Google Cloud Platform Japan Blog
最新情報や使い方、チュートリアル、国内外の事例やイベントについてお伝えします。
プライベート Docker リポジトリーを、高セキュリティ環境にホスティング - Google Container Registry
2015年1月27日火曜日
アプリケーションのデプロイや運用の方法を変革しようとしている
コンテナ
のテクノロジーを紹介する
連載がはじまり
ましたが、その中でも
Docker
は、アプリケーションのコンテナ化と、アプリケーションの構築、デプロイ、運用の革新的な方法として注目をあびています。
Google Cloud Platform
(GCP) では、マネージド環境である
Google Container Engine
を
Kubernetes
や、
コンテナに最適化
された
Google Compute Engine
の VM、
Google App Engine
の
Managed VMs
を使い、Docker コンテナへ
豊富なサポート
を提供しています。
そして今回は、新しいサービスである
Google Container Registry
をベータとして紹介します。Google Container Registry は、高セキュリティのホスティング環境と共有機能を持ち、プライベートなコンテナ リポジトリの運用を可能にします。
GCP にレジストリー サービスがあることで、3 つの利点が生まれます:
アクセス制御: GCP に作ったプロジェクトの中の、
Google Cloud Storage
の中にプライベート イメージが格納されます。つまり、デフォルトでは、プロジェクトのメンバーだけが、プライベート イメージにアクセスできるということです。プロジェクトのメンバーは、
Google Cloud SDK
のコマンドを使い、セキュリティが確保された状態でイメージのプッシュやプルができます。また、コンテナを格納している VM からも、安全にイメージにアクセスできます。
サーバ サイド暗号化: プライベート イメージは、ディスクに書かれる前に自動的に
暗号化
されます。
高速で安定した環境からのデプロイ: プライベート イメージは、Google Clodu Storage に保存されると、Google のデータセンターでキャッシュされ、GKE の
クラスター
や、GCE の
コンテナ最適化 VM
へ、
GCP の Andromeda
を使いデプロイできる状態になります。
zulily
は、数千にも及ぶ個性のある製品を扱い、日々新しい製品を販売するオンラインのリテーラーであり、今回のレジストリー サービスのアーリー アダプターでもあります。zulily の Core Engineering で Principal Engineer をしている Steve Reed 氏は、レジストリー サービスの利用について、次のように説明してくれます。
“Docker レジストリーを、常に高いパフォーマンス、高いセキュリティーで安定して使える、それは Docker でコンテナ化された GCE アプリケーションを使っている会社としてはとにかく重要なことです。そのためにプライベート レジストリーを使うことになるわけですが、実際に運用するには証明書に認証、ファイアーウォール、バックアップからモニタリングまでが必要になってきます。それが、Google からフル機能のコンテナ レジストリーが提供されたことで、開発やデプロイのワークフローにプライベート レジストリーを容易に統合できたのです。”
コンテナ レジストリーのベータ期間中は、プライベート イメージで使う Google Cloud Storage の
ストレージ使用料とネットワーク使用料
以外の料金はかかりません。
始めるには、GCP のプロジェクトで、支払いを有効にしておく必要があります。まだプロジェクトを作っていないなら、今なら
無料試用
でも始められます。それと、
Docker
と
Google Cloud SDK
をインストールしておいてください。
まずは試してみましょう。レジストリーを使い、プライベートの Docker イメージを運用しはじめる方法を
ドキュメント
に掲載しています。是非レジストリー サービスのチームに、直接フィードバックをください、楽しみにしています。
-Posted by Pratul Dublish, Technical Program Manager
モバイル アプリ 事業者向けのビッグイベント「 Google for モバイル アプリ」を開催
2015年1月23日金曜日
Google は、モバイル アプリ ビジネスを牽引するビジネスリーダーを対象にしたイベント「Google for モバイルアプリ 〜 Google と切り開くアプリビジネスの未来」を 2015 年 2 月 25 日 (水) 六本木アカデミーヒルズにて開催します。
本イベントでは、Google Cloud Platform を活用したモバイル アプリのデベロップメントのみならず、デザインやディストリビューションといった観点からも含めた、Google が考えるアプリ ビジネスの未来についてご紹介します。また、今後アプリ ビジネスで生き抜くために必要なエッセンスを Google ならではの包括的な視点でお届けいたします。
イベント概要
【イベント名】Google for モバイル アプリ ～ Google と切り開くアプリ ビジネスの未来
