Този сайт използва бисквитки (cookies). Ако желаете можете да научите повече тук. Разбрах

Новини Технологии и концепции
бр. 3, 2018

Облачната платформа на Google - инструменти и възможности

Най-честото приложение на облака и кои компоненти на облачната платформа на Google ви трябват.

от , 28 март 2018 0 3541 прочитания,


Анди Патрицио, IDG, САЩ

Облачната платформа на Google (Google Cloud Platform или GCP) стартира през 2011 и трябваше да догонва лидера на пазара Amazon Web Services (AWS), пряк конкурент в „облаците“. Компанията Google обаче нямаше опит в ИТ обслужването на големи компании и й трябваха няколко години, за да навакса.

Вместо да бъде клонинг на AWS, GCP се превърна в уникален набор от най-разнообразни услуги, включително изкуствен интелект(AI) и машинно обучение(ML). Сред предимствата на GCP днес са по-ниската цена, която се получава от отстъпки според потреблението, по-бързата мрежова връзка с центровете на данни, миграция в реално време на виртуални машини. Можем да допълним списъка с разнообразие и наличност по зони, както и различни видове бекъпи и винаги налично място за съхранение. Това, което GCP не предлага, е богатият набор от инструменти и надстройки, които можете да намерите в AWS.

App Engine се основава на платформата като услуга (platform-as-a-service, или PaaS), с която внедрявате кода си и оставяте платформата да се погрижи за всичко останало вместо вас.

Compute Engine се основава на инфраструктурата като услуга (infrastructure-as-a-service, или IaaS), предлагаща виртуални машини с богати възможности за персонализация и опция за инсталиране на вашия код директно или през контейнери. Въпреки че изисква повече настройки и персонализация, Compute Engine има по-голяма гъвкавост и е по-евтин от App Engine.

Kubernetes Engine ви позволява да използвате Kubernetes клъстъри за внедряване, управление и организиране на контейнери в голям мащаб.

Ето най-честото приложение на облака и кои компоненти на облачната платформа на Google ви трябват за това.

GCP услуги за devops, разработване на софтуер и тестване
Разработването и внедряването на приложения са основните сфери на използване на GCP. Те започват с Google App Engine (GAE), управлявана платформа, която се грижи за интеграцията на всички платформи, за да могат разработчиците да се съсредоточат върху своя код. GAE поддържа Node.js, Java, Ruby, C#, Go, Python и PHP. Популярни devops инструменти като Chef, Puppet, Ansible, Salt, Docker, Consul и Swarm са напълно интегрирани с GCP и позволяват разработването както на облачни, така и на локални сценарии.

Съществува също така Jenkins на GKE, сървър за непрекъсната автоматизация на доставките за организация на изграждането, тестването и внедряването.

Контейнерната технология набра скорост с Docker, който AWS основно поддържа, но Google е създател на Kubernetes, платформа за организация на контейнери, която предлага сходна на Docker Swarm функционалност до такава степен, че дори Microsoft и Amazon я поддържат съответно на Azure и AWS. Рядко браншът има едно мнение по даден въпрос, но Amazon, Oracle, Microsoft, Pivotal и Vmware – всички те поддържат Kubernetes.

В основата на това стои Google Kubernetes Engine (GKE), управлявана Kubernetes среда, която предлага допълнителна функционалност като автоматично разрастване, автоматичен ремонт и автоматичен ъпгрейд. За разлика от AWS конкурента, EC2 Container Service (ECS) на Amazon, GKE работи със сертифицирани Kubernetes с отворен код, така че необходимите умения са приложими във всеки Kubernetes сценарий, докато Amazon ECS е ограничена в AWS платформата.

Може да изберете да използвате вместо това Docker, ако например, вече сте инвестирали значително в тази платформа. За тези, които изберат Docker пред Kubernetes, съществува Google Container Builder (GCB). Освен че напълно поддържа Docker, GCB предлага на разработчиците опцията да изграждат и тестват своя код локално и така да не трупат по сметката си за Google Cloud.

GCP услуги за анализ
Анализът и машинният интелект в интернет мащаб лежат в основата на мисията на Google Cloud Platform от самото начало.

