Skip to content

summary.fa.md

Latest commit

 

History

History
190 lines (125 loc) · 20.9 KB

summary.fa.md

File metadata and controls

190 lines (125 loc) · 20.9 KB

؜خلاصه دوره: Google Cloud Platform (GCP) Fundamentals for Beginners

این سند، نکات کلیدی دوره را به صورت خلاصه و فارسی روان جمع‌بندی می‌کند تا هم برای مرور سریع و هم برای شروع یادگیری GCP به کار بیاید.

؜قبل از شروع

این خلاصه فقط نکات مهم را پوشش می‌دهد. ؜اگر امکانش را داری، دیدن خود دوره (به‌خصوص دموها و لاب‌ها) تجربه خیلی کامل‌تری می‌دهد.

AI-Powered buttons

Teach Me: 5 Years Old | Beginner | Intermediate | Advanced | (reset auto redirect)

Learn Differently: Analogy | Storytelling | Cheatsheet | Mindmap | Flashcards | Practical Projects | Code Examples | Common Mistakes

Check Understanding: Generate Quiz | Interview Me | Refactor Challenge | Assessment Rubric | Next Steps

؜موضوع ۱: معرفی دوره

  • ؜؜خلاصه؜: در این بخش، مدرس مخاطب را با دوره آشنا می‌کند؛ توضیح می‌دهد که قرار است چه چیزهایی درباره Google Cloud Platform یاد بگیری، از جمله سرویس‌های اصلی مثل compute، storage و networking. ؜همچنین روی رویکرد عملی دوره (دموها، کوییزها و بخش جدید Anthos برای hybrid و multi‑cloud) تأکید می‌کند.

  • ؜؜مثال؜: اگر کاملاً در دنیای cloud جدید هستی، این دوره مثل یک تور راهنمایی‌شده در یک دیتاسنتر خیلی بزرگ است؛ بدون این‌که در جزئیات گم بشوی، از مفاهیم پایه شروع می‌کنی و کم‌کم با سرویس‌های مهم GCP آشنا می‌شوی.

  • ؜لینک برای جزئیات بیشتر: Ask AI: Introduction to the Course

؜موضوع ۲: ساختار دوره و نکات کلیدی

  • ؜؜خلاصه؜: دوره ۱۲ بخش اصلی دارد که هرکدام روی یک موضوع مهم در GCP تمرکز می‌کنند؛ مثل compute، storage، security و غیره. ؜هر بخش معمولاً شامل اهداف یادگیری، overview، دمو و جمع‌بندی use case هاست. ؜هدف این است که هم تصویر کلی GCP را بگیری، هم با سرویس‌های پایه و کاربرد واقعی‌شان آشنا شوی.

  • ؜؜مثال؜: تصور کن یک road trip برنامه‌ریزی می‌کنی؛ هر بخش دوره یک ایستگاه در مسیر است: اهداف (می‌خواهی آنجا چه ببینی)، نقشه (overview)، تست رانندگی (demo) و این‌که چه زمانی رفتن به آنجا منطقی است (use case). ؜در نهایت، می‌دانی کِی از کدام سرویس GCP استفاده کنی.

  • ؜لینک برای جزئیات بیشتر: Ask AI: Course Structure and Key Takeaways

؜موضوع ۳: نمای کلی Google Cloud Platform

  • ؜؜خلاصه؜: این بخش به نمای کلی GCP می‌پردازد؛ از زیرساخت جهانی گوگل (regions و zones) تا سرویس‌های مختلف در حوزه‌های compute، storage، networking، databases، AI و غیره. ؜هدف این است که بدانی GCP بیش از صد سرویس در لایه‌های IaaS، PaaS و SaaS دارد و هرکدام چه جایگاهی دارند.

  • ؜؜مثال؜: GCP را مثل یک شبکه جهانی از انبارهای بسیار پیشرفته تصور کن (regions و zones) که در آن ابزارهای مختلفی برای کارهای متنوع وجود دارد؛ از ذخیره ساده فایل‌ها تا اجرای مدل‌های پیشرفته AI. ؜شرکت‌ها بدون این‌که دیتاسنتر خودشان را بسازند، می‌توانند از این زیرساخت آماده استفاده کنند.

