کتاب صوتی Google Cloud Platform: اتوماسیون مدیریت لاگ ها و مانیتورینگ

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Google Cloud Platform: اتوماسیون مدیریت لاگ ها و مانیتورینگ

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر رایانش ابری و Google Cloud Platform
• 2. چرا مانیتورینگ و مدیریت لاگ‌ها حیاتی است؟
• 3. آشنایی با مفاهیم Observability: لاگ‌ها، متریک‌ها و تریس‌ها
• 4. معرفی مجموعه خدمات Operations (Stackdriver سابق)
• 5. ساختار دوره و پیش‌نیازها
• 6. راه‌اندازی حساب کاربری GCP و مدیریت صورتحساب
• 7. آشنایی با کنسول GCP و Cloud Shell
• 8. نصب و پیکربندی gcloud CLI
• 9. مفاهیم پایه IAM: پروژه‌ها، نقش‌ها و مجوزها
• 10. ایجاد اولین پروژه و تنظیمات اولیه
• 11. مقدمه‌ای بر Cloud Logging: معماری و اجزاء
• 12. انواع لاگ‌ها در GCP: لاگ‌های پلتفرم، کاربر و حسابرسی
• 13. آشنایی با رابط کاربری Logs Explorer
• 14. جستجوی ساده و فیلتر کردن لاگ‌ها بر اساس منبع و شدت
• 15. زبان کوئری‌نویسی در Cloud Logging (Logging Query Language)
• 16. ساخت کوئری‌های پیشرفته برای تحلیل لاگ‌ها
• 17. ذخیره‌سازی و مدیریت لاگ‌ها: Log Buckets
• 18. مسیریابی لاگ‌ها: آشنایی با Log Router و Sinks
• 19. پیکربندی یک Sink برای صدور لاگ‌ها به Cloud Storage
• 20. پیکربندی یک Sink برای صدور لاگ‌ها به BigQuery
• 21. پیکربندی یک Sink برای صدور لاگ‌ها به Pub/Sub
• 22. آشنایی با Ops Agent: جمع‌آوری لاگ و متریک از ماشین‌های مجازی
• 23. نصب و پیکربندی Ops Agent روی لینوکس
• 24. نصب و پیکربندی Ops Agent روی ویندوز
• 25. لاگ‌گیری ساختاریافته (Structured Logging) و اهمیت آن
• 26. ارسال لاگ‌های سفارشی از برنامه‌ها با استفاده از کتابخانه‌های کلاینت
• 27. تحلیل لاگ‌های حسابرسی (Audit Logs) برای امنیت
• 28. ایجاد متریک‌های مبتنی بر لاگ (Log-based Metrics)
• 29. مدیریت هزینه‌ها: حذف و فیلتر کردن لاگ‌های غیرضروری
• 30. سیاست‌های نگهداری (Retention) لاگ‌ها
• 31. ایمن‌سازی دسترسی به لاگ‌ها با استفاده از IAM
• 32. مقدمه‌ای بر Cloud Monitoring: معماری و مفاهیم کلیدی
• 33. آشنایی با متریک‌ها، سری‌های زمانی و منابع مانیتور شده
• 34. کاوش در متریک‌ها با استفاده از Metrics Explorer
• 35. انواع متریک‌ها: متریک‌های GCP، ایجنت و سفارشی
• 36. آشنایی با داشبوردهای Cloud Monitoring
• 37. ساخت اولین داشبورد مانیتورینگ
• 38. آشنایی با ویجت‌های مختلف در داشبوردها (چارت، جدول، گیج)
• 39. سفارشی‌سازی و مدیریت داشبوردها
• 40. زبان کوئری‌نویسی مانیتورینگ (MQL)
• 41. نوشتن کوئری‌های پیشرفته با MQL
• 42. مانیتورینگ منابع Compute Engine: CPU، حافظه، دیسک
• 43. مانیتورینگ سرویس‌های شبکه: Load Balancer و VPC
• 44. مانیتورینگ پایگاه‌های داده: Cloud SQL و Spanner
• 45. ایجاد متریک‌های سفارشی (Custom Metrics) از برنامه
• 46. ارسال متریک‌های سفارشی با استفاده از API و کتابخانه‌های کلاینت
• 47. آشنایی با Uptime Checks برای بررسی در دسترس بودن سرویس‌ها
• 48. پیکربندی Uptime Check عمومی (Public)
• 49. پیکربندی Uptime Check خصوصی (Private)
• 50. گروه‌بندی منابع (Resource Groups) برای مانیتورینگ agregated
• 51. مفهوم Metric Scopes و مانیتورینگ چندین پروژه
• 52. مقدمه‌ای بر سیستم هشداردهی (Alerting)
• 53. آشنایی با سیاست‌های هشدار (Alerting Policies)
• 54. ایجاد یک هشدار مبتنی بر متریک (Metric-based Alert)