Усилията им, свързани с големите данни, започват с BigQuery, склад за данни, който е безплатен при съхранение до 10 GB и анализ до 1TB на месец. Може да се използва от Google Apps Script, Google Sheets или всеки друг език, който може да работи с неговите или клиентски библиотеки.

Cloud Dataflow се използва за изграждането на канал от данни, с обработка в реално време (стрийминг) или исторически (бач) на данните заедно с ETL обработка. Cloud Dataflow работи също така с огромни масиви от данни и реално замества MapReduce за вътрешните нужди на Google. MapReduce вече не се поддържа от Google, затова компанията насърчава клиентите си да мигрират към Cloud Dataflow, като предлага помощта си в този процес.

Cloud Dataproc е облачната услуга на Google за Hadoop и Spark клъстъри, които могат да се интегрират с основната GCP услуга, като големината на клъстъра може да бъде променяна в реално време. Dataproc дава възможност също за персонализирани виртуални машини и разполага със саморемонтиращи се такива.

За да подготвите данните си за обработка, Google ви дава Cloud Dataprep. Тя не е на сървър, разпознава схеми и поправя грешни или сигнализира за липсващи данни в структурирана таблица.

Най-накрая, ако имате нужда от преместването на големи масиви от данни в облак и качването им би било немислимо дълго и скъпо, Google ви предлага Google Transfer Appliance, който се побира в стандартен 19-инчов слот за център на данни, също като един сървър. 2U устройството се предлага с капацитет от 100TB, а 4U вариантът – с капацитет от 480TB. Доставката се поема от вас.

GCP услуги за изкуствен интелект и машинно обучение
Google Cloud AI е в основата на услугите за машинно обучение с предварително зададени модели (приложни интерфейси за машинно обучение), както и управлявани услуги за по-напредналите разработчици и клиенти, които искат да изградят свои собствени персонализирани модели чрез Google Cloud Machine Learning Engine. Machine Learning Engine е интегриран с други GCP продукти като Google Cloud Storage, Google Cloud Dataflow и Google Cloud Datalab за обучителни модели.

В допълнение към това Google наскоро представи Cloud AutoML, нов набор от услуги, целящи да помогнат на клиентите с малък опит в машинното обучение да разработят свои собствени модели. Невронната мрежова услуга за машинно обучение се базира на библиотеката на Google TensorFlow за програмиране на потоци от данни за създаване на модели, основани на изображения.

Google предлага също така и Dialogflow за цялостно интерактивно разработване на приложения за потребителски интерфейси, използвани на уебсайтове, мобилни приложения, платформи за съобщения и устройства с Интернет на нещата. Тя позволява на разработчиците да създават чатботове и други интерфейси за реални разговори с потребителите.

GCP услуги за изчислителна инфраструктура
Google са изградили огромна инфраструктура от центрове за данни, проектирани с възможност за разрастване и минимално време на отговор. Това се е превърнало в облак, който има огромни възможности за разрастване и капацитет да обработва над 100 000 събития в секунда, или задачи с общо натоварване от над 100MB в секунда.

GCP разполага с над 100 точки на присъствие в над 15 глобални региона, свързани помежду им с оптична мрежа, така че да не се конкурират с трафика на Netflix. Използвайки Virtual Private Cloud (VPC), може да се свързвате със своите GCP ресурси или да ги изолирате един от друг.

С помощта на Cloud Delivery Network (CDN) съдържанието се разпределя чрез крайни точки на присъствие, а услугата Cloud Load Balancing предотвратява претоварването на дадена локация чрез балансиране на HTTP(S), TCP/SSL и UDP трафика.

Услугата на Google за балансиране на натоварването е същата, използвана от търсачката, която обработва до 1 млн. заявки в секунда. Съществува още Google Cloud Dedicated Interconnect за свързване на частни облаци с GCP; тя предлага връзки от висок клас, подплатени с 99.99%-но споразумение за нивото на обслужване, до GCP с производителност от 10Gbps до 80Gbps.

Превод и редакция Юлия Уршева

КОМЕНТАРИ ОТ  

Полезни страници
    За нас | Аудитория | Реклама | Контакти | Общи условия | Декларация за поверителност | Политика за бисквитки |
    Действителни собственици на настоящото издание са Иво Георгиев Прокопиев и Теодор Иванов Захов