  • ؜لینک برای جزئیات بیشتر: Ask AI: Overview of Google Cloud Platform

؜موضوع ۴: شروع کار با GCP

  • ؜؜خلاصه؜: این بخش نحوه ثبت‌نام در GCP را (معمولاً با ۳۰۰ دلار اعتبار رایگان)، مفهوم resource hierarchy (سازمان، folder، project) و روش‌های مختلف تعامل با GCP را توضیح می‌دهد: از طریق console تحت وب، Cloud Shell، ابزار خط فرمان (Cloud SDK) و حتی mobile app. ؜یک دمو هم روی استفاده از Cloud Shell برای اجرای commandها نشان داده می‌شود.

  • ؜؜مثال؜: ثبت‌نام در GCP را مثل باز کردن یک حساب بانکی با موجودی اولیه رایگان تصور کن. ؜بعد می‌توانی حساب‌ها را در folder های مختلف مرتب کنی تا مدیریت billing و دسترسی‌ها ساده‌تر شود. ؜Cloud Shell هم مثل یک terminal آماده در مرورگر است که بدون نصب هیچ چیز روی سیستم، می‌توانی منابع GCP را مدیریت کنی.

  • ؜لینک برای جزئیات بیشتر: Ask AI: Getting Started with GCP

؜موضوع ۵: سرویس‌های Compute در GCP

  • ؜؜خلاصه؜: در این قسمت سرویس‌های اصلی compute معرفی می‌شوند:

    • ؜App Engine به‌عنوان یک PaaS برای اجرای applicationها بدون مدیریت مستقیم سرورها
    • ؜Compute Engine برای ساخت و مدیریت VM (ماشین مجازی) با کنترل بالا روی سیستم‌عامل و تنظیمات
    • ؜Google Kubernetes Engine (GKE) برای مدیریت containerها با Kubernetes
    • ؜Cloud Functions برای پیاده‌سازی serverless functionها که فقط براساس execution هزینه دارند
      یک دمو هم برای راه‌اندازی یک VM روی Compute Engine انجام می‌شود و برای هر سرویس، use case های مناسب گفته می‌شود.

  • ؜؜مثال؜: اگر می‌خواهی یک وب‌اپ را بدون درگیری با مدیریت سرور اجرا کنی، App Engine شبیه یک آشپزخانه آماده است که فقط لازم است غذا (کد) را بیاوری. ؜اما اگر می‌خواهی همه‌چیز را خودت تنظیم کنی (سیستم‌عامل، شبکه، دیسک و ...)، Compute Engine مثل این است که کل خانه را خودت در اختیار داری و می‌توانی هرطور خواستی customize کنی.

  • ؜لینک برای جزئیات بیشتر: Ask AI: GCP Compute Services

؜موضوع ۶: Storage و Databaseها در GCP

  • ؜؜خلاصه؜: این بخش تفاوت object storage و block storage را توضیح می‌دهد و سپس سراغ databaseهای مختلف در GCP می‌رود:

    • ؜Cloud Storage برای object storage (مثلاً فایل، عکس، backup)
    • ؜Persistent Disk و مشابه آن برای block storage
    • ؜Cloud SQL برای relational databaseهای مدیریت‌شده (مثل MySQL، PostgreSQL)
    • ؜Cloud Spanner برای relational database توزیع‌شده در مقیاس global
    • ؜NoSQL گزینه‌هایی مثل Cloud Firestore و Cloud Bigtable
      روی ویژگی‌هایی مثل دوام داده (durability)، مقیاس‌پذیری (scalability) و یکپارچگی با سایر سرویس‌ها تأکید می‌شود.

  • ؜؜مثال؜: اگر می‌خواهی عکس‌هایت را ذخیره کنی، Cloud Storage مثل یک آلبوم عکس آنلاین و بسیار پایدار است که از هرجای دنیا قابل دسترس است. ؜اما برای داده ساختارمند مثل اطلاعات مشتریان، Cloud SQL مثل یک کمد بایگانی منظم است که همراه با رشد کسب‌وکار، خودش هم قابل رشد است.

