Google Cloud Platform Japan 公式ブログ: 3月 2016

Google データセンターにみるセキュリティとデータ保護のベストプラクティス

2016年3月31日木曜日

* この投稿は米国時間 3 月 24 日、Google の Data Center Operations 担当 VP である Joe Kava によって投稿されたもの（投稿はこちら）の抄訳です。Google Cloud PlatformGCP NEXT 2016 セキュリティとデータ保護360 度ツアー動画

ハードウェアと監視システムを独自に構築機械学習でデータセンター運用を最適化機械学習再生可能エネルギーで電力をまかなう

Google は通常、10 ～ 20 年という長期にわたってウィンドファームやソーラーファームの全出力を購入している。

これらのウィンドファームは Google のデータセンターと同じ送電網内に位置している。

送電網を共有しているウィンドファームとデータセンターが、プロジェクトディベロッパーに対してプロジェクトの遂行に必要な財務コミットメントを行うことにより、投資の結果として再生可能エネルギーが送電網に確実に追加される。

データセンターを運用するのはサードパーティーではなく、Google 社員

エンジニアと運用担当者がチームを組んで連携- Posted by Joe Kava, VP, Data Center Operations, Google

株式会社カブクの導入事例：デジタルものづくりプラットフォームを Google Cloud Platform で。

2016年3月31日木曜日

■ 写真左から株式会社カブク　 Founder/CTO 足立昌彦さんソフトウェアエンジニア大橋啓介さん
■ 利用中のGoogle Cloud Platformサービス Google Compute Engine, Google App Engine, Google BigQuery, Google Cloud Storage, Google Cloud DNS, Google Cloud SQL 2013 年に個人向け低価格製品の登場で一気に盛り上がった 3D プリンター市場。株式会社カブクはその年 1 月に創業し、3D プリントプロダクトのマーケットプレイス「Rinkak」（2013 年 9 月正式オープン）など、3D プリントにまつわる多くのサービスを展開してきました。昨年リリースした 3D プリント技術をビジネスベースで活用するための工場向け基幹業務クラウドサービス「Rinkak 3D Printing Manufacturing Management Service（以下、MMS）」もその 1 つ。これは、3D プリンターによる製造業務を製造管理から顧客管理、会計管理などまでワンストップで提供するという画期的なもの。クラウド技術を活用することで生産性の大幅向上と、コストの劇的低減を両立してくれます。カブクではこの MMS のほか、Rinkak など、全サービスで Google Cloud Platform を利用。中でも特に Google App Engine を駆使することで、早急なサービス立ち上げと効率的な運用を実現してきました。今回お話をお伺いした同社 CTO の足立さん（Android の大定番 IME アプリ「Simeji」開発者としても高名）と MMS 開発エンジニアである大橋さんは、Google Developer Experts に認定されている国内トップレベルのエンジニア。同社が Google Cloud Platform を全面採用している理由について、次のように語ってくれました。
「我々のようなスタートアップ企業にとって、Google App Engine は非常に魅力的な選択肢。とりわけインフラについて考えないですむのが大きな魅力ですね。インフラ管理だけでなく、データベースのメンテナンスなども気にせず使えるため、開発に専念できます。似たようなサービスはほかにも存在するのですが、それらと比べて Google はストレスが少ない。動作の安定性や、コンソールの利用感など、エンジニアとして気になる細かい部分がとても洗練されているんです。また、利用するプラットフォームを Google に限定することで、サービス間の連携で重要となるセキュリティ認証部分の実装が楽になり、開発効率が飛躍的に向上。そのおかげで短い開発期間でもしっかりとしたサービスを構築することができました」（大橋さん）