【日程】 2015 年 2 月 25 日 (水)
【時間】 開場: 9:30 開演: 10:00
【会場】 六本木アカデミーヒルズ 49F
イベントの詳細は
こちら
基調講演には、Google Cloud Platform Product Management ディレクターであるグレッグ ディミチュリが登壇し、『モバイル アプリを支える Google Cloud Platform のビジョンと展開について』をお話します。午後からのブレイクアウト セッションでは、GCP や Google Maps for Work チームからは次のようなトピックをご用意しています。
Google スケールで実現するグローバルなアプリ基盤
コンテナ技術と Google Compute Engine で実現するクラウド時代のアプリ実行環境
モバイル アプリ企業の Google Cloud Platform 活用事例
Maps API で、かしこく地図アプリを開発しよう
モバイル KPI 分析の新標準 〜 Fluentd + Google BigQuery
その他のセミナーについては
こちら
をご覧ください。
参加お申し込み方法
参加をご希望される方は、こちらの
イベントサイト
よりお申し込みください。
データサイエンティストが起こす、社会的なインパクト。Google Cloud Platform で 24 時間の Bayes Impact ハッカソン
2015年1月16日金曜日
24 時間で世界を良くすることができますか？昨年の 11 月の Bayes Hack データサイエンスチャレンジで 39 チームがその課題に取り組みました。
Bayes Impact
は Y Combinator 支援による非営利組織として、影響の大きい社会的問題に対するデータサイエンスによる解決を行うプログラムを実施しています。優れたデータサイエンティストがゲイツ財団、ジョン ホプキンス、ホワイトハウスといった市民団体や非営利組織による問題解決を援助する 12 ヶ月 のフルタイム研究奨励制度に加え、年次の 24 時間ハッカソンを開催することで、データサイエンティストとエンジニアが一緒に社会的問題に取り組める機会を作っています。
政府や非営利組織から出された 20 個のチャレンジから始め、シリコンバレーのトップデータサイエンティストから選ばれたチームが、利用可能なデータと彼らの技能を使って、社会的問題の中でも緊急の問題に対する最も効果的な方法を探しだします。
Google Cloud Platform (GCP)
は、このイベントに協賛し、各チームに $500 の Google Cloud スターターパッククレジット、そして優勝したチームには $100,000 分の Google Cloud Platform クレジットを賞品として提供しています。
大量のデータと 24 時間しかないという制約の中で、各チームは テラバイト級の情報から素早く考察を得るため、
Google Compute Engine (GCE)
や
BigQuery
のようなツールの力を使い、人々の生活に意味のある効果を持つ方法を探します。
優勝したチームは、5 人のベイエリアのデータサイエンティストからなるチームでした。彼らはデータに対する手腕と GCP クレジットを利用し、アダルトエスコート ウェブサイトに投稿された電話番号とテキストのパターンを解析し売春組織を特定しました。GCE ノードで構成されたクラスターを使い、非営利団体の Thorn から提供されたデータを処理し、38,600 の電話番号をインデックス化し、ヒューリスティックなフレーズ一致の手法を組み合わせ、アメリカ国内の 143 個もの異なるネットワークやセルを検出しました。
優勝したチームのリーダーだった Peter Renhardt がその時の状況を教えてくれました。「もしこのデータ処理にラップトップを使うなら 76 日はかかったでしょうね。ここに GCP クレジットを使うべきところだと思ったわけです。とりあえず コンソールから GCE インスタンスへ SSH でアクセスするまでは特に何の迷いもなく行えましたね。その後は、イメージを使って直ぐに 10 インスタンスを起動させ、ほんの 30 分程で何もないところから高性能クラスターを構築するところまでもっていけました。」
「GCP によってインフラの整備に無駄に時間を取られることがなかった。それで参加者は直ぐに動き出しアプリケーションへフォーカスすることができたようです。」と Bayes Impact の代表である Paul Duan は総括してくれました。
推定として、毎年 10 万人から 30 万人の子どもたちがアメリカ国内で商業的性的搾取のリスクにさらされ、100 万人の子どもたちが国際的な性的人身売買によって搾取されています*。優勝した
チームの仕事
は、Bayes Impact の 1 プロジェクトとして組み込まれ、拡張されていく予定です。
企業は、データ集約型の困難な問題に対し素早く回答を得るために、データサイエンスと Google のビッグデータツールを使い始めています。Bayes Impact と Google は、人とテクノロジが社会的な問題に対して取り組むと何が可能になるのかを示すために、これからも共同して取り組んでいきます。
*U.S. Department of State, The Facts About Child Sex Tourism: 2005.
