谷歌云平臺服務指南：選擇適合你工作的工具!

以下是云的最常見用途，以及需要使用的谷歌云平臺(GCP)服務。

Google云平臺（GCP）于2011年推出，不得不面對市場領導者AWS，作為更純粹的云端游戲，AWS是最直接的競爭對手。但谷歌沒有為大型企業IT提供服務的經驗，因此花了幾年的時間來追趕。

GCP不再是AWS克隆，而是成為一種獨特的服務機構，提供大規模服務，包括人工智能和機器學習。如今，GCP的優勢包括通過持續使用折扣降低價格，連接數據中心的網絡速度更快，虛擬機的實時遷移，大規模和可用區域，以及各種冗余備份以實現始終可用的存儲。GCP沒有的是，AWS為解決每個用例而提供的大量工具和附件。

GCP有三個主要服務：Google App Engine，Google Compute Engine和Google Kubernetes Engine：

• App Engine是一個平臺即服務（PaaS）平臺，可以使用該平臺部署代碼并讓平臺為您完成其他所有工作。App Engine會自動創建更多實例來處理高使用率應用的增加量。
• Compute Engine是一種基礎架構即服務（IaaS）平臺，可為高度可定制的虛擬機提供直接或通過容器部署代碼的選項。雖然它需要更多配置和自定義，但Compute Engine提供的靈活性更高，成本也低于App Engine。
• Kubernetes Engine允許使用完全托管的Kubernetes集群來大規模部署，管理和編排容器。

我編制了一份云的最常見用途列表，以及需要哪些Google Cloud Platform組件。

用于DevOps，軟件開發和測試的GCP服務

應用程序開發和部署是Google Cloud Platform的主要使用案例。它始于Google App Engine（GAE），這是一個處理所有平臺集成的托管平臺，因此開發人員只需擔心其代碼。GAE支持Node.js，Java，Ruby，C＃，Go，Python和PHP。像Chef，Puppet，Ansible，Salt，Docker，Consul和Swarm等流行的DevOps工具都與GCP完全集成，可以實現云和本地場景的開發。

GKE上還有Jenkins，這是一個連續交付自動化服務器，用于協調構建，測試和部署。

Dock實現了容器技術，主要是AWS支持的，但谷歌是容器編排平臺Kubernetes的創建者，它已經推出類似的產品，如Docker Swarm作為首選的容器編排平臺，甚至微軟和亞馬遜分別在Azure和AWS上支持它。這個行業很少有人同意，但亞馬遜，甲骨文，微軟，Pivotal和VMware都落后于Kubernetes。

其核心是Google Kubernetes Engine（GKE），這是一個托管的Kubernetes環境，提供自動縮放，自動修復和自動升級等附加功能。與AWS競爭對手Amazon EC2容器服務（ECS）不同，GKE運行經過認證的開源Kubernetes，因此所需的技能可用于任何Kubernetes場景，而Amazon ECS則鎖定在AWS平臺上。

可以選擇使用Docker容器引擎，例如，如果已經對Docker代碼進行了大量投入。對于那些選擇Docker over Kubernetes的人來說，有Google容器生成器（GCB）。除了對Docker的完全支持外，GCB還為開發人員提供了在本地構建和測試其代碼的選項，以便不在Google Cloud上運行產生賬單。

用于分析的GCP服務

網絡規模的分析和機器智能從一開始就是Google Cloud Platform的使命的核心。

它的大數據工作始于BigQuery，這是一個可以免費使用的數據倉庫，每月存儲量高達10GB，分析量為1TB。它可以由Google Apps腳本，Google表格或任何可以與其REST API或客戶端庫一起使用的語言使用。

Cloud Dataflow用于構建數據管道，可以使用實時（流）或歷史（批處理）數據處理以及ETL處理。 Cloud Dataflow還處理大量的多字節數據集，并且在內部基本上取代了Google的MapReduce。 Google不再支持MapReduce，因此它鼓勵MapReduce客戶遷移到Cloud Dataflow，并為該流程提供幫助。

Cloud Dataproc是Google的云服務，用于運行Hadoop和Spark集群，可以與通用GCP服務集成，并且可以實時調整集群的大小。 Dataproc還允許自定義VM并具有自修復VM。

為了準備好處理您的數據，Google擁有Cloud Dataprep。它是無服務器的，檢測模式并修復錯誤數據或標記結構化表中的缺失數據。

最后，如果需要將大量數據移至云端并且上傳費用過長而且昂貴，Google會提供適合標準19英寸數據中心機架的Google Transfer Appliance，就像服務器一樣。2U設備容量為100TB，4U設備容量為480TB。你需要支付運費。

用于AI和機器學習的GCP服務

Google Cloud AI是其機器學習服務的基礎，具有預先訓練的模型（機器學習API）以及托管服務，可讓更高級的開發人員和客戶通過Google Cloud Machine Learning Engine構建自己的定制模型。機器學習引擎與其他Google云數據平臺產品集成，例如Google Cloud Storage，Google Cloud Dataflow和Google Cloud Datalab，用于培訓模型。

此外，谷歌最近還宣布了一項新的服務Cloud AutoML，以幫助有限機器學習經驗的客戶培訓自己的定制模型?；谏窠浘W絡的機器學習服務基于Google的TensorFlow庫，用于數據流編程，以基于圖像構建模型。

Google還提供Dialogflow，用于網站，移動應用程序，消息傳遞平臺和物聯網（IoT）設備上使用的用戶界面的端到端交互式應用程序開發。它允許開發人員構建聊天機器人和其他能夠與用戶進行自然語言對話的界面。

用于計算基礎架構的GCP服務

谷歌已經建立了一個龐大的高度調整數據中心基礎設施，旨在實現規模和最短的響應時間。這已經轉化為大規模且高度可擴展的云產品，每秒可處理超過100,000個事件，或處理總聚合事件有效負載大小超過100MB /秒的任務。

GCP在全球15個地區擁有100多個分支機構，通過專用光纖網絡連接，因此您無需與Netflix流量競爭帶寬。使用虛擬私有云（VPC），您可以連接GCP資源或將它們彼此隔離。

通過云交付網絡（CDN），內容通過邊緣點進行分發，云負載平衡服務可以通過平衡HTTP（S），TCP / SSL和UDP流量來防止一個位置過載。

Google的負載平衡服務與搜索引擎使用的服務相同，每秒處理多達100萬次查詢。還有Google Cloud Dedicated Interconnect用于將私有云與GCP連接;它提供企業級連接，以99.99％的服務級別協議為后盾，支持GCP，吞吐量為10Gbps至80Gbps。

原文鏈接：

https://www.infoworld.com/article/3254749/cloud-computing/google-cloud-platform-services-guide-the-right-tools-for-the-job.html?nsdr=true