実際、MMS は 2015 年 1 月の設計着手後、6 月には β 版をリリース、8 月末に正式リリースされるという、この規模のサービスとしては驚くほどのスピードでローンチ。現在も週に 1 つ程度のペースで新機能が追加されているそうです。また、優秀なオートスケールのおかげで、事業規模の拡大に柔軟に対応できることも大きなメリットだと言います。「サービスを最速でローンチできる、しかもその成長に合わせて適切にスケールアップしてくれるという魅力のほか、将来的にグローバルで展開していくことを考えたときにも Google Cloud Platform は最良のプラットフォームと言えるでしょう。全世界どこからでも高速かつ安定したレスポンスを期待できます。一般的に米国西海岸サーバーにアクセスすると応答までに 150 ms 以上かかるのですが、Google では何と 70ms 程度しかかかりません。これは他のサービスでは考えられないこと。まさに“Google Magic”です（笑）」（足立さん）

「その上で、何より動作が高速なのも大きなメリットと言えるでしょう。Google Compute Engine は立ち上がるのも速ければ、内部のデータのやり取りも高速。MMS ではサイズの大きな 3D データを取り扱うので、これにはとても助けられました。また、Google Cloud Trace や Google Cloud Debugger など、サービスをモニタリングするために必要な機能が一通り揃っているのもうれしいところ。運用開始後も Google Cloud Logging でサービスの稼働状況しっかり監視できます。そして何より、これらが全て無償で提供されているのが素晴らしい」（大橋さん）
編集注: これらのサービスは、現在は Stackdriver として提供今後も Google Cloud Platform を活用して MMS の機能向上や、新サービスの開発を予定しているというカブク。直近では顧客とのチャット機能を Firebase を使ったものに置き換えることを検討しているそうです。ほか、大橋さんは、先日、α 版の提供が開始されたばかりの Google Cloud Functions にも興味津々なのだとか。「Google Cloud Platform のさまざまな機能の良いパイプ役になってくれるのではないかと期待しています。Node.js をベースにしているので、既存のライブラリが使えるのもうれしいですね」

導入事例はこちら

Cloud Bigtable、ビッグデータ・アナリティクスの向け HDD ストレージを低コストでサポート開始

2016年3月30日水曜日

* この投稿は米国時間 3 月 21 日、Google Cloud Platform の Product Manager である Misha Brukman によって投稿されたもの（投稿はこちら）の抄訳です。Google Cloud BigtableNoSQL データベースをローンチCloud Bigtable

3 ノードの Cloud Bigtable HDD クラスタ

3 ノードの Cloud Bigtable SSD クラスタ

4 個の Google Compute Engine VM インスタンスを持った HBase クラスタ。 1 個はマスターを実行、残り 3 個のリージョンサーバーは n1-standard-8 VM 上で稼働。

$ hbase pe -Dmapreduce.map.speculative=false \
--presplit=60 --size=100 sequentialWrite 8Cloud Bigtable$ hbase pe -Dmapreduce.map.speculative=false --size=100 scan 8$ hbase pe -Dmapreduce.map.speculative=false --size=400 \
--sampleRate=0.001 randomRead 1- Posted by Misha Brukman, Product Manager for Google Cloud Bigtable

クラウドの価格体系 Part 6 - ビッグデータプロセシングエンジン

2016年3月30日水曜日

* この投稿は米国時間 3 月 17 日、Google Cloud Platform Solutions の Architects である Karan Bhatia と Peter-Mark Verwoerd によって投稿されたもの（投稿はこちら）の抄訳です。

第 1 部 - 仮想コンピュータ編

第 2 部 - ローカル SSD 編

第 3 部 - データウェアハウス編

第 3.2 部 - データウェアハウスに関する追加情報編

第 4 部 - 真のクラウドエコノミクス編

第 5 部 - NoSQL データベース編

第 5.2 部 - NoSQL 続データベース編

$0.01財務ポートフォリオのモンテカルロ分析個別化医療プレディクティブ・アナリティクスGFSBigTableMapReduceCloud DataprocElastic MapReduceHDInsight マネージド Hadoop が提供するサービスの概要Cloud DataprocElastic MapReduceHDInsight