[GCP] Google Cloud Trace で、アプリケーションのパフォーマンスを診断する
2015年1月14日水曜日
昨年の Google I/O 2014 での
発表
から、11 月の GCPLive での
プレゼンテーションとデモ
、そして今回 Google Cloud Trace はベータとなり、皆さんに利用できるようになりました。
Google Cloud Trace を使うことで、時間のかかっているリクエストをトレースし、出力される詳細なレポートによって、アプリケーションのどこがボトルネックになっているかの診断が可能となります。Google Cloud Trace のトレース解析の機能は、レイテンシーの分布レポートによって、一部のユーザーでだけ時間がかかっているようなのリクエストの特定や、これまでにリリースしたバージョンと比べパフォーマンスが改善されているかの確認も可能です。
Google Cloud Trace の背景には、アプリケーションの速度の重要性についての認識があります。
英語の Google Cloud Platform Blog
で紹介されているように、高いパフォーマンスは、
顧客満足とリテンション
のために必須であり、一定のパフォーマンスをユーザーは予期して利用しているので、パフォーマンスが低ければ、そのアプリケーションでのユーザーの体験は著しく悪いものとなり、もうこのサイトを利用しないと判断してしまう可能性もあります。例えば、
25% のユーザーはロード時間が 4 秒を上回るとそのウェブ ページから離脱する
、
86% のユーザーはパフォーマンスの低いアプリケーションを削除する
とう調査結果もあります。
国内でも、状況が数値化されたデータは少ないものの、
低いパフォーマンスがユーザー体験を損ねること、あるいはユーザーに見限られしまうこと
は、同じように課題です。むしろエンジニアの皆さんの方が
重要視
しているのかもしれません。
Google Cloud Trace は、現在のところ Google App Engine または、Managed VMs を使い実行しているアプリケーションに対応し、アプリケーションと、そこで呼び出されている GAE サービスとの通信（RPC）がトレース可能になります。アプリケーションが Python で書かれているなら、例えば以下のような RPC が該当します。
db.get(), db.put(), db.query() のような Datastore の呼び出し
memcache.get(), memcache.get_multi() のような Memcache の呼び出し
urlfetch.fetch() のような URL Fetch の呼び出し
その結果、Google Cloud Trace のパフォーマンス診断では次のようなことがわかり、アプリケーションのパフォーマンス改善に繋げることができます。
処理の中で必要のないサービスを呼び出している
同じデータを取得するために複数回のサービスを呼び出している
バッチ、または並列実行でも構わないはずが、順次実行でサービスを呼び出している
Google Cloud Trace を利用するには、
Developers Console
にアクセスし、プロジェクトを開いてから、左のナビゲーションの、Monitoring > Traces を選びます。デフォルトで機能はオフになっているため、利用を開始するには Settings タブから、Traces を On に設定してください。設定したことによるパフォーマンスへの影響はありません。また、アプリケーションを更新してもトレースは継続されます。
Google Cloud Trace の概要がわかるように、以下にスクリーンショット掲載しています。図 1 はアプリケーションに対する 1 つのリクエストの内訳であり、処理中にどこで時間が費やされているかが示されています。
図 1 - リクエストの内訳
Gogole Cloud Trace は一連のリクエストを解析し、レイテンシーの分布、レイテンシーのパーセンタイル値と、そのパーセンタイル値に入る、いくつかのリクエストのトレース、そして大きなボトルネックとなっている RPC を表示します。
図 2 - リクエスト解析
Google Cloud Trace ではパッチ当て前後でのアプリケーションのリクエストに対するレイテンシー解析の結果を比較することもできます。図 3 は比較の例です。
図 3 - リクエストの比較
Google Cloud Platform と統合されたツールであることで、プロジェクトと同じ Developer Console からアクセスでき、コードに変更を加えることなく、詳細なパフォーマンス診断ができることが、Google Cloud Trace の特徴と言えるでしょう。
詳細は、
Google Cloud Platform Live でのプレゼンテーション
や
ドキュメンテーション
を確認してください。実際に試すには、Developers Console から
プロジェクトのページ
へ進み、左のナビゲーションの、Monitoring > Traces を選びます。デフォルトで機能はオフになっているため、利用を開始するには Settings タブから、Traces を On に設定してください。
（このポストは、プロダクトマネージャー Pratul Dublish のポストをもとに、Google Cloud Platform チームが編集しました。）
[GCP] MITx では、Google Compute Engine 上で Akselos を実行し工学シミュレーションに活用
2015年1月13日火曜日
橋や建築物、航空機のような生活に欠かせない基盤の設計や評価。これをエンジニアが高度なシュミレーションソフトウェアを使って実現できるプラットフォームである Akselos の
Google Cloud Platform
活用事例をご紹介します。
