Google Cloud Platform Japan 公式ブログ

インフラではなく創造に集中できる環境をアーティストに提供

2015年7月15日水曜日

* この投稿は、米国時間 7 月 13 日、Google Cloud Platform, Product Manager の Todd Prives によって投稿されたものの抄訳です。
Atomic FictionThinkBox SoftwareDeadline Cloud WizardCompute EngineCompute Engine の主要なメリット

Framestore がいかにクリエイティブ環境を改善し、アーティストが大きな成果を生み出せているか（過去のブログポストはこちら）

Atomic Fiction がいかにインフラではなく創造に集中することで、観客を別世界に引き込んでいるか

RodeoFX がいかに Google のクラウドベースツールを利用して、野心的なクリエイティブ開発計画を進めているか（過去のブログポストはこちら）

お気軽にご連絡ください-Posted by Todd Prives, Product Manager, Google Cloud Platform

App Engine for Go が正式リリース

2015年7月14日火曜日

* この投稿は、米国時間 7 月 10 日、 Go の PM、Jaspn Buberel によって投稿されたものの抄訳です。Google App Engine for GoSLA と非推奨ポリシークラウド環境を前提にしたオープンソースプログラミング言語DockerKubernetesオンラインドキュメント-Posted by Jason Buberel, Product Manager, Go

ノート PC は家に置いておきましょう - クラウドリソースを管理できるモバイルアプリが正式リリース

2015年7月13日月曜日

* この投稿は、米国時間 7 月 1 日、Google Cloud Platform, Product Manager の Stewart Fife によって投稿されたものの抄訳です。

ご存じのように、トラブルは起こってほしくないときに起こりがちです。

とある金曜日の夜7時半。あなたは友人と食事をしようとレストランに向かっています。すると上司からこんなテキストメッセージが。

モバイルアプリの Google Cloud Console

Android 向け

Google Compute Engine の VM については、CPU 使用率、ディスク、ネットワーク状態を監視できます。VM を再起動したり、それらに SSH して（Android 版のみ）システムレベルのタスクを実行したりすることもできます。インシデントに対応することもでき、チームのメンバーにはあなたが問題解決に当たっていることがわかります（下図参照）。

ここで、お客様から寄せられている声を紹介しましょう。

“外出時などに便利で実にクールなツール。ブラウザが使えるマシンが手近にないときも、全体を把握できる” - David Zumbrunnen

“ Google Cloud Platform と Android を利用している場合に不可欠な素晴らしいアプリ。ベータ版の公開初日から使っている。Cloud Platform のリソースをチェックするときに真っ先に頼るツールだ。このアプリではダウンタイムもクラッシュも経験したことがない” - Krishnan S.P.T

“非常に便利で役に立つ小さなアプリ。インスタンスの起動と停止や基本的な管理作業に重宝する。グラフや、プロジェクトごとの月間利用料の推計といった機能が気に入っている。とても満足しており、とても便利でかわいい小規模アプリだ” - Patrick Tucci

“画期的なツール。非常に重要なツールであり、クラウド技術の将来への大きな一歩だ。このツールがあれば、24 時間週 7 日、コンピュータに向かう必要はない。素晴らしい UX（ユーザーエクスペリエンス）。素晴らしい MD（マテリアルデザイン）。開発チームよ、おめでとう” - Ogwang Denis

詳細については、Google Play Store または Apple の App Store （リリースは近日）からこのアプリをダウンロードし、ぜひ試してみてください。ご意見やご感想をお待ちしています！

- Posted by Stewart Fife, Product Manager, Google Cloud Platform

アドイノベーション株式会社の導入事例: Google Cloud Platform を駆使して世界進出を加速 - 多言語対応の広告効果測定ツール

2015年7月10日金曜日

スマートフォン広告効果測定システム市場で、国内外から高い評価を集めるアドイノベーション。そんな同社が、今夏から本格運用開始する新ツール「AdStore App Tracking」では、新たに Google Cloud Platform が採用されました。約 1 年前からスタートしたツール開発・運用において、Google の果たした役割とは？

アドイノベーション株式会社 ■ 写真左からロシア事業室 AdStore App Tracking プロダクトマネージャー佐藤功太郎さんロシア事業室 AdStore App Tracking エンジニア沖野信也さんロシア事業室 AdStore App Tracking 営業担当小山隼司さん ■ 事例概要多言語対応のスマートフォン広告効果測定ツール ASAT を Google Cloud Platform 上で開発 ■ 利用中の Google Cloud Platform サービス Google Compute Engine, Google Cloud SQL, Google Cloud Storage, Google App Engine, Google BigQuery アドイノベーション株式会社は広告事業とツール開発を 2 本の柱とするスマートフォンアプリ専門のマーケティング企業。2010 年に創業後、わずか 5 年で社員数約 50 名にまで拡大した急成長企業で、現在は国内だけでなく、中国・ロシアを拠点にした海外展開も積極的に実施しています。そして、その未来を担うのが同社が社運をかけて投入した新開発の広告効果測定ツール「AdStore App Tracking（以下、ASAT）」です。