表 1 Hadoop Processing Engines の概要

FEATURE	CLOUD DATAPROC2	ELASTIC MAPREDUCE3	HDINSIGHT4
Hadoop distribution	From Apache Source	From Apache Source	Hortonworks
Hadoop version (current)	Hadoop 2.7.2	Hadoop 2.7.1	Hadoop 2.7.1
Apache Pig	0.15.0	0.14.0	0.14.0
Apache Hive	1.2.1	1.0	0.14.0
Apache Spark	1.6.0	1.6.0	1.3.1
Apache Storm	-na-	-na-	0.9.3
Apache HBase	-na-5	0.94.186	0.98.4
# of supported instances types	thousands7	37	17
Live resizeable	yes	yes	scale up only
Fault tolerant	no	no	yes8
Automatic configuration	yes	yes	yes
User Customizable	Initialization actions	Bootstrap actions	Script actions
Preemptible Discounts	yes	yes	no
Long-term Discounts	Sustained use Discounts (no commitment required)	Reserved Pricing (requires commitment)	no
Pipeline execution	Apache Oozie	DataPipeline	Apache Oozie

プラットフォーム Cluster の価格体系クラスター実行モデル標準的な作業量での価格の比較表 2 ：50 TB のデータを 5 時間で処理した場合のコスト（2016 年 2 月時点）

PRICING MODEL	DATAPROC	EMR	HDINSIGHT
Standard Pricing	$2,154.40	$2,613.27	$3,261.33
Short term discount	$1934.43	$1,936.1714	-na-

標準価格体系プリエンプティブルディスカウントまとめこちら関連コンテンツ

Google Cloud Dataproc managed Spark and Hadoop service now GA, Feb 22 2016

Comparing the Dataflow/Beam and Spark Programming Models, Feb 3 2016

Announcing Google Cloud Bigtable: The same database that powers Google Search, Gmail and Analytics is now available on Google Cloud Platform, May 6 2015

Google BigQuery Benchmark, June 9 2015

[1] http://archive.wired.com/magazine/wired-20th-anniversary/[2] As provided by Cloud Dataproc version 1.0.0 released 2/22/2016, https://cloud.google.com/dataproc/dataproc-versions[3] AWS Elastic MapReduce AMI 4.3 released 1/27/2016, http://aws.amazon.com/documentation/elastic-mapreduce/[4] Microsoft Azure HDInsight v3.2 using Hortonworks Data Platform (HDP) 2.2 released 12/03/2015, https://azure.microsoft.com/en-us/documentation/articles/hdinsight-release-notes/[5] HBase support through the Google Bigtable service[6] As of AMI 3.1.0 and later of Elastic MapReduce[7] Cloud Dataproc supports 19 pre-defined instances types and new custom instance types that match your workloads, https://cloud.google.com/dataproc/concepts/custom-machine-types[8] Dual head node and 3 zookeeper nodes provide failover[9] https://azure.microsoft.com/en-us/documentation/articles/hdinsight-hadoop-linux-information/#scaling[10] https://aws.amazon.com/elasticmapreduce/pricing/[11] https://cloud.google.com/dataproc/pricing[12] https://azure.microsoft.com/en-us/pricing/details/hdinsight/[13] http://ec2price.com/[14] Using average spot market price in us-east-1 for m3.xlarge instance type from Jan 1, 2016 to Jan 7 2016.Data obtained using the AWS spot pricing API. The average spot price during that time was $.065. Total cost = (Spot Price + EMR Uplift) * number of nodes * number of hours used + AWS S3 storage costs, or ($.065 + $.07) * 21 nodes * 150 hours + $1510.92. 2016

-Posted by Karan Bhatia & Peter-Mark Verwoerd, Google Cloud Platform Solutions Architects