大きなオフィスビルにいるときや、巨大な橋をドライブしているときを想像してください。こんなに大きな建造物がそこに何事もなく存在し続けている、それを可能にしている仕事をしている人がいる、そんな想像をする機会は少ないですよね。
幸運にも私たちがそういった想像をする必要がないのは、建造物が実際に作られる前に、設計上の無数の課題をエンジニアが解決しているからです。例えば梁はどのくらいの太さが必要なのか、異なる建材が時間経過でどう風化していくのか。そして幸運にもエンジニアは
Akselos
のようなソフトウェアを使って課題解決に取り組めます。そして今、MIT のオンライン講義「Elements of Structure」の受講生ならば、世界中の誰でもこのソフトウェアを使えるのです。
Google Compute Engine
(GCE) 上で動作している Akselos は、複雑な構造物の大規模なシミュレーションをソフトウェアで実現します。大きな橋でも安心して渡れる理由です。
コンピューターによるシミュレーションは、現代エンジニアリングの鍵と言えます。現在、業界の中で標準として使われている手法は有限要素解析 (FEA) と呼ばれるものですが、大規模な 3D FEA を行うには莫大な計算量が必要となります。実際問題、橋や建築物、港湾施設、海洋構造物、航空機といった巨大な構造物を 3D で詳細にモデリングするには FEA では現実的ではないこともあります。こういったシミュレーションでは RAM が多く要求され、デスクトップ ワークステーションの RAM では足りないこともあります（テラバイト以上必要なことも）。仮に RAM が足りていたとしても、数時間から数日の計算時間が必要です。時間が貴重であるなら、大規模のシミュレーションをするには 3D FEA では遅すぎるのです。
Akselos は、高度なシミュレーションをより早く、簡単な利用を
目指しています
。過去十数年かけて MIT や他の欧米の大学で開発された新しいアルゴリズムを使うと、大規模であれば FEA の 1000 倍以上の速さで処理しながらも、極めて詳細なシミュレーションが可能です。結果を速く得られることは現場では非常に重要です。重要な箇所には数百回、数千回のシミュレーションを重ね、検証することがエンジニアにとって必要だからです。例えばあらゆる動作周波数下でのガス タービンの振動特性の解析も、Akeselos を使えば、こういった調査を一日で終えられます。
Akeselos では、各シミュレーション モデルは数百から数千のコンポーネントで構成されます。それぞれのコンポーネントには、様々な特性（密度や強度等）や形状（長さ、湾曲率、き裂深さ）が含まれ、ワンクリックで変更できるようになっています。この巨大なデータを扱うために Akselos を Google Cloud Platform 上で動作させ、 Google のストレージ ソリューションと、スケール用に Replica Pools も活用しています。
Akselos の最初の Google Compute Engine への採用は、MIT 機械系学科の上級講師 Dr. Simona Socrate が、
エデックスの構造解析コース
2.01 受講生のために、より早いシミュレーション技術を導入したことがきっかけです。Dr. Socrate は、講義の中で生徒が構造力学における微細影響を双方向に視覚的に探求できるように、ウェブ ブラウザーで動くシミュレーション アプリケーションを導入したかったのです。これまでにも他のシミュレーション ツールを大学の講義で導入しようとしてきたものの、大概が生徒とって使い方をマスターするには複雑すぎてうまくいかなかったのです。
Dr. Socrate の方針に従い Akselos は、講義が有意義なものになるように、いくつもの WebGL ブラウザー アプリケーションを開発してきました。講義に登録している 7,500 人の受講生に対応するために、シュミレーションのバックエンド部分は GCE 上に配置しています。そして 99.9% のアップタイムで、1 時間あたり 15,000 回のシミュレーションの要求に耐えるようにテストをしてきた結果、4ヶ月のコースの間もシュミレーションは障害なく GCE で動作し続け、生徒からも高評価を受けました。
エデックスでの開発と並行して、Akselos はクラウド ベースのシミュレーション プラットフォームを公開し、今や大きくなりつつある世界中のエンジニアの
コミュニティ
で利用されています。Akselos は、可能な限り多くの人々にパワフルなシミュレーション技術を提供し、様々なエンジニアリング分野でのデザインと分析のワークフローを強化することを目指しています。Akselos は、GCE に設置されたソフトウェアを利用して、すべてのエンジニアがより早く簡単に、より詳細なシミュレーションができるよう日々進歩しています。
[GCP] Cloud Dataflow SDK for Java をオープンソース公開
2015年1月9日金曜日
データの持つ「価値」は、その分析を通じて得られるインテリジェンスにあります。しかし、データセットの巨大化や、多様なストレージ システムへのデータの分散の影響で、データからインテリジェンスを導くことは容易ではありません。さらにリアルタイム分析のニーズの増加など、いまエンジニアはさまざまな課題に直面しています。
Google は 2014 年 7 月、データ処理のためのまったく新しいマネージド サービス、
Google Cloud Dataflow
のアルファ版を発表しました。このサービスは、ビッグデータ処理基盤の運用の負荷を大きく引き下げ、エンジニアが開発のみに集中できる環境を提供します。データサイエンティストやデータアナリスト、そしてデータ処理に関わるエンジニアが、データを今以上に簡単に、より広い範囲で扱えるようにするものです。用途や使い方を問わず、分散システムを扱うための労力を不要とし、シンプルで直感的なプログラミング コンセプトを用いたデータからのインテリジェンスの抽出を可能とします。
