دوره Google Cloud Platform: راهنمای عملی برای توسعه دهندگان Java (Spark) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Google Cloud Platform: راهنمای عملی برای توسعه دهندگان Java (Spark)

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

• 1. مقدمه و مبانی Google Cloud Platform
• 2. آشنایی با رایانش ابری و نقش GCP
• 3. مقایسه GCP با AWS و Azure برای توسعه‌دهندگان
• 4. مفاهیم اصلی GCP: پروژه‌ها، مناطق (Regions) و ناحیه‌ها (Zones)
• 5. ایجاد حساب کاربری GCP و تنظیمات صورتحساب (Billing)
• 6. آشنایی با کنسول وب Google Cloud
• 7. نصب و پیکربندی ابزار خط فرمان gcloud
• 8. مدیریت هویت و دسترسی (IAM): مفاهیم پایه
• 9. نقش‌های IAM: پایه‌ای، از پیش تعریف شده و سفارشی
• 10. حساب‌های خدماتی (Service Accounts) و کاربرد آن در برنامه‌های Java
• 11. مبانی شبکه در GCP: VPC، زیرشبکه‌ها و قوانین فایروال
• 12. پیکربندی محیط توسعه Java برای کار با GCP
• 13. آشنایی با Google Cloud SDK برای Java
• 14. استراتژی‌های احراز هویت برای برنامه‌های Java در GCP (ADC)
• 15. مدیریت هزینه‌ها: بودجه‌بندی و هشدارهای هزینه
• 16. سرویس‌های محاسباتی (Compute) برای توسعه‌دهندگان Java
• 17. مروری بر گزینه‌های Compute در GCP
• 18. Compute Engine: ایجاد و مدیریت ماشین‌های مجازی (VM)
• 19. استقرار یک برنامه ساده Java (مانند Spring Boot) روی Compute Engine
• 20. قالب‌های نمونه (Instance Templates) و گروه‌های مدیریت شده (MIGs)
• 21. مقدمه‌ای بر کانتینرها: اصول Docker
• 22. آشنایی با Kubernetes و Google Kubernetes Engine (GKE)
• 23. ایجاد اولین کلاستر GKE
• 24. کانتینری کردن یک برنامه Java با استفاده از Jib یا Dockerfile
• 25. استقرار برنامه Java روی GKE
• 26. شبکه‌بندی در GKE: سرویس‌ها (Services) و اینگرس (Ingress)
• 27. محاسبات بدون سرور (Serverless): مقایسه Cloud Run و Cloud Functions
• 28. استقرار یک کانتینر Java در Cloud Run
• 29. توسعه یک تابع ابری (Cloud Function) با Java
• 30. ذخیره‌سازی و پایگاه‌های داده
• 31. مروری بر گزینه‌های ذخیره‌سازی و پایگاه داده در GCP
• 32. Cloud Storage: باکت‌ها، اشیاء و کلاس‌های ذخیره‌سازی
• 33. کار با Cloud Storage از طریق کتابخانه کلاینت Java
• 34. ایجاد URLهای امضا شده (Signed URLs) برای دسترسی امن
• 35. مقدمه‌ای بر پایگاه‌های داده رابطه‌ای: Cloud SQL
• 36. ایجاد و پیکربندی یک نمونه Cloud SQL (PostgreSQL/MySQL)
• 37. اتصال برنامه Java به Cloud SQL با استفاده از JDBC و Cloud SQL Auth Proxy
• 38. Cloud Spanner: پایگاه داده رابطه‌ای توزیع‌شده در مقیاس جهانی
• 39. مقدمه‌ای بر پایگاه‌های داده NoSQL در GCP
• 40. Cloud Firestore: پایگاه داده اسناد (Document-based)
• 41. توسعه برنامه Java با استفاده از Firestore
• 42. Cloud Bigtable: پایگاه داده NoSQL با توان عملیاتی بالا برای بارهای کاری سنگین
• 43. اتصال برنامه Java/Spark به Bigtable
• 44. ذخیره‌سازی درون‌حافظه‌ای (In-memory): Memorystore برای Redis و Memcached
• 45. انتخاب پایگاه داده مناسب برای نیازهای برنامه Java شما
• 46. داده‌های بزرگ (Big Data) و تحلیل با Spark
• 47. اکوسیستم داده‌های بزرگ و تحلیل در GCP
• 48. معرفی Dataproc: مدیریت Hadoop و Spark
• 49. ایجاد و مدیریت یک کلاستر Dataproc
• 50. اجرای یک جاب Java Spark روی کلاستر Dataproc
