اپلیکیشن اندرویدی فلش‌کارت آموزشی 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. مقدمه‌ای بر پردازش داده‌های علمی در مقیاس بزرگ
• 2. مقدمه‌ای بر محاسبات ابری و مزایای آن
• 3. مروری بر Google Cloud Platform (GCP)
• 4. معرفی Bigtable: یک سرویس پایگاه داده NoSQL ستونی
• 5. چرا Bigtable برای داده‌های علمی بزرگ مناسب است؟
• 6. مقایسه Bigtable با سایر پایگاه‌های داده NoSQL
• 7. مقایسه Bigtable با پایگاه‌های داده رابطه‌ای
• 8. معماری Bigtable: عناصر اصلی
• 9. جدول‌ها، ردیف‌ها و ستون‌ها در Bigtable
• 10. خانواده‌های ستون (Column Families)
• 11. مهر زمانی (Timestamps) و نسخه‌بندی (Versioning)
• 12. حالت‌های Bigtable: خروجی (Output) و حالت بتا (Beta)
• 13. مفهوم "طراحی شمای خوب" (Good Schema Design) برای Bigtable
• 14. طراحی کلید ردیف (Row Key Design) برای Bigtable
• 15. استراتژی‌های کلید ردیف برای داده‌های علمی
• 16. پیشوندها (Prefixes) و پسوندها (Suffixes) در کلیدهای ردیف
• 17. توزیع بار (Load Distribution) و جلوگیری از داغ شدن (Hotspotting)
• 18. طراحی خانواده‌های ستون مناسب
• 19. نحوه‌ی انتخاب نام برای خانواده‌های ستون
• 20. نحوه‌ی ذخیره‌سازی داده‌ها در خانواده‌های ستون
• 21. انتخاب نوع داده برای ستون‌ها
• 22. بهینه‌سازی ذخیره‌سازی داده‌ها
• 23. فشرده‌سازی داده‌ها در Bigtable
• 24. مدیریت اعتبارنامه‌ها (Credentials) و دسترسی‌ها در GCP
• 25. IAM (Identity and Access Management) برای Bigtable
• 26. نقش‌ها (Roles) و مجوزها (Permissions) در Bigtable
• 27. تنظیمات امنیتی برای Bigtable
• 28. ایجاد یک نمونه (Instance) Bigtable
• 29. انواع نمونه‌های Bigtable: تولید (Production) و پردازش (Development)
• 30. انتخاب تنظیمات پردازش (Processing) مناسب برای نمونه
• 31. انتخاب منطقه‌ی (Region) و ناحیه (Zone) مناسب
• 32. تنظیمات ذخیره‌سازی (Storage) برای نمونه
• 33. پیکربندی ظرفیت (Capacity) و توان عملیاتی (Throughput)
• 34. تخصیص مقداردهی اولیه (Initial Allocation) برای توان عملیاتی
• 35. نحوه‌ی مانیتورینگ و تنظیم توان عملیاتی
• 36. ایجاد یک جدول (Table) در Bigtable
• 37. تنظیمات جدول: خانواده‌های ستون، نسخه‌بندی
• 38. تنظیمات جدول: زمان انقضا (TTL - Time To Live)
• 39. تنظیمات جدول: فشرده‌سازی
• 40. دستورات `cbt` (Cloud Bigtable Tool) برای مدیریت
• 41. اتصال به Bigtable با استفاده از `cbt`
• 42. ایجاد، حذف و لیست کردن جداول با `cbt`
• 43. خواندن و نوشتن داده‌ها با `cbt`
• 44. تنظیمات پیشرفته `cbt`
• 45. نوشتن برنامه‌ها با استفاده از کتابخانه‌های مشتری (Client Libraries)
• 46. نصب و پیکربندی کتابخانه‌های مشتری
• 47. نوشتن کد جاوا (Java) برای تعامل با Bigtable
• 48. نوشتن کد پایتون (Python) برای تعامل با Bigtable
• 49. نوشتن کد Go برای تعامل با Bigtable
• 50. نوشتن کد Node.js برای تعامل با Bigtable
• 51. مفاهیم خواندن داده‌ها: خواندن کامل ردیف، خواندن فیلتر شده
• 52. فیلترها (Filters) در Bigtable: فیلترهای خانوادگی، فیلترهای ستونی
• 53. فیلترهای مقداری (Value Filters)
• 54. فیلترهای سلولی (Cell Filters)
• 55. فیلترهای ترکیبی (Composite Filters)
• 56. نحوه‌ی بهینه‌سازی کوئری‌ها (Queries)
• 57. مفاهیم نوشتن داده‌ها: نوشتن منفرد، نوشتن دسته‌ای (Batch Writes)
• 58. تراکنش‌ها (Transactions) در Bigtable (محدودیت‌ها و موارد استفاده)
• 59. مدیریت داده‌های بزرگ: اسکن (Scans) و پیمایش (Traversals)
• 60. بهینه‌سازی اسکن‌ها با استفاده از پیشوندها
• 61. استفاده از `split_row_key` برای توزیع اسکن‌ها
• 62. مفهوم "تعداد زیادی داده" (Large amounts of data)
• 63. مفهوم "پردارزش" (Value) در Bigtable
• 64. مدیریت و مانیتورینگ Bigtable
• 65. متریک‌های Cloud Monitoring برای Bigtable
• 66. تنظیم هشدارها (Alerts) برای Bigtable
• 67. بررسی سلامت نمونه (Instance Health)
• 68. شناسایی و رفع مشکلات عملکردی (Performance Issues)
• 69. رفع مشکلات داغ شدن (Hotspotting)
• 70. بهینه‌سازی مصرف منابع (Resource Consumption)
• 71. مدیریت هزینه‌ها در Bigtable
• 72. برآورد هزینه‌ها (Cost Estimation)
• 73. راهکارهای کاهش هزینه
• 74. پشتیبان‌گیری (Backups) و بازیابی (Restores) در Bigtable
• 75. تنظیم سیاست‌های پشتیبان‌گیری
• 76. نحوه‌ی بازیابی داده‌ها
• 77. تکمیل مقیاس‌پذیری (Scaling) و ظرفیت
• 78. تغییر ظرفیت نمونه (Instance Capacity)
• 79. تنظیم توان عملیاتی خودکار (Autoscaling - در صورت وجود)
• 80. انتقال داده‌ها به Bigtable
• 81. استراتژی‌های ورود داده (Data Ingestion)
• 82. استفاده از Dataflow برای ورود داده به Bigtable
• 83. استفاده از Dataproc برای ورود داده به Bigtable
• 84. استفاده از ابزارهای ETL (Extract, Transform, Load)
• 85. ورود داده از Cloud Storage
• 86. ورود داده از پایگاه‌های داده رابطه‌ای
• 87. ورود داده از منابع خارجی
• 88. اکسپورت (Export) داده‌ها از Bigtable
• 89. استفاده از Dataflow برای اکسپورت داده‌ها
• 90. استفاده از `cbt export`
• 91. اکسپورت به Cloud Storage
• 92. اکسپورت به BigQuery
• 93. کاربردهای پیشرفته Bigtable
• 94. Bigtable و یادگیری ماشین (Machine Learning)
• 95. Bigtable به عنوان مخزن ویژگی (Feature Store)
• 96. Bigtable و پردازش جریانی (Stream Processing)
• 97. Bigtable و تحلیل داده‌های بلادرنگ (Real-time Analytics)
• 98. یکپارچه‌سازی Bigtable با سایر سرویس‌های GCP
• 99. Bigtable و BigQuery
• 100. Bigtable و Cloud Storage