今回 Google では、
Google Cloud Dataflow
の導入を促し、またさまざまなプログラミング言語や実行環境へポーティングできる土台を提供すべく、同サービスにアクセスするためのライブラリである「Cloud Dataflow SDK」をオープンソース化しました。
Gooole Cloud Dataflow は、Google 社内で用いられてきた
FlumeJava
と呼ばれるプログラミング モデルをベースとしています。FlumeJava の導入の過程で、データをインテリジェンスへ転換する上での多くの知見を得られました。この知見を基盤に、Cloud Dataflow SDK をオープンソースとして共有することで、次の 3 点で開発者コミュニティによるさらなる発展を促します。
ストリーム処理とバッチ処理の統合によるイノベーション
：Cloud Dataflow SDK では、バッチ処理とストリーム処理の両方を統合したモデルを導入します。この統合がもたらす再利用可能なプログラミング パターンが、開発効率の向上を実現するカギとなります。また、時間軸でのデータ集約のための
豊富なウィンドウ関数
を提供し、バッチとストリーム両方の種類のデータソースに対して同じ処理を適用できます。
さまざまなプログラミング言語による Dataflow プログラミング モデルのサポート
：Dataflow がサポートするプログラミング言語とプログラミング パターンは、今後も増加していきます。Dataflow をより多くのアプリケーションから使えるように、現在 Python 3 版 SDK の開発が進められています。
サードパーティのサービス環境での Dataflow の実行
：現在のIT開発、とりわけクラウド分野おいては、多種多様なサービスをいかにして組み合わせ構成するかが重要なポイントとなります。Cloud Dataflow は、大規模にスケール可能で、高い信頼性と一貫性を備えるマネージド サービスとして構築されていますが、一方で外部サービスへのポータビリティも重視されています。例えば Apache Storm や Spark、 Hadoop 製品ファミリーは引き続きは発展を続けているものの、それにともなうプログラミングモデルの分裂が開発者にとっての課題となります。大規模データ処理の実行環境やサービス環境のポータビリティを確保することで、そうした苦労をなるべくなくし、デプロイ先プラットフォームの選択肢を広げます。
バックグラウンドのさまざまに異なる開発者が分散データ処理を行えるシステムを、皆さんと協力して構築していけることが楽しみです。 GitHub の
Dataflow SDK for Java
リポジトリを通じたコミュニティへの参加をお待ちしています。
Cloud Dataflow コミュニティには、以下の方法で参加できます。
- Google Cloud Dataflow の
利用申し込み
-
ドキュメント
（英）による詳細の確認
- StackOverflow での議論への参加 [タグ:
google-cloud-dataflow
]
[GCP] 12 月の Google Cloud Platform の動向を振り返る: 6 つの事例、3つは Windows ワークロードについて、2 つは Dataflow について、そして Year in Review ハイライトシリーズ
2015年1月8日木曜日
お正月も終わってしまいましたが、すこし去年を振り返ります。ちょっとした内容ですが、ちょっとでも休暇明けの皆さんを元気にできればいいなと思いながら。
Google Cloud Platform
(GCP) の 12 月はこんなことがありました。
Google Cloud Platform 版クリスマス クッキーハウス
Windows サポートの拡充
12 月のはじめに、GCP チームは、Google Compute Engine の新機能を 3 つリリース。高性能 Windows ベースのワークロードを大規模に実行している皆さんに最適な環境を用意しました。
機能の詳細についてはこちら
をご覧ください。
安心してお買い物
休暇シーズンに間に合わせたかのように、GCP が Payment Card Industry Data Security Standards (PCI DSS) へ
準拠認定されたことをお伝え
しました。PCI DSS によって、どのブランドのクレジットカードの会員情報であっても、それを保持し、処理、通信することを GCP 上で可能にしてくれます。
語られる、驚きのストーリー
Google Cloud Platform どう使っているのか。そのストーリーを聞けるのはとても嬉しいです。12 月は次のストーリーを語ってもらいました。
Aerospike
-
Google Compute Engine
(GCE)でどのように秒間 100 万書き込みを達成したか
Wix
- マルチ クラウド デプロイメントでどのように高可用性を実現したか
dotCloud
- Google Cloud Platform でより高速で信頼性の高い PaaS を提供する方法
Akselos
(英語)- どのように複雑な工学シミュレーションを伴う MITx の edX コースを GCE で支援したか
RealMassive
(英語) - 強力なデータ技術を利用して商業不動産を変貌させる方法
Bayes Impact
(英語) - Bayes Impact 自体が GCP を使ってという話ではありませんが、開催している 24 時間のハッカソンで、データサイエンティスト達が GCE や
BigQuery
といったツールを活用して何テラバイトもの情報を高速で分析し、人々の暮らしに有意義な影響を与える方法を追求
また、日本での活用事例も公開しました。
ゲーム攻略完全図鑑
-
Google App Engine
で MAU (Monthly Active User) 950 万に達するサイトを運営
エイチーム
- リアルタイム RPG ゲームを GCE で開発