• 55. پیکربندی کانال‌های اطلاع‌رسانی: ایمیل، SMS و PagerDuty
• 56. یکپارچه‌سازی با Slack برای دریافت هشدارها
• 57. یکپارچه‌سازی با وب‌هوک‌های سفارشی
• 58. ایجاد یک هشدار مبتنی بر لاگ (Log-based Alert)
• 59. مدیریت پیشرفته شرایط هشدار: تجمیع (Aggregation) و هم‌ترازی (Alignment)
• 60. مدیریت چرخه‌ی عمر هشدارها و رویدادها (Incidents)
• 61. بی‌صدا کردن (Muting) و به تعویق انداختن (Snoozing) هشدارها
• 62. مقدمه‌ای بر اتوماسیون با زیرساخت به عنوان کد (IaC)
• 63. معرفی Terraform برای مدیریت منابع GCP
• 64. نصب و پیکربندی Terraform Provider برای GCP
• 65. اتوماسیون ایجاد Log Sinks و Buckets با Terraform
• 66. اتوماسیون ایجاد داشبوردهای مانیتورینگ با Terraform (JSON)
• 67. اتوماسیون ایجاد سیاست‌های هشدار با Terraform
• 68. اتوماسیون ایجاد Uptime Checks با Terraform
• 69. استفاده از gcloud CLI برای مدیریت خودکار لاگ‌ها
• 70. استفاده از gcloud CLI برای مدیریت خودکار مانیتورینگ و هشدارها
• 71. مقدمه‌ای بر APIهای Cloud Logging و Cloud Monitoring
• 72. احراز هویت و دسترسی به APIها
• 73. ارسال لاگ‌های ساختاریافته به صورت برنامه‌نویسی شده با Python
• 74. خواندن و تحلیل لاگ‌ها به صورت برنامه‌نویسی شده با Python
• 75. ایجاد متریک‌های سفارشی به صورت برنامه‌نویسی شده با Go
• 76. خواندن داده‌های سری زمانی (Time Series) با API
• 77. اتوماسیون واکنش به رویدادها با Cloud Functions
• 78. پیکربندی یک هشدار برای ارسال پیام به Pub/Sub
• 79. ایجاد یک Cloud Function که به پیام‌های Pub/Sub گوش می‌دهد
• 80. مثال کاربردی: ری‌استارت خودکار یک ماشین مجازی در پاسخ به هشدار
• 81. مثال کاربردی: ارسال گزارش روزانه وضعیت سیستم با Cloud Scheduler و Functions
• 82. تحلیل پیشرفته لاگ‌ها در BigQuery با استفاده از SQL
• 83. مقدمه‌ای بر Cloud Trace برای ردیابی توزیع‌شده
• 84. یکپارچه‌سازی برنامه‌ها با Cloud Trace
• 85. تحلیل عملکرد و گلوگاه‌ها با استفاده از Trace Explorer
• 86. مقدمه‌ای بر Cloud Profiler برای تحلیل عملکرد کد
• 87. آشنایی با SLO (Service Level Objectives) Monitoring
• 88. تعریف و پیکربندی یک SLO برای یک سرویس
• 89. مانیتورینگ و هشداردهی بر اساس Burn Rate یک SLO
• 90. آشنایی با سرویس Error Reporting
• 91. مانیتورینگ تخصصی Google Kubernetes Engine (GKE)
• 92. مانیتورینگ تخصصی اپلیکیشن‌های Serverless (Cloud Run و Cloud Functions)
• 93. بهترین شیوه‌ها برای نام‌گذاری متریک‌ها و هشدارها
• 94. مدیریت هزینه در Cloud Logging و Monitoring
• 95. ایمن‌سازی و بهترین شیوه‌های IAM برای خدمات Operations
• 96. مطالعه موردی: طراحی یک راهکار کامل مانیتورینگ برای یک وب اپلیکیشن سه لایه
• 97. جمع‌بندی دوره و گام‌های بعدی
• 98. **اتوماسیون زیرساخت به عنوان کد (IaC) با Terraform و Cloud Deployment Manager برای مانیتورینگ:** (این سرفصل بر اتوماتیک سازی استقرار و پیکربندی ابزارهای مانیتورینگ و لاگینگ تاکید دارد.)
• 99. **مدیریت لاگ‌های پیشرفته: جستجوی قدرتمند با Log Analytics، فیلترها، و داشبوردهای سفارشی:** (این سرفصل به تحلیل عمیق لاگ‌ها و ایجاد داشبوردهای متمرکز می‌پردازد.)
• 100. **هشداردهی و پاسخ خودکار به رویدادها: Alerting Policies، Notification Channels، و Cloud Functions:** (این سرفصل بر فعال کردن هشدارهای خودکار و پاسخگویی به رویدادهای غیرعادی تمرکز دارد.)