Snapchat が説く GCP でのセキュリティベストプラクティス

2016年3月29日火曜日

* この投稿は米国時間 3 月 25 日、Google Cloud Platform の Managing Editor である Jo Maitland によって投稿されたもの（投稿はこちら）の抄訳です。GCP NEXT 2016Google Cloud PlatformプロジェクトIAM Roles

AccessControlService は iam.SetPolicy を使用できる

bob@ がアクセスを必要とするとき、AccessControlService は bob@ をポリシーに追加する

1 時間後に AccessControlService が bob@ を取り除く

Organizational Node IAM Service Account APIGCP-iam-feedback@google.com- Posted by Jo Maitland, Managing Editor, Google Cloud Platform

Google Compute Engine でさらなる高可用性を実現

2016年3月29日火曜日

* この投稿は米国時間 3 月 16 日、Google Cloud Platform のProduct Manager である Jerzy Foryciarz によって投稿されたもの（投稿はこちら）の抄訳です。Google Compute EngineAutoscalerManaged Instance Groups一般提供

Alpha での Regional Instance Groups の使用方法とサービスセットアップについての詳細はこちらです。

- Posted by Jerzy Foryciarz, Product Manager, Google Cloud Platform

Google Cloud Pub/Sub が gRPC のサポートで大幅に高速化

2016年3月28日月曜日

* この投稿は米国時間 3 月 22 日、Tech Lead for Google Cloud Pub/Sub である Emilio Schapira と Technical Program Manager for gRPC である Kailash Sethuraman によって投稿されたもの（投稿はこちら）の抄訳です。gRPCgRPCGoogle Cloud PlatformJSON/HTTP クライアントライブラリgRPC

上記のスループットが約 4 倍に増加することよりも印象的なのは、CPU リソースの使用率がたった 4 分の 1 にとどまった点です。（下記グラフ参照）

この約11倍の違いが生まれた結果をふまえると、現在の利用料金の下で考えると、月に 334 ドルを支払って n1-highcpu-16 の GCE インスタンスを JSON クライアントとして利用する代わりに、月額 83.50 ドルで n1-highcpu-4 の GCE インスタンスを gRPC クライアントとして利用すればすればスループットを約 4 倍にできる計算になります。

この改善の裏側では何が起こっているのか気になる方も多いかもしれません。改善の背後には、データのエンコーディングの効率化と HTTP/2 という、2 つの大きな要因があります。

gRPC は HTTP/2 とプロトコルバッファの上に構築することで、データをクライアントメモリと通信回線の両方にバイナリーデータとして保持することができます。これによりプロセッシングと base64 や JSON のようなエンコーディングスキームに必要とされる容量を省略することができます。

さらに、HTTP/2 そのものが、シングルコネクションとヘッダーコンプレッションを用いた多重リクエストの高速処理を可能にします。

Pub/Sub の gRPC サポートを利用するうえで皆さんのお役に立てるように、ドキュメントも更新しました。ドキュメントは Java と Phython を利用した事例をご紹介しています。また、Pub/Sub の Google Groups で意見をシェアしてみてください。

- Posted by Emilio Schapira, Tech Lead for Google Cloud Pub/Sub and Kailash Sethuraman, Technical Program Manager for gRPC