Cloud Developer Advocate チームから皆さんに「こんにちは」
Google は、GCP を使っている皆さんが最大限に成功することを目指しています。その目的を実現するチームを紹介しています。ときにはイベントで話しているのを見かけたり、
Twitter
でした質問の回答者かもしれません。もちろん Google Cloud Platform で質問やフィードバックを受け付けてもいます。各メンバーについては、
自己紹介のポスト
から。
Cloud Dataflow のあれこれ
まずは
Cloud Dataflow SDK
がオープンソースで利用可能になったという発表です。これで、GCP のマーネジドサービスとの統合が容易になり、他のプログラミング言語や実行環境に Cloud Dataflow を移行する基盤にもなります。Cloud Dataflow をオープンソースで公開した理由については、
こちらをご覧ください
。もう一つ
別のポスト
では、ニューヨークのタクシーの乗降データを集計し地図上に描き出すために、どう Cloud Dataflow を使い集計したの紹介しています。
Year in Review ハイライトシリーズで 2014 年を振り返る
Google Cloud Platform チームは毎年 Year in Review ブログシリーズを実施し、毎回別の Google 社員が選んだ GCP のこの一年のハイライトを紹介しています。このブログシリーズは 5 日に、 Urs Hölzle の「
最近の開発者は楽をしすぎている
」をもって完結しました。その中には、有名なクリスマスの前の晩の
物語
をもじった
GCP ポエム
、それから Kubernetes と Google Container Engine から見る、
オープンソースを優先することの考察といったポスト
も。きっと気に入るものがあると思いますよ。
それでは、2015 年もどうぞよろしくお願いいたします。
- GCP チーム一同
12 か月間のトライアル
300 ドル相当が無料になるトライアルで、あらゆる GCP プロダクトをお試しいただけます。
Labels
.NET
.NET Core
.NET Core ランタイム
.NET Foundation
#gc_inside
#gc-inside
#GoogleCloudSummit
#GoogleNext18
#GoogleNext19
#inevitableja
Access Management
Access Transparency
Advanced Solutions Lab
AI
AI Hub
AlphaGo
Ansible
Anthos
Anvato
Apache Beam
Apache Maven
Apache Spark
API
Apigee
APIs Explore
App Engine
App Engine Flex
App Engine flexible
AppArmor
AppEngine
AppScale
AprilFool
AR
Artifactory
ASL
ASP.NET
ASP.NET Core
Attunity
AutoML Vision
AWS
Big Data
Big Data NoSQL
BigQuery
BigQuery Data Transfer Service
BigQuery GIS
Billing Alerts
Bime by Zendesk
Bitbucket
Borg
BOSH Google CPI
Bower
bq_sushi
BreezoMeter
BYOSL
Capacitor
Chromium OS
Client Libraries
Cloud API
Cloud Armor
Cloud Audit Logging
Cloud AutoML
Cloud Bigtable
Cloud Billing Catalog API
Cloud Billing reports
Cloud CDN
Cloud Client Libraries
Cloud Console
Cloud Consoleアプリ
Cloud Container Builder
Cloud Dataflow
Cloud Dataflow SDK
Cloud Datalab
Cloud Dataprep
Cloud Dataproc
Cloud Datastore
Cloud Debugger
Cloud Deployment Manager
Cloud Endpoints
Cloud Firestore
Cloud Foundry
Cloud Foundry Foundation
Cloud Functions
Cloud Healthcare API
Cloud HSM
Cloud IAM
Cloud IAP
Cloud Identity
Cloud IoT Core
Cloud Jobs API
Cloud KMS
Cloud Launcher
Cloud Load Balancing
Cloud Machine Learning
Cloud Memorystore
Cloud Memorystore for Redis
Cloud monitoring
Cloud NAT
Cloud Natural Language API
Cloud Networking
Cloud OnAir
Cloud OnBoard
cloud Pub/Sub
Cloud Resource Manager
Cloud Resource Manager API
Cloud SCC
Cloud SDK
Cloud SDK for Windows
Cloud Security Command Center
Cloud Services Platform
Cloud Source Repositories
Cloud Spanner
Cloud Speech API
Cloud Speech-to-Text
Cloud SQL
Cloud Storage