• 51. دسترسی به داده‌های موجود در Cloud Storage از طریق Spark
• 52. سفارشی‌سازی کلاسترهای Dataproc با اسکریپت‌های اولیه (Initialization Actions)
• 53. مقیاس‌پذیری خودکار (Autoscaling) در کلاسترهای Dataproc
• 54. استفاده از Dataproc Metastore برای سازگاری با Hive
• 55. اجرای Spark بدون سرور با Dataproc Serverless
• 56. معرفی BigQuery: انبار داده بدون سرور GCP
• 57. معماری BigQuery: جداسازی ذخیره‌سازی و پردازش
• 58. بارگذاری داده از Cloud Storage به BigQuery
• 59. اجرای کوئری روی BigQuery با استفاده از کتابخانه کلاینت Java
• 60. ادغام Spark و BigQuery با استفاده از کانکتور رسمی
• 61. معرفی Dataflow: پردازش دسته‌ای و جریانی با Apache Beam
• 62. مدل برنامه‌نویسی Beam برای توسعه‌دهندگان Java
• 63. اجرای یک پایپ‌لاین ساده Java Dataflow
• 64. مقایسه Dataproc (Spark) و Dataflow: چه زمانی از کدام استفاده کنیم
• 65. هماهنگ‌سازی پایپ‌لاین‌های داده با Cloud Composer (Managed Airflow)
• 66. توسعه، CI/CD و پایش (Observability)
• 67. مقدمه‌ای بر CI/CD در GCP
• 68. Cloud Source Repositories: میزبانی Git در GCP
• 69. ساخت (Build) برنامه‌های Java با استفاده از Cloud Build
• 70. ایجاد یک پایپ‌لاین یکپارچه‌سازی مداوم (CI)
• 71. Artifact Registry: ذخیره‌سازی آرتیفکت‌های Java (JARs, Docker Images)
• 72. ایجاد یک پایپ‌لاین استقرار مداوم (CD) برای Cloud Run
• 73. زیرساخت به عنوان کد (IaC) با Terraform برای مدیریت منابع GCP
• 74. معرفی مجموعه عملیات (Operations Suite): Logging, Monitoring, Tracing
• 75. Cloud Logging: ثبت متمرکز لاگ‌های برنامه‌های Java
• 76. استفاده از لاگ‌نویسی ساختاریافته (Structured Logging) در Java
• 77. Cloud Monitoring: معیارها، داشبوردها و هشدارها
• 78. پایش عملکرد برنامه Java (مانند معیارهای JVM)
• 79. Cloud Trace: ردیابی توزیع‌شده برای معماری میکروسرویس
• 80. Cloud Profiler: تحلیل مصرف CPU و حافظه در برنامه‌های Java
• 81. موضوعات پیشرفته و یکپارچه‌سازی
• 82. سیستم پیام‌رسانی در GCP: آشنایی با Pub/Sub
• 83. ارسال پیام از یک برنامه Java به یک تاپیک Pub/Sub
• 84. ایجاد یک مشترک (Subscriber) در Java برای دریافت پیام‌های Pub/Sub
• 85. مدیریت API با استفاده از Apigee
• 86. امن‌سازی APIهای Java با Identity-Aware Proxy (IAP)
• 87. استفاده از Secret Manager برای مدیریت اطلاعات حساس
• 88. مقدمه‌ای بر سرویس‌های هوش مصنوعی (AI/ML) برای توسعه‌دهندگان
• 89. استفاده از Vision AI API از طریق یک برنامه Java
• 90. استفاده از Natural Language API از طریق یک برنامه Java
• 91. Vertex AI: ساخت و استقرار مدل‌های یادگیری ماشین
• 92. معماری‌های رویدادمحور (Event-driven) با Eventarc
• 93. بهترین شیوه‌ها، معماری و جمع‌بندی
• 94. بهترین شیوه‌ها برای بهینه‌سازی هزینه‌ها در GCP
• 95. معماری برنامه‌های Java قابل اعتماد و مقیاس‌پذیر در GCP
• 96. مطالعه موردی ۱: ساخت یک وب اپلیکیشن با Cloud Run و Firestore
• 97. مطالعه موردی ۲: یک پایپ‌لاین پردازش داده‌های بزرگ با Dataproc و BigQuery
• 98. گواهینامه‌های GCP و گام‌های بعدی در مسیر یادگیری ابری شما
• 99. **ذخیره‌سازی داده در GCP برای Spark: Cloud Storage، Bigtable، و Datastore.**
• 100. **پیاده‌سازی Pipelines داده Spark با Cloud Dataflow و ادغام با سایر سرویس‌های GCP.**