クラウドイノベーションに対する Google の取り組み

2016年3月28日月曜日

* この投稿は米国時間 3 月 23 日、Google Cloud Platform の Product Management 担当 VP である Brian Stevens によって投稿されたもの（投稿はこちら）の抄訳です。GCP NEXT 2016Google Cloud Platform Google の取り組み機械学習やビッグデータアナリティクスGoogle BigQueryGoogle Cloud DataflowGoogle Data Studio 360グローバルなデプロイと IT オペレーションの自動化によって組織的な弊害を取り除くますます増える顧客企業Best BuyDomino's PizzaSpotifPocket GemsWixAtomic Fiction データセンターの拡張米国西海岸（オレゴン）と東アジア（東京）のリージョン追加を発表クラウドのハイブリッド管理と運用の効率性BMCPivotalRed HatSAPSplunkTenable Network SecurityVeritasAccentureCI&TCloud Technology PartnersPA ConsultingPwC エンタープライズ機能の拡張監査ログGoogle App EngineBigQueryDataflowProjectsService AccountsAPI CredentialsStackdriver LoggingGoogle Cloud StorageBigQueryGoogle Cloud Pub/SubIAM ロールIAM ロール自己管理の暗号化キーCompute Engine 向けの自己管理の暗号化キーに関するベータリリースCloud Storage独自暗号化キーネットワーキングクロスクラウドインターコネクトSubnetworksCloud RouterCloud VPNCloud Load BalancerこちらCloud CDNCloud CDN技術のオープン化と大規模なコンテナ実行Google Cloud PlatformHadoop MapReduceSpannerSoftware-Defined NetworkingKubernetesDataflowTensorFlowOpen Compute ProjectOpenStack FoundationCloud Native Computing FoundationKubernetesKubernetes 1.2Google Container EngineKubernetes クラウドの未来は始まったばかりGCP NEXT- Posted by Brian Stevens, VP, Product Management, Google Cloud Platform

Splunk、BMC とパートナーを組みハイブリッドクラウドの運用をより簡単に

2016年3月28日月曜日

* この投稿は米国時間 3 月 23 日、Google Cloud Platform のProduct Manager である Deepak Tiwari and Joe Corkery によって投稿されたもの（投稿はこちら）の抄訳です。Google StackdriverGoogle Cloud PlatformSplunkBMCTenable

Google Cloud Platform とパートナーとの統合の簡略化すること

Security Information and Event Management (SIEM) やコンプライアンスレポート関連に新しい機能を追加すること

Google Cloud Platform と SplunkGoogle Cloud PlatformCloud Pub/Sub

Google Cloud Platform と BMC

企業ユーザーはますますハイブリッド、そしてマルチクラウドの環境を構築、運用するようになっています。 Google Cloud Platform に既存のサービスを移行したり、新しいサービスを立ち上げたりする場合、 BMC が提供するような確立されたソリューションに、ユーザーが確実にアクセスできるようにしたいと考えています。このソリューションは、デプロイメント環境のアプリケーションを管理、モニターするひとつのペインを提供し、コンプライアンス、セキュリティ、ガバナンスを手助けするものです。

この戦略的なパートナーシップを始めるにあたり、 BMC は GCP NEXT において、 Cloud Platform で実行するワークロードを管理、修復する Cloud Lifecycle Management 製品のアドバンスバージョンのデモンストレーションを行いました。また、オンプレミスでBMC TrueSight を使いながら、Cloud Platform アプリケーションを同時にモニターする方法も披露しました。

BMCのソリューションスイートに関する詳細はこちらをご覧下さい。

Google Cloud Platform と Tenable

セキュリティを確保するためには、どのようなアプリケーションやワークロードを実行し、誰があるいはどんなデバイスがそこにアクセスしているかをあなたが知っていなければならないと私たちは考えています。 Tenable は、 SecurityCenter Continuous View (SecurityCenter CV) により、Google Cloud Platform のセキュリティ向上に役立ちます。

このソリューションは、オンプレミスと Google Cloud Platform のようなクラウドデプロイメントの両方をサポートしています。結果として、組織がこのツールに精通すれば、ひとつのテクノロジーを採用するだけでハイブリッド環境がモニターできるため、複数のツールを購入、デプロイ、管理する必要性がなくなります。

開始するには、SecurityCenter CV をインストールして、Cloud Platform 内にサービスアカウントを作成し、Pub/Sub トピック向けに使用する予定の Tenable のサービスアカウントに承認を与える必要があります。そして、Tenable アカウントがサブスクライブする適切なトピックにログを発行すると、SecurityCenter CV でログやイベントデータを見ることができます。