  • ؜لینک برای جزئیات بیشتر: Ask AI: GCP Storage and Databases

؜موضوع ۷: سرویس‌های Networking در GCP

  • ؜؜خلاصه؜: در این بخش مفاهیم اصلی شبکه در GCP را می‌بینی:

    • ؜Virtual Private Cloud) VPC) برای ساخت شبکه‌های مجازی
    • ؜Load Balancing برای توزیع ترافیک بین چند backend
    • ؜Cloud CDN برای کش محتوا و رساندن آن به کاربر از نزدیک‌ترین location
    • ؜راهکارهای hybrid connectivity مثل VPN و Cloud Interconnect برای اتصال امن بین on‑premise و GCP
      تمرکز روی امنیت، کارایی و قابلیت اتصال سرویس‌ها به یکدیگر است.

  • ؜؜مثال؜: شبکه را مثل سیستم جاده‌ای بین شهرها (سرویس‌ها) تصور کن؛ load balancer مثل پلیسی است که در ساعات شلوغی، ترافیک را بین مسیرهای مختلف پخش می‌کند. ؜VPN هم مثل یک تونل امن بین دفتر اصلی شرکت و دیتاسنتر GCP است.

  • ؜لینک برای جزئیات بیشتر: Ask AI: GCP Networking Services

؜موضوع ۸: مدیریت هویت و دسترسی (IAM)

  • ؜؜خلاصه؜: این بخش روی امنیت و کنترل دسترسی متمرکز است. ؜با مفاهیمی مثل role، permission و principle of least privilege آشنا می‌شوی. ؜IAM در GCP کمک می‌کند دقیق مشخص کنی چه کسی (user، group، service account) به کدام resource با چه سطح دسترسی (viewer، editor، owner و ...) دسترسی دارد.

  • ؜؜مثال؜: IAM مثل سیستم مدیریت کلیدها در یک ساختمان است؛ به خدمتکار فقط کلید اتاق‌های نظافت را می‌دهی و به خزانه‌دار کلید گاوصندوق را. ؜به‌این‌ترتیب، هرکسی فقط به قسمت‌هایی دسترسی دارد که برای کارش لازم است و چیزی بیش از آن در اختیارش نیست.

  • ؜لینک برای جزئیات بیشتر: Ask AI: Identity and Access Management (IAM)

؜موضوع ۹: سرویس‌های Data و Analytics

  • ؜؜خلاصه؜: این بخش سرویس‌های داده و تحلیل در GCP را پوشش می‌دهد، از جمله:

    • ؜BigQuery برای data warehouse و تحلیل سریع روی داده‌های حجیم
    • ؜Pub/Sub برای messaging و event-driven معماری
    • ؜Dataflow برای پردازش داده (stream و batch) مبتنی بر Apache Beam
    • ؜Dataproc برای اجرا و مدیریت Hadoop و Spark به‌صورت مدیریت‌شده در GCP
      هدف این سرویس‌ها این است که بتوانی big data را مقیاس‌پذیر و کارآمد پردازش و تحلیل کنی.

  • ؜؜مثال؜: اگر می‌خواهی روند فروش را تحلیل کنی، BigQuery مثل این است که بتوانی یک کتاب خیلی بزرگ از داده‌ها را در چند ثانیه ورق بزنی و جواب سؤالت را بگیری. ؜Pub/Sub هم مثل یک news ticker برای اپلیکیشن‌هاست که پیام‌ها را در لحظه بین سرویس‌های مختلف پخش می‌کند.

  • ؜لینک برای جزئیات بیشتر: Ask AI: Data and Analytics Services

؜موضوع ۱۰: سرویس‌های AI و Machine Learning

  • ؜؜خلاصه؜: در این قسمت با سرویس‌های هوش مصنوعی GCP آشنا می‌شوی، از جمله:

    • ؜Vision AI برای تحلیل تصویر (تشخیص شیء، متن، چهره و غیره)
    • ؜AutoML برای ساخت مدل‌های ML با حداقل کدنویسی
    • ؜AI Platform (یا Vertex AI در نسخه‌های جدیدتر) برای مدیریت چرخه کامل ML؛ از آموزش تا deploy
      یک دمو هم معمولاً برای object detection یا سناریوهای مشابه نشان داده می‌شود.

