Developing Applications with Google Cloud Platform (DAGCP)

Программа курса

Модуль 1: Лучшие практики для разработчиков приложений

  • Управление кодом и средой
  • Компоненты и микро-сервисы безопасных, масштабируемых, интеллектуальных приложений
  • Непрерывная интеграция
  • Смена архитектура для использования приложений в облаке

Модуль 2: Клиентские библиотеки, Google Cloud SDK, Google Firebase SDK

  • Как установить и использовать клиентские библиотеки Google Cloud, Google Cloud SDK, и Google Firebase SDK
  • Лабораторная работа: Установка Google Client Libraries, Google Cloud SDK, и Firebase SDK на Linux ОС

Модуль 3: Обзор Data Storage Options

  • Обзор опций хранения прикладных данных
  • Лучшие практики использования Google Cloud Storage, Google Cloud Datastore, Cloud Bigtable, Google Cloud SQL, и Cloud Spanner

Модуль 4: Лучшие практики для использования Cloud Datastore

  • Лучшие практики для: Queries, Сomposite indexes, Transactions, Error handling
  • Импорт данных в Cloud Datastore с использованием Google Cloud Dataflow
  • Лабораторная работа: Хранение данных в Cloud Datastore

Модуль 5: Выполнение операций над Buckets и Objects

  • Операции над buckets и objects
  • Согласованная модель
  • Обработка ошибок

Модуль 6: Лучшие практики для использования Cloud Storage

  • Использование buckets для статических веб-сайтов
  • Использование объектов
  • Требования производительности
  • Установка CORS конфигураций
  • Лабораторная работа: Хранение файлов в Cloud Storage

Модуль 7: Безопасность приложений

  • Cloud Identity and Access Management (IAM) роли
  • Аутентификация пользователей с использованием Firebase Authentication
  • Аутентификация пользователей и авторизация с использованием Cloud Identity-Aware Proxy
  • Лабораторная работа: Аутентификация пользователей на базе Firebase Authentication

Модуль 8: Использование Google Cloud Pub/Sub для интеграции компонентов приложения

  • Topics, publishers, и subscribers
  • Pull и push subscriptions
  • Лучшие практики использования Cloud Pub/Sub
  • Лабораторная работа: Разработка backend-сервиса для обработки сообщений в очереди сообщений

Модуль 9: Добавление функций интеллектуальности

  • Обзор Cloud Vision API и Cloud Natural Language Processing API

Модуль 10: Использование облачных функций для обработки событий

  • Ключевые концепты, такие как triggers, background functions, HTTP functions
  • Лучшие практики использования
  • Функции разработки и внедрения
  • Logging, error reporting, и monitoring

Модуль 11: Использование Cloud Endpoints для развертывания API

  • Конфигурация Open API
  • Лабораторная работа: Внедрение API для клиентского приложения

Модуль 12: Debugging приложения с использованием Google Stackdriver

  • Stackdriver Debugger
  • Stackdriver Error Reporting
  • Лабораторная работа: Сбор и анализ дебага ошибок работы приложения с использованием Stackdriver Debugger и Error Reporting

Модуль 13: Внедрение приложений с использованием Google Cloud Container Builder, Google Cloud Container Registry, и Google Cloud Deployment Manager

  • Создание образов контейнеров
  • Шаблоны конфигураций и моделей развертывания
  • Лабораторная работа: Использование Deployment Manager для развёртывания веб-приложения в среде Google App Engine Flex

Модуль 14: Окружающая среда приложения

  • Анализ и выбор между решениями:
  • Google Compute Engine
  • Container Engine
  • App Engine Flex
  • Cloud Functions
  • Cloud Dataflow
  • Лабораторная работа: Внедрение клиентского приложения с использованием App Engine Flex

Модуль 15: Мониторинг и оптимизация производительности

  • Лучшие практики и точки наблюдения за производительностью
  • Использование Stackdriver Trace и Stackdriver Monitoring
  • Определение и решение проблем производительности
  • Лабораторная работа: Использование Stackdriver Monitoring и Stackdriver Trace для отслеживания запросов через сервисы для оптимизации производительности