開始するための詳細なステップはこちらをご覧下さい。

すぐにお試しください

Google Cloud Platform における私たちのビジョンは、パートナー達の力強いエコシステムを作り上げ、ユーザーにフレキシブルでリッチなツールを提供し、選択肢を与えて、制約を取り除くことです。現在、パートナーが運用領域にも広がりました。

是非、Google Stackdriver Partner Page を訪問して、既存、新規の運用パートナーの詳細と、それを利用して今、何が始められるかをご覧下さい。

また、stackdriver-feedback@google.com までフィードバックをお送りください。

-Posted by Deepak Tiwari (PM, Google Cloud Platform) and Joe Corkery (PM, Google Cloud Platform)

Google の Data Center で 360度ツアー

2016年3月28日月曜日

* この投稿は米国時間 3 月 23 日、Google Cloud Platform の Head of Developer Advocacy である Greg Wilson によって投稿されたもの（投稿はこちら）の抄訳です。

デスクトップで Google Chrome を使用：ビデオ再生中に、マウスかトラックパッドでビューを変更してください。

モバイルで YouTube アプリを使用：ビデオ再生中に、すべてのアングルで見えるように、デバイスを動かしてください。

最も夢中になりやすい視聴方法：Google Cardboard を使用 (現在 Android の YouTube アプリのみサポート。 iOS サポートはもうすぐです ! ) YouTube アプリにビデオをロードして、ビデオが再生され始めたら Cardboard アイコンをタップします。あなたの携帯を Cardboard に挿入し、周りを見渡してみてください。

Google Cloud Developer Advocacy TeamGoogle Cloud Platform- Posted by Greg Wilson, Head of Developer Advocacy, Google Cloud Platform

Google Cloud Dataflow で Python のサポートを発表

2016年3月24日木曜日

* この投稿は米国時間 3 月 22 日、Software Engineer の Silviu Calinoiu によって投稿されたもの（投稿はこちら）の抄訳です。Cloud Dataflow SDKPythonApache BeamNumPySciPy pandasApache Beam
# ... other imports ...import google.cloud.dataflow as df@df.typehints.with_output_types(df.typehints.Tuple[int, float])def parse_sales_record(line): # Lines look like this: # {"Timestamp": 1234.56, "Price": 10, "ProductName": "Name", "ProductID": 4} record = json.loads(line)return int(record['ProductID']), float(record['Price'])p = df.Pipeline(...options...)(p | df.io.Read(df.io.TextFileSource('gs://SOMEBUCKET/PATH/*.json')) | df.Map(parse_sales_record) | df.CombinePerKey(sum) | df.Map(lambda (product, value): {'ProductID': product, 'Value': value}) | df.io.Write(df.io.BigQuerySink('SOMEDATASET.SOMETABLE' schema='ProductID:INTEGER, Value:FLOAT', create_disposition=df.io.BigQueryDisposition.CREATE_IF_NEEDED, write_disposition=df.io.BigQueryDisposition.WRITE_TRUNCATE))) p.run()BigQueryGoogle Cloud Dataflow さらに詳しくは

オープンソースの Python SDK を目を通しローカルランナーであなたのプログラムを実行してオープンソースプログラムに貢献してみてください。

Cloud のバッチ処理実行へのアクセスの申請をしてください。

- posted by Silviu Calinoiu, Software Engineer

Google Stackdriver のご紹介：GCP と AWS 向け統合モニタリングとロギング

2016年3月24日木曜日

* この投稿は米国時間 3 月 23 日、Product Manager である Dan Belcher によって投稿されたもの（投稿はこちら）の抄訳です。Google StackdriverGoogle StackdriverStackdriver クラウドプラットフォームをまたがる統合ビューStackdriver