  • ؜؜مثال؜: فرض کن می‌خواهی در عکس‌هایت میوه‌ها را تشخیص دهی؛ Vision AI می‌تواند برایت برچسب «سیب»، «موز» و ... ؜بزند. ؜اگر هم dataset خودت را داری و می‌خواهی بدون درگیری زیاد با جزئیات ML یک مدل بسازی، AutoML مثل این است که به یک حیوان خانگی آموزش بدهی با دستورهای ساده ترفندهای جدید یاد بگیرد.

  • ؜لینک برای جزئیات بیشتر: Ask AI: AI and Machine Learning Services

؜موضوع ۱۱: ابزارهای Developer و DevOps

  • ؜؜خلاصه؜: این بخش روی ابزارهایی تمرکز دارد که توسعه و استقرار نرم‌افزار را آسان‌تر می‌کنند:

    • ؜Cloud Source Repositories برای نگه‌داری کد (مشابه Git repository)
    • ؜Cloud Build برای pipelineهای CI/CD (ساخت، تست، deploy)
    • ؜Container Registry (و Artifact Registry) برای ذخیره و مدیریت container imageها
    • ؜Integration با IDEها برای تجربه توسعه بهتر
      یک دمو هم برای ذخیره imageهای container در registry نشان داده می‌شود.

  • ؜؜مثال؜: فرض کن یک اپ می‌سازی؛ Cloud Build شبیه یک خط مونتاژ خودکار است که بعد از هر تغییر کد، build، test و deploy را انجام می‌دهد. ؜Container Registry هم مثل انبار ایمن برای نگه‌داری بسته‌های نرم‌افزاری (imageها) است که هر زمان لازم شد، سریع بتوانی آن‌ها را deploy کنی.

  • ؜لینک برای جزئیات بیشتر: Ask AI: Developer Tools and DevOps

؜موضوع ۱۲: سرویس‌های Enterprise و Anthos

  • ؜؜خلاصه؜: این بخش سراغ سناریوهای enterprise می‌رود:

    • ؜IoT Core برای مدیریت دستگاه‌های IoT
    • ؜API Management برای کنترل و امنیت APIها
    • ؜Hybrid و Multi‑cloud معماری با Anthos برای مدیریت Kubernetes clusterها در محیط‌های مختلف (on‑prem، GCP، AWS، Azure و ...)
    • ؜ابزارهای migration برای جابه‌جایی workloadها به GCP
      همچنین یک دمو از Anthos نشان داده می‌شود که چطور می‌توانی clusterهای مختلف را از یک نقطه مرکزی مدیریت کنی.

  • ؜؜مثال؜: اگر چندین cluster در cloudها و دیتاسنترهای مختلف داری، Anthos مثل یک داشبورد مرکزی است که تمام «وسیله‌نقلیه‌ها» (clusterها) را در آن ثبت می‌کنی و از همان‌جا کنترل‌شان می‌کنی؛ فرقی نمی‌کند روی on‑prem باشد یا AWS یا Azure.

  • ؜لینک برای جزئیات بیشتر: Ask AI: Enterprise Services and Anthos

؜موضوع ۱۳: جمع‌بندی دوره و قدم‌های بعدی

  • ؜؜خلاصه؜: در پایان، مدرس مهم‌ترین نکات دوره را مرور می‌کند، یک مسیر پیشنهادی برای ادامه یادگیری در GCP ارائه می‌دهد و به‌خصوص به certificationهایی مثل Associate Cloud Engineer اشاره می‌کند. ؜همچنین منابع بیشتری برای عمیق‌تر شدن در هر سرویس معرفی می‌شود.

  • ؜؜مثال؜: تمام کردن این دوره مثل تمام کردن یک کوه‌پیمایی سطح مبتدی است؛ حالا می‌توانی برای قله‌های بالاتر برنامه‌ریزی کنی. ؜certificationها حکم همان قله‌ها را دارند؛ یعنی با تکیه روی دانشی که از این دوره گرفتی، می‌توانی سراغ مسیر حرفه‌ای‌تری در حوزه cloud بروی.

  • ؜لینک برای جزئیات بیشتر: Ask AI: Course Wrap-Up and Next Steps

؜درباره خلاصه‌کننده

من «Ali Sol» هستم؛ Backend Developer. ؜اگر دوست داری بیشتر بدانی: