کتاب صوتی Google Cloud Platform: Cost Optimization for IT Services Applications in Large Enterprises and at Scale

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Google Cloud Platform: Cost Optimization for IT Services Applications in Large Enterprises and at Scale

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر اهمیت بهینه‌سازی هزینه در مقیاس بزرگ
• 2. چالش‌های مالی رایج در مدیریت زیرساخت‌های ابری سازمانی
• 3. آشنایی با مدل قیمت‌گذاری Google Cloud Platform
• 4. مقایسه مدل‌های Pay-As-You-Go، تعهدی و پیش‌پرداخت
• 5. درک ساختار حساب‌های Cloud Billing و پروژه‌ها
• 6. اصول اولیه مدیریت هزینه: دیدبانی، کنترل و بهینه‌سازی
• 7. معرفی ابزارهای اصلی مدیریت هزینه در GCP
• 8. مروری بر سرویس‌های اصلی GCP و محرک‌های هزینه آن‌ها
• 9. Compute Engine: بررسی انواع ماشین‌ها و مدل‌های قیمت‌گذاری
• 10. Google Kubernetes Engine (GKE): هزینه‌های کلاستر و Node Pool
• 11. Cloud Storage: تفاوت کلاس‌های ذخیره‌سازی و هزینه‌های مرتبط
• 12. Cloud SQL: مدل‌های قیمت‌گذاری و هزینه‌های High Availability
• 13. BigQuery: درک مدل‌های قیمت‌گذاری On-Demand و Flat-Rate
• 14. Cloud Functions & Cloud Run: هزینه‌های مبتنی بر اجرا و منابع
• 15. شبکه‌های VPC: هزینه‌های ترافیک ورودی (Ingress) و خروجی (Egress)
• 16. Cloud Logging & Monitoring: مدیریت هزینه‌های داده‌های عملیاتی
• 17. تنظیم و استفاده از داشبورد Cloud Billing Reports
• 18. تحلیل جزئیات هزینه با استفاده از Cost Table
• 19. ایجاد و مدیریت بودجه‌ها (Budgets) و هشدارها (Alerts)
• 20. استفاده از برچسب‌ها (Labels) و تگ‌ها (Tags) برای تخصیص هزینه
• 21. پیاده‌سازی مدل‌های Showback و Chargeback در سازمان
• 22. استخراج داده‌های صورتحساب به BigQuery برای تحلیل پیشرفته
• 23. آشنایی با Recommender Hub و پیشنهادات کاهش هزینه
• 24. درک و استفاده از Committed Use Discounts (CUDs)
• 25. بهینه‌سازی هزینه‌های Compute Engine: انتخاب ماشین مناسب (Rightsizing)
• 26. استفاده از Custom Machine Types برای بهینه‌سازی منابع
• 27. استراتژی‌های استفاده از Spot VMs (Preemptible VMs سابق)
• 28. زمان‌بندی خاموش و روشن کردن خودکار ماشین‌های مجازی
• 29. بهینه‌سازی هزینه‌های لایسنس سیستم‌عامل و نرم‌افزار
• 30. تحلیل و کاربرد Sustained Use Discounts
• 31. مقدمه‌ای بر بهینه‌سازی هزینه در Google Kubernetes Engine (GKE)
• 32. مقایسه هزینه‌های GKE Standard و GKE Autopilot
• 33. بهینه‌سازی Node Pools و استفاده از انواع ماشین‌های مختلف
• 34. پیاده‌سازی Cluster Autoscaler برای تطبیق پویا با بار کاری
• 35. استفاده از Horizontal Pod Autoscaler (HPA)
• 36. استفاده از Vertical Pod Autoscaler (VPA)
• 37. تکنیک‌های Bin Packing برای افزایش بهره‌وری منابع کلاستر
• 38. بهینه‌سازی هزینه ذخیره‌سازی Persistent Disk در GKE
• 39. استراتژی‌های بهینه‌سازی هزینه در معماری‌های Serverless
• 40. بهینه‌سازی تخصیص حافظه و CPU در Cloud Functions و Cloud Run
• 41. مدیریت Cold Start و تأثیر آن بر هزینه و عملکرد
• 42. انتخاب استراتژی مناسب Concurrency در Cloud Run
• 43. بهینه‌سازی هزینه Cloud Storage: مدیریت چرخه حیات داده (Lifecycle Management)
• 44. انتخاب کلاس ذخیره‌سازی مناسب: Standard, Nearline, Coldline, Archive
• 45. تحلیل و کاهش هزینه‌های عملیاتی (Class A & Class B Operations)
• 46. مدیریت هزینه‌های ناشی از Versioning در باکت‌ها
• 47. بهینه‌سازی هزینه‌های Persistent Disk: انتخاب بین SSD و Standard
• 48. استراتژی‌های مدیریت Snapshot برای کاهش هزینه‌ها
• 49. بهینه‌سازی هزینه‌های Cloud SQL: انتخاب اینستنس مناسب
• 50. استفاده از Read Replicas برای توزیع بار و کاهش هزینه
• 51. استراتژی‌های پشتیبان‌گیری و بازیابی مقرون‌به‌صرفه در Cloud SQL
• 52. بهینه‌سازی هزینه‌های Spanner و Cloud Bigtable
• 53. مقدمه‌ای بر بهینه‌سازی هزینه در BigQuery
• 54. استفاده از جداول پارتیشن‌بندی شده (Partitioned Tables)
• 55. استفاده از جداول خوشه‌بندی شده (Clustered Tables)
• 56. بهترین شیوه‌ها برای نوشتن کوئری‌های مقرون‌به‌صرفه
• 57. استفاده از BigQuery Caching برای کاهش هزینه‌های تکراری
• 58. مقایسه و انتخاب بین مدل قیمت‌گذاری On-Demand و Flat-Rate
• 59. مدیریت هزینه‌های استریم دیتا به BigQuery
• 60. درک و مدیریت هزینه‌های شبکه و ترافیک داده
• 61. تحلیل و کاهش هزینه‌های Data Egress
• 62. استفاده از Cloud CDN برای کاهش هزینه‌های ترافیک خروجی
• 63. انتخاب سطح مناسب Network Service Tiers (Premium vs. Standard)
• 64. بهینه‌سازی هزینه‌های Cloud Load Balancing
• 65. استفاده از Cloud Interconnect و VPN برای سناریوهای هیبریدی
• 66. تحلیل هزینه‌های ترافیک بین-منطقه‌ای و بین-ناحیه‌ای
• 67. استفاده از VPC Flow Logs برای شناسایی ترافیک‌های پرهزینه
• 68. بهینه‌سازی هزینه‌های Cloud DNS و سرویس‌های مرتبط
• 69. مقدمه‌ای بر FinOps و پیاده‌سازی فرهنگ بهینه‌سازی هزینه
• 70. ایجاد یک مرکز تعالی ابری (Cloud Center of Excellence - CCoE)
• 71. نقش مهندسی پلتفرم در کنترل هزینه‌ها
• 72. استفاده از Infrastructure as Code (مانند Terraform) برای اعمال سیاست‌های هزینه
• 73. اتوماسیون شناسایی منابع بدون استفاده (Unused Resources)
• 74. ایجاد اسکریپت‌های خودکار برای پاکسازی منابع موقت
• 75. طراحی معماری‌های مقرون‌به‌صرفه (Cost-Effective Architectures)
• 76. مقایسه هزینه معماری میکروسرویس در مقابل مونولیت
• 77. الگوهای طراحی برای کاهش هزینه در اپلیکیشن‌های Event-Driven
• 78. بهینه‌سازی هزینه‌های CI/CD با Cloud Build
• 79. مدیریت و بهینه‌سازی هزینه‌های سرویس‌های AI و Machine Learning
• 80. کنترل هزینه‌های آموزش مدل در Vertex AI
• 81. بهینه‌سازی هزینه‌های APIهای هوش مصنوعی (Vision, NLP, Speech)
• 82. تحلیل و مدیریت هزینه‌های Cloud Logging و Cloud Monitoring
• 83. استراتژی‌های فیلتر کردن لاگ‌ها برای کاهش حجم داده
• 84. تنظیم معیارهای سفارشی (Custom Metrics) و مدیریت هزینه آن‌ها
• 85. استفاده از Quotas برای جلوگیری از افزایش هزینه‌های پیش‌بینی نشده
• 86. پیاده‌سازی سیاست‌های سازمانی (Organization Policies) برای کنترل هزینه
• 87. استفاده از IAM برای تفکیک دسترسی‌های مدیریتی و مالی
• 88. تکنیک‌های پیشرفته تحلیل هزینه با Looker Studio (Data Studio سابق)
• 89. ساخت داشبوردهای مدیریتی برای ذی‌نفعان مختلف
• 90. شناسایی خودکار ناهنجاری‌های هزینه (Cost Anomaly Detection)
• 91. پیش‌بینی هزینه‌های آینده با استفاده از مدل‌های آماری
• 92. مطالعه موردی: بهینه‌سازی هزینه یک اپلیکیشن وب سه‌لایه
• 93. مطالعه موردی: کاهش هزینه یک پایپ‌لاین داده بزرگ در BigQuery
• 94. مطالعه موردی: مدیریت هزینه یک پلتفرم کانتینری در GKE
• 95. گیمیفیکیشن (Gamification) و تشویق تیم‌ها به صرفه‌جویی در هزینه
• 96. برگزاری بازبینی‌های فصلی معماری و هزینه (Cost and Architecture Reviews)
• 97. خلاصه دوره و گام‌های بعدی برای بهینه‌سازی مستمر هزینه
• 98. **بهینه‌سازی هزینه‌های ذخیره‌سازی و دیتابیس: استراتژی‌های انتخاب نوع سرویس، Tiering و Lifecycle Policies**
• 99. **اتوماسیون مدیریت هزینه: استفاده از Cloud Functions، Cloud Scheduler و APIها برای بهینه‌سازی پویا**
• 100. **امنیت و انطباق با مقررات: تاثیر روی هزینه‌ها و استراتژی‌های بهینه‌سازی در محیط‌های حساس**