Stackdriver Console for hybrid environment

Alerting policy incorporating GCP and AWS capacity metrics

AWS と EC2 ログのエラーを一つのインターフェースで検索することも可能です。

Logs Viewer - search by GCP or AWS service

最後に、Stackdriver はどちらのプラットフォームで動いているアプリケーションであっても、その中で新しいエラーを検出するとエラーレポートを送信します。

ご察しの通り、AWS を強力にサポートできることが Stackdriver の真髄となっています。例えば、もし Elastic Load Balancer の後ろでウェブアプリケーションを走らせている場合、 Stackdriver を利用することによって、設定情報やアップタイム、最近のイベント、各メトリックスのサマリの他、アベイラビリティゾーンや各種ブレイクダウンの情報を、セットアップ無しで表示、クラスターの状態を確認することが可能になります

同様のサポートが Stackdriver 全機能で AWS にも提供されます。これには IAM-based のセットアップや API の統合に加え、アラートの機能として SNS トピックをサポートするための AWS サービスで広く使われているダッシュボード等々、色々なものが含まれています。

データのサイロ化を無くし、問題解決を迅速に

Stackdriver は問題の特定とトラブルシュートに必要だった各種ツールの数を劇的に減らすことができます。Stackdriver でアップタイムチェックを設定し、アプリケーションエンドポイントのアベイラビリティをモニターすることができます。

ログとメトリクスを、クラウドプラットフォームやシステム、データベース、メッセージキュー、ウェブサーバー、アプリケーションティアから同一のモニタリングシステムに取り込むことができます。

モニターやロギング、診断コンポーネントで問題をフォローしている時に、問題のタイムフレームなどのクリティカルなコンテキストを維持しておくこともできます。これにより、多くのお客様は 5 つ以上のそれぞれ異なるツールに、この情報を手動で関連付けるという作業が必要がなくなり、トラブルが起きてシステムが停止している時の貴重な時間を無駄にしなくて済むようになります。

最初のスターティングポイントは、アプリケーションの健全性を一目で確認することができるビューが表示される、サマリーダッシュボードかもしれません。このビューはクラウドプラットフォーム、システムエージェント、アップタイムチェック、ログ等々のメトリクスも表示可能です。

Sample Custom Dashboard with AWS and GCP metrics

Stackdriver は問題が起こった時にチームにアラートを出すことができます。

一つの問題で多くの別々のシステムからのアラートに対処するのを防ぐには、 Stackdriver のアラートポリシーを定義し、例えば URL がアップタイムチェックに失敗してかつ、レイテンーが 15 分を超えて 30% 超増加した場合、などといったように複数の条件が重なったときに起動するように設定することができます。

Alerting policy with ELB Uptime Check and Latency Threshold

問題を発見したとき、 Stackdriver は根本原因に迫る手助けとなります。

例えば、 Google App Engine アプリケーションのエラーレポートを受け取った時に、サマリーダッシュボードを見て、アプリケーションが処理している URL 毎のレイテンシをトレースするところにまで踏み込み、最終的には特定のリクエストのログを確認することもできます。

Stackdriver Trace Overview

また、サービスのエコシステムのインテグレーションを利用して Stackdriver の利用価値を広げることもできます。例えば、 Stackdriver のログを BigQuery にストリーミングして、アドホックの分析を行うことができます。

同様に、 Datalab を使って時系列データのアドホックの可視化を行うこともできます。さらに、アラートを適切なフォーマットで受け取ることができるように、Slack や HipChat、Campfire、PagerDuty などの色々なアラートインテグレーションから選ぶことも可能です。

メンテナンスもスケーリングも不要。 2 分でスタートできます。

Stackdriver を開始するのは簡単です。貴社のアカウントを作って、（必要な場合は） AWS とのインテグレーションを設定すれば、 Stackdriver は自動的に貴社のクラウドリソースを見つけ、最初のメトリクスとダッシュボードのセットを用意します。

そこからは、アップタイムチェックを作成し、私たちのオープンソースエージェント（Collectd for metrics、Fluentd for logs のパッケージ）をデプロイすれば、仮想マシンやデータベース、ウェブサーバー、その他のコンポーネントを 2、 3 のコマンドでより深く視認できるようになります。