Cloud Storage FUSE
Cloud Tools for PowerShell
Cloud Tools PowerShell
Cloud TPU
Cloud Translation
Cloud Translation API
Cloud Virtual Network
Cloud Vision
Cloud VPC
CloudBerry Backup
CloudBerry Lab
CloudConnect
CloudEndure
Cloudflare
Cloudian
CloudML
Cluster Federation
Codefresh
Codelabs
Cohesity
Coldline
Colossus
Compute Engine
Compute user Accounts
Container Engine
Container Registry
Container-Optimized OS
Container-VM Image
Couchbase
Coursera
CRE
CSEK
Customer Reliability Engineering
Data Studio
Databases
Dbvisit
DDoS
Debugger
Dedicated Interconnect
deep learning
Deployment Manager
Developer Console
Developers
DevOps
Dialogflow
Disney
DLP API
Docker
Dockerfile
Drain
Dreamel
Eclipse
Eclipse Orion
Education Grants
Elasticsearch
Elastifile
Energy Sciences Network
Error Reporting
ESNet
Evernote
FASTER
Fastly
Firebase
Firebase Analytics
Firebase Authentication
Flexible Environment
Forseti Security
G Suite
Gartner
gcloud
GCP
GCP Census
GCP 移行ガイド
GCP 認定資格チャレンジ
GCPUG
GCP導入事例
gcsfuse
GEO
GitHub
GitLab
GKE
Go
Go 言語
Google App Engine
Google Apps
Google Certified Professional - Data Engineer
Google Cloud
Google Cloud Certification Program
Google Cloud Client Libraries
Google Cloud Console
Google Cloud Dataflow
Google Cloud Datalab
Google Cloud Datastore
Google Cloud Endpoints
Google Cloud Explorer
Google Cloud Identity and Access Management
Google Cloud INSIDE
Google Cloud INSIDE Digital
Google Cloud INSIDE FinTech
Google Cloud Interconnect
Google Cloud Launcher
Google Cloud Logging
Google Cloud Next '18 in Tokyo
Google Cloud Next '19 in Tokyo
Google Cloud Platform
Google Cloud Resource Manager
Google Cloud Security Scanner
Google Cloud Shell
Google Cloud SQL
Google Cloud Storage
Google Cloud Storage Nearline
Google Cloud Summit '18
Google Cloud Summit ’18
Google Cloud Tools for IntelliJ
Google Code
Google Compute Engine
Google Container Engine
Google Data Analytics
Google Data Studio
Google Date Studio
Google Deployment Manager
Google Drive
Google Earth Engine
Google Genomics
Google Kubernetes Engine
Google maps
google maps api
Google Maps APIs
Google Maps Platform
Google SafeSearch
Google Service Control
Google Sheets
Google Slides
Google Translate
Google Trust Services
Google VPC
Google マップ
Google 公認プロフェッショナル
GoogleNext18
GPU
Gradle
Grafeas
GroupBy
gRPC
HA / DR
Haskell
HEPCloud
HIPAA
Horizon
HTCondor
IaaS
IAM
IBM
IBM POWER9
icon
IERS
Improbable
INEVITABLE ja night
inevitableja
InShorts
Intel
IntelliJ
Internal Load Balancing
Internet2
IoT
Issue Tracker
Java
Jenkins
JFrog
JFrog Artifactory SaaS
Jupiter
Jupyter
Kaggle
Kayenta
Khan Academy
Knative
Komprise
kubefed
