلیل داده های بزرگ
• 53. اتصال Spark به Bigtable برای پردازش داده
• 54. Bigtable و Hadoop: یکپارچه سازی و استفاده
• 55. Query با SQL: BigQuery و Bigtable Connector
• 56. استفاده از BigQuery برای تجزیه و تحلیل داده Bigtable
• 57. انتقال داده بین BigQuery و Bigtable
• 58. Bigtable و Machine Learning: استفاده در مدل ها
• 59. Feature Engineering با استفاده از داده های Bigtable
• 60. سرویس دهی مدل های ML با داده های Bigtable
• 61. Bigtable و IoT: ذخیره سازی و پردازش داده های حسگر
• 62. مدیریت حجم بالای داده های IoT با Bigtable
• 63. تجزیه و تحلیل داده های IoT در Bigtable
• 64. Bigtable و Genomics: ذخیره سازی توالی های DNA
• 65. تجزیه و تحلیل داده های ژنومی با Bigtable
• 66. Bigtable و Data Science: کاربردها و تکنیک ها
• 67. Bigtable برای داده های مالی: ذخیره سازی تراکنش ها
• 68. Bigtable برای داده های شبکه های اجتماعی: ذخیره سازی فعالیت ها
• 69. Bigtable برای داده های تبلیغات: ذخیره سازی کلیک ها
• 70. Bigtable برای داده های بازی: ذخیره سازی پیشرفت کاربر
• 71. عیب یابی مشکلات رایج Bigtable: راه حل ها
• 72. بررسی لاگ ها برای تشخیص مشکلات
• 73. رفع مشکلات عملکردی و ظرفیتی
• 74. مقایسه Bigtable با Spanner: انتخاب مناسب
• 75. مقایسه Bigtable با Datastore: انتخاب مناسب
• 76. مدیریت هزینه های Bigtable: بهینه سازی و کاهش هزینه ها
• 77. درک مدل قیمت گذاری Bigtable
• 78. استفاده از Reservations برای تخفیف در هزینه ها
• 79. اتوماسیون مدیریت Bigtable با Terraform
• 80. Infrastructure as Code (IaC) برای Bigtable
• 81. استفاده از Chef/Puppet برای مدیریت پیکربندی
• 82. امنیت پیشرفته در Bigtable: Audit Logging
• 83. انطباق با استانداردها: HIPAA, GDPR
• 84. استفاده از KMS (Key Management Service)
• 85. استفاده از VPC Service Controls
• 86. Bigtable و Kubernetes: Orchestration
• 87. اجرای Bigtable در Kubernetes (محلی)
• 88. مدیریت حجم های پایدار با Bigtable در Kubernetes
• 89. به روز رسانی Bigtable: روند و ملاحظات
• 90. تست Bigtable: روش ها و ابزارها
• 91. Load Testing Bigtable با ابزارهای مختلف
• 92. تست عملکرد Bigtable در سناریوهای مختلف
• 93. توسعه برنامه های مقیاس پذیر با Bigtable
• 94. best practices for Bigtable development
• 95. الگوهای طراحی برای Bigtable
• 96. Bigtable REST API: استفاده و مثال ها
• 97. Bigtable gRPC API: استفاده و مثال ها
• 98. Cloud Bigtable Emulator: محیط تست محلی
• 99. Cloud Bigtable در مقیاس enterprise: ملاحظات
• 100. منابع بیشتر برای یادگیری Bigtable: مستندات، آموزش ها، جوامع