「これまで弊社では『AdStore Tracking』というツールを開発・提供していたのですが、もともと国内向けに開発していたこともあり、多言語対応など海外進出に向けた対応がしづらいという問題がありました。そこで、いっそ最初から全てを作り直してしまおうと新開発したのが『ASAT』となります」（アドイノベーション株式会社 AdStore App Trackingプロダクトマネージャー佐藤さん）

同社が培ってきた広告効果測定のノウハウが十全に盛りこまれた「ASAT」の機能面における最大の特長は、ずばりリアルタイム性。スマートフォンアプリ広告の効果を即時に解析・表示してくれるため、よりスピーディでダイレクトな効果測定が可能になります。また、多くのアプリ広告効果測定サービスが、その情報にアクセスできるツールを顧客に開放していない中、アドイノベーションはこれを顧客に開放。指定代理店などを介すことなく、自由に情報を利用できることも好評を博しています。なお、従来ツール（AdStore Tracking）ではサービスを運用するクラウドコンピューティングサービスに AWS を使っていたそうですが、新ツール「ASAT」では、これを Google Cloud Platform に変更しています。「『Google App Engine』を駆使することで顧客の望む情報へのリアルタイムアクセスを可能にできました」（佐藤さん）その上で、今回 Google Cloud Platform を利用した最大の理由は、膨大なアクセスに対する対応力だと、技術開発部の沖野さんは言います。

「アプリ広告の世界では、キャンペーンなどの施策実施によってトラフィックが急増するということがざら。これまでほとんど動いていなかったものが、キャンペーンを開始した瞬間に 1 秒に万単位のアクセスを呼び込むということがおきます。これに対応するため、従来ツールではキャンペーンを実施する場合、あらかじめお客様から連絡をいただくようにしていました。しかし、Google Cloud Platformではその必要がありません。『ASAT』β 版初期に膨大なトラフィックが発生することがあったのですが、こちらが特に何かを準備することなく、何事もなかったかのようにさばいてくれました。結果、『ASAT』ではこの事前申告制が廃止に。我々にとっても、お客様にとっても運用の手間が大きく軽減されることになったんですよ」

ASAT のアーキテクチャー
また、顧客と直接コミュニケーションを図る営業チームにとっても Google Cloud Platformに移行したメリットは小さくなかったとのこと。これまでは膨大なアクセス情報などを分析するためにエンジニアチームと連携しつつ、大変な手間をかけて集計を行なっていたのが、Google BigQuery を利用する事で、「これまでは KVS とか RDB とかを駆使して苦労してやっていたことが、特別な手間をかけることなくほぼ営業チームだけで実施可能になった」（沖野さん）のだとか。

「Web の API が充実しているため、我々営業チームのようにエンジニアリングの知識がないスタッフでも手軽に情報を引き出すことが可能になりました。そのため、従来ツールでは必須だった運用専任のエンジニアが不要に。全体的なコスト低減にも繋がっています」（AdStore App Tracking 営業担当小山さん）「少し前までは、クラウドコンピューティングサービスと言えば AWS の独壇場でした。ですので、私としても今回が初めての Google Cloud Platform 体験。サービス開始当初はそこまで評判になっていなかったように思うのですが、『Google Compute Engine』や『Google Cloud SQL』が実装されたあたりから話題になり始めましたね。これではっきりと比較の対象になったように思います。そして実際に使ってみると、リザーブドインスタンス不要で柔軟にアクセスをさばけることなど、想定以上にメリットが大きかった。当初はAWS との文化の違いに少しだけ混乱しましたが、最終的にはほとんど大きなトラブルもなく『ASAT』を開発することができました。しかも開発チームの規模も従来ツールの 4 分の 1 程度に。今後は監視系の機能のさらなる進化と、日本語ドキュメントの充実をお願いしたいですね」（沖野さん） Android や iOS などの主要スマートフォンプラットフォームをサポートし、早くも 200 社以上の連携パートナーを持つまでとなった「ASAT」。正式リリースをもって、今後は念願であった海外展開を大きく加速していきます。

「この際、Google の強みの 1 つである強力なネットワークに期待しています。海外のアクセスに強い点は、これから海外事業を強化していきたい我々にとって何より重要なことですから」（佐藤さん）導入事例はこちら

日本語によるカスタマーサポートを開始

2015年7月8日水曜日

Google Cloud PlatformGoogle App EngineGoogle Cloud StorageGoogle BigQueryGoogle Compute EngineサポートパッケージTechnical Support Services Guidelines営業担当

