谷歌云平台服务指南：选择适合你工作的工具

以下是云的最常见用途，以及需要使用的谷歌云平台(GCP)服务。

Google云平台（GCP）于2011年推出，不得不面对市场领导者AWS，作为更纯粹的云端游戏，AWS是最直接的竞争对手。但谷歌没有为大型企业IT提供服务的经验，因此花了几年的时间来追赶。

GCP不再是AWS克隆，而是成为一种独特的服务机构，提供大规模服务，包括人工智能和机器学习。如今，GCP的优势包括通过持续使用折扣降低价格，连接数据中心的网络速度更快，虚拟机的实时迁移，大规模和可用区域，以及各种冗余备份以实现始终可用的存储。GCP没有的是，AWS为解决每个用例而提供的大量工具和附件。

GCP有三个主要服务：Google App Engine，Google Compute Engine和Google Kubernetes Engine：

• App Engine是一个平台即服务（PaaS）平台，可以使用该平台部署代码并让平台为您完成其他所有工作。App Engine会自动创建更多实例来处理高使用率应用的增加量。
• Compute Engine是一种基础架构即服务（IaaS）平台，可为高度可定制的虚拟机提供直接或通过容器部署代码的选项。虽然它需要更多配置和自定义，但Compute Engine提供的灵活性更高，成本也低于App Engine。
• Kubernetes Engine允许使用完全托管的Kubernetes集群来大规模部署，管理和编排容器。

我编制了一份云的最常见用途列表，以及需要哪些Google Cloud Platform组件。

用于DevOps，软件开发和测试的GCP服务

应用程序开发和部署是Google Cloud Platform的主要使用案例。它始于Google App Engine（GAE），这是一个处理所有平台集成的托管平台，因此开发人员只需担心其代码。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工具都与GCP完全集成，可以实现云和本地场景的开发。

GKE上还有Jenkins，这是一个连续交付自动化服务器，用于协调构建，测试和部署。

Dock实现了容器技术，主要是AWS支持的，但谷歌是容器编排平台Kubernetes的创建者，它已经推出类似的产品，如Docker Swarm作为首选的容器编排平台，甚至微软和亚马逊分别在Azure和AWS上支持它。这个行业很少有人同意，但亚马逊，甲骨文，微软，Pivotal和VMware都落后于Kubernetes。

其核心是Google Kubernetes Engine（GKE），这是一个托管的Kubernetes环境，提供自动缩放，自动修复和自动升级等附加功能。与AWS竞争对手Amazon EC2容器服务（ECS）不同，GKE运行经过认证的开源Kubernetes，因此所需的技能可用于任何Kubernetes场景，而Amazon ECS则锁定在AWS平台上。

可以选择使用Docker容器引擎，例如，如果已经对Docker代码进行了大量投入。对于那些选择Docker over Kubernetes的人来说，有Google容器生成器（GCB）。除了对Docker的完全支持外，GCB还为开发人员提供了在本地构建和测试其代码的选项，以便不在Google Cloud上运行产生账单。

用于分析的GCP服务

网络规模的分析和机器智能从一开始就是Google Cloud Platform的使命的核心。

它的大数据工作始于BigQuery，这是一个可以免费使用的数据仓库，每月存储量高达10GB，分析量为1TB。它可以由Google Apps脚本，Google表格或任何可以与其REST API或客户端库一起使用的语言使用。

Cloud Dataflow用于构建数据管道，可以使用实时（流）或历史（批处理）数据处理以及ETL处理。 Cloud Dataflow还处理大量的多字节数据集，并且在内部基本上取代了Google的MapReduce。 Google不再支持MapReduce，因此它鼓励MapReduce客户迁移到Cloud Dataflow，并为该流程提供帮助。

Cloud Dataproc是Google的云服务，用于运行Hadoop和Spark集群，可以与通用GCP服务集成，并且可以实时调整集群的大小。 Dataproc还允许自定义VM并具有自修复VM。

为了准备好处理您的数据，Google拥有Cloud Dataprep。它是无服务器的，检测模式并修复错误数据或标记结构化表中的缺失数据。

最后，如果需要将大量数据移至云端并且上传费用过长而且昂贵，Google会提供适合标准19英寸数据中心机架的Google Transfer Appliance，就像服务器一样。2U设备容量为100TB，4U设备容量为480TB。你需要支付运费。

用于AI和机器学习的GCP服务

Google Cloud AI是其机器学习服务的基础，具有预先训练的模型（机器学习API）以及托管服务，可让更高级的开发人员和客户通过Google Cloud Machine Learning Engine构建自己的定制模型。机器学习引擎与其他Google云数据平台产品集成，例如Google Cloud Storage，Google Cloud Dataflow和Google Cloud Datalab，用于培训模型。

此外，谷歌最近还宣布了一项新的服务Cloud AutoML，以帮助有限机器学习经验的客户培训自己的定制模型。基于神经网络的机器学习服务基于Google的TensorFlow库，用于数据流编程，以基于图像构建模型。

Google还提供Dialogflow，用于网站，移动应用程序，消息传递平台和物联网（IoT）设备上使用的用户界面的端到端交互式应用程序开发。它允许开发人员构建聊天机器人和其他能够与用户进行自然语言对话的界面。

用于计算基础架构的GCP服务

谷歌已经建立了一个庞大的高度调整数据中心基础设施，旨在实现规模和最短的响应时间。这已经转化为大规模且高度可扩展的云产品，每秒可处理超过100,000个事件，或处理总聚合事件有效负载大小超过100MB /秒的任务。

GCP在全球15个地区拥有100多个分支机构，通过专用光纤网络连接，因此您无需与Netflix流量竞争带宽。使用虚拟私有云（VPC），您可以连接GCP资源或将它们彼此隔离。

通过云交付网络（CDN），内容通过边缘点进行分发，云负载平衡服务可以通过平衡HTTP（S），TCP / SSL和UDP流量来防止一个位置过载。

Google的负载平衡服务与搜索引擎使用的服务相同，每秒处理多达100万次查询。还有Google Cloud Dedicated Interconnect用于将私有云与GCP连接;它提供企业级连接，以99.99％的服务级别协议为后盾，支持GCP，吞吐量为10Gbps至80Gbps。

原文链接：

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