Google近日(19日)在臺舉辦一場Google Cloud Platform Onboard的科技活動,介紹Google Cloud Platform(GCP)提供給企業的幾項服務,包含運算(Compute)、儲存裝置(Store)、大數據(Big Data)、API、機器學習(Machine Learning)、運用與工具(Management Tools)等類別中的重要服務。
另外,Google也提供使用者完成雲端平臺的註冊後,即可獲得免費試用額度300美元,試用期限為1年,Google的雲端平臺採用專案的方式管理,企業用戶建立專案後就可以使用GCP上所有的服務,且可以在一個雲端平臺上建立多個專案,再分別運行每個專案,企業若要了解計價方式,Google也提供價格計算機(Pricing Calculator)的服務,讓企業依照使用的服務項目與用量試算價格。
Google提供企業透過3種介面存取GCP服務,視覺化使用者介面(Web Console)提供用戶可以透過網頁的方式存取服務,並可以集中管理所有的專案,命令列介面(Cloud SDK/Cloud Shell)提供指令的介面讓用戶使用,SDK中包含CLI Tool,和程式化介面(RESTful API)則是透過HTTP的方式存取服務,此外,為了能讓用戶更了解各項API的操作,Google也提供APIs Explorer,讓用戶測試所有API執行狀況,像是Request的傳送和Reply的回應。
Google在運算的產品中提供Compute Engine、App Engine和Container Engine等服務,其中,APP Engine提供PaaS服務形式,簡化開發過程讓用戶可以容易上手,並支援多種程式語言,像是Java、Go、PHP、Python,提供用戶使用API存取Queue、DataStore等服務。
儲存的服務中,GCP提供Cloud Storage、Cloud SQL、Cloud Datastore、Cloud Bigtable等服務,又可分為使用SQL的Cloud SQL,和使用NoSQL服務的Cloud Datastore、Cloud Bigtable,其中,Cloud BigTable由於NoSQL服務,適合動態存取,且利用HBase API方式存取資料,能負載PB級的資料量,以及建立大量的欄位資料庫。
此外,稍早Google 2017年Next大會中發布了儲存裝置的新成員Cloud Spanner,可支援全球跨區域存取資料,結合NoSQL資料庫及傳統關聯式資料庫的特性,提供水平擴充、分散資料,以及ACID交易管理,安全性上更是提供了加密防護、身份與存取管理、登入稽核等機制,且能夠支援多種語言,Spanner在Client Library提供Java、Go、Python、Node.js,與第三方的工具連線則是以JDBC的連線方式,不過,目前Cloud Spanner還只是測試版。
大數據分析主要分為資料擷取、資料處理、資料儲存、分析和應用5個環節,GCP在每個環節都提供了服務給企業使用,資料擷取可用App Engine、Cloud Pub/Sub,資料處理的部分Google提供Cloud Dataflow,Cloud Dataflow是以Data Pipeline的託管服務進行資料處理,讓資料的輸入與輸出可串接至Dataflow來讀取和儲存。
資料儲存則可利用BigQuery Storage、Cloud Bigtable、 Cloud Storage,分析則是有Cloud Dataflow、Dataproc、BigQuery Analytics提拱給用戶,BigQuery是無伺服器的資料倉儲服務,以分散式的Column Base方式儲存資料,並透過MapReduce的概念提供資料的查詢與分析,並允許多個資料表之間的Join,讓用戶可在BigQuery匯入CSV、JSON和Avro的資料檔,或從Cloud Storage、Cloud Dataflow等其他GCP的服務匯入資料,讓用戶可直接下SQL命令來查詢資訊。
最後應用的環節,Google則是提供Data Studio、Datalab的服務,Datalab專為資料科學家設計,結合BigQuery、SQL、Python,用戶可在新增程式碼(Add code)後,直接看到可視化的結果,透過簡單的操作介面,將資料輸入,且可立即呈現視覺化的分析結果,若結果不理想,資料科學家可以即時調整分析方法。
圖片來源:Google
機器學習Google則是提供ML Engine和許多API,包含語音辨識的Speech API、翻譯的Translate API、影片辨識的Video Intelligence API、電腦視覺的Vision API、自然語言處理的Natural Language API等,用戶可透過RESTful或Library呼叫的方式使用這些API,若用戶不想自行建置TensorFlow的框架,可以利用ML Engine的服務,快速上手分析和設計演算法模型,省去部署和管理機器學習框架的步驟。
熱門新聞
2024-11-10
2024-11-12
2024-11-10
2024-11-11
2024-11-11
2024-11-12