Kubeflow Pipelines
Kubernetes
KVM
Landsat
load shedding
Local SSD
Logging
Looker
Machine Learning
Magenta
Managed Instance Group
Managed Instance Group Updater
Maps API
Maps-sensei
Mapsコーナー
Maven
Maxon Cinema 4D
MightyTV
Mission Control
MongoDB
MQTT
Multiplay
MySQL
Nearline
Network Time Protocol
Networking
neural networks
Next
Node
NoSQL
NTP
NuGet パッケージ
OCP
OLDISM
Open Compute Project
OpenCAPI
OpenCAPI Consortium
OpenShift Dedicated
Orbitera
Organization
Orion
Osaka
Paas
Panda
Particle
Partner Interconnect
Percona
Pete's Dragon
Pivotal
Pivotal Cloud Foundry
PLCN
Podcast
Pokemon GO
Pokémon GO
Poseidon
Postgre
PowerPoint
PowerShell
Professional Cloud Network Engineer
Protocol Buffers
Puppet
Pythian
Python
Qwiklabs
Rails
Raspberry Pi
Red Hat
Redis
Regional Managed Instance Groups
Ruby
Rust
SAP
SAP Cloud Platform
SC16
ScaleArc
Secure LDAP
Security & Identity
Sentinel-2
Service Broker
Serving Websites
Shared VPC
SideFX Houdini
SIGOPS Hall of Fame Award
Sinatra
Site Reliability Engineering
Skaffold
SLA
Slack
SLI
SLO
Slurm
Snap
Spaceknow
SpatialOS
Spinnaker
Spring
SQL Server
SRE
SSL policies
Stack Overflow
Stackdriver
Stackdriver Agent
Stackdriver APM
Stackdriver Debugger
Stackdriver Diagnostics
Stackdriver Error Reporting
Stackdriver Logging
Stackdriver Monitoring
Stackdriver Trace
Stanford
Startups
StatefulSets
Storage & Databases
StorReduce
Streak
Sureline
Sysbench
Tableau
Talend
Tensor Flow
Tensor Processing Unit
TensorFlow
Terraform
The Carousel
TPU
Trace
Transfer Appliance
Transfer Service
Translate API
Uber
Velostrata
Veritas
Video Intelligence API
Vision API
Visual Studio
Visualization
Vitess
VM
VM Image
VPC Flow Logs
VR
VSS
Waze
Weave Cloud
Web Risk AP
Webyog
Wide and Deep
Windows Server
Windows ワークロード
Wix
Worlds Adrift
Xplenty
Yellowfin
YouTube
Zaius
Zaius P9 Server
Zipkin
ZYNC Render
アーキテクチャ図
イベント
エラーバジェット
エンティティ
オンライン教育
クラウド アーキテクト
クラウド移行
グローバル ネットワーク
ゲーム
コードラボ
コミュニティ
コンテスト
コンピューティング
サーバーレス
サービス アカウント
サポート
ジッター
ショート動画シリーズ
スタートガイド
ストレージ
セキュリティ
セミナー
ソリューション ガイド
ソリューション: メディア
データ エンジニア
データセンター
デベロッパー
パートナーシップ
ビッグデータ
ファジング
プリエンプティブル GPU
プリエンプティブル VM
フルマネージド
ヘルスケア
ホワイトペーパー
マイクロサービス
まっぷす先生
マルチクラウド
リージョン
ロード シェディング
運用管理
可用性
海底ケーブル
機械学習
金融
継続的デリバリ
月刊ニュース
資格、認定
新機能、アップデート
深層学習
深層強化学習
人気記事ランキング
内部負荷分散
認定試験
認定資格
料金
Archive
2019
8月
7月
6月
5月
4月
3月
2月
1月
2018
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2017
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2016
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2015
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2014
12月
11月
10月
9月
8月
6月
5月
4月
3月
2月
Feed
月刊ニュースレターに
登録
新着ポストをメールで受け取る
Follow @GoogleCloud_jp