分散負荷テストに威力を発揮する Kubernetes

2015年7月7日火曜日

* この投稿は、米国時間 6 月 29 日、Solutions Architect の Sandeep Parikh によって投稿されたものの抄訳です。
負荷テストは、ソフトウェア開発ライフサイクルの重要な部分を占めます。アプリケーションとインフラが実運用時にどこまで負荷に耐えられるかを把握することは不可欠だからです。となると、基本的な負荷テストは十分ではありません。システムが高負荷下でどのようなパフォーマンスを発揮するかを確認できる規模で、ユーザーの行動をモデル化できる必要があります。そこで今回、新しいソリューションペーパーとリファレンス実装をリリースしました。これらでは、Google Cloud Platform と Kubernetes を使って、ユーザーの行動をシミュレートして分散負荷テストを行う方法が示されています。
コンテナと Kubernetes は、負荷テストに関連する開発と運用業務を最小限に抑えるのに役立ちます。コンテナは迅速なスケーリングが可能なので、クライアントをシミュレートするのにうってつけです。また、個々のコンテナを扱うのは簡単ですが、大量のコンテナを管理し、円滑に連携させるのは困難です。オープンソースのコンテナオーケストレーションシステムである Kubernetes を使えば、多数のコンテナのデプロイと管理が容易になります。
今回のソリューションペーパーとリファレンス実装では、Docker コンテナと Kubernetes を使って分散負荷テストをデプロイし、スケーリングする方法を解説しています。どうすれば Google Container Engine を使ってコンテナクラスターを作成し、Docker 化された負荷テストフレームワークをデプロイし、テストを続ける中でクライアントをスケーリングできるかがわかります。

ソリューションペーパー Distributed Load Testing Using Kubernetes に目を通し、Kubernetes への理解を深めてください。そのうえでリファレンス実装のチュートリアルをご覧いただき、完全なワーキングサンプルをデプロイしてみましょう。
- Posted by Sandeep Parikh, Solutions Architect

クラウドの料金体系を理解する: 第 3 部 – データウェアハウス編

2015年7月1日水曜日

* この投稿は、米国時間 6 月 19 日、Solutions Architect の Peter-Mark Verwoerd によって投稿されたものの抄訳です。
これまで「クラウドの料金体系を理解する」と題して、ローカル SSD と仮想マシンについて書いてきました。本日は、データウェアハウスの料金のほか、運用にあたって必要な情報について検討したいと思います。ここ数年間でアプリケーションのデータボリュームが著しく増加するに従い、ストレージのコストが大幅に削減されました。とはいえ、データの保存だけではあまりメリットがありません。活用するためには、データクエリの実行、共有可能なレポートの作成、データの分析を可能にする手段が必要です。このような場合にはデータウェアハウスが役立ちます。
この投稿における「データウェアハウス」とはアプリケーションのトランザクショナルストレージではなく、レポート機能や分析に使用されるデータストレージシステムで、別の言い方をすれば OLTP ではなく OLAP に焦点を置きます。ということで、本日検討するのは（1）レポート機能と分析、（2）大容量のデータセットの保存を可能にするシステムです。では、クラウドでのデータウェアハウジングはどのように異なるのでしょうか。これは実行されるシステムの種類に関係がありますが、クラウドには 2 つのデータウェアハウスがあります。

従来のデータセンターやクラウドネイティブのシステムで実行可能なクラウド内のシステム。クラウドを必要とするストレージ、ネットワーク、コンピューティングの適合性ゆえに、クラウドネイティブのデータウェアハウスは、従来のデータセンターには存在できません。Google BigQuery がこのシステムの一例で、ノードの追加やストレージのプロビジョニングは必要でなく、シームレスなスケールが可能です。

従来のデータセンターで実行可能、または実行されるクラウド内のシステム。このシステムではデプロイメントに従来のアプローチが使用され、ノードを追加することで処理能力とストレージが拡大されます。こうしたデータウェアハウスの例として、HP Vertica、SAP HANA、EMC Greenplum、Amazon Redshift などが挙げられます。Redshift はプライベートデータセンターに対応しないものの、機能的には他のウェアハウスと極めて類似しています。

コスト効率とパフォーマンスのスケーリングの両面で、Google BigQuery はクラウドでのデータウェアハウスの運用において、最適の選択肢となります。クラスタの例実際の応用として、1 PB （ペタバイト）のデータウェアハウスについて考えてみましょう。OLAP データウェアハウスについては「ペタバイト規模」という言葉が頻繁に使われるため、ここでは実際にペタバイトのデータを保存するシステムについて検討します。このシナリオではカラムナストレージで運用される一般的な商用データウェアハウスと Google BigQuery を比較します。大半のカラム指向のデータベースは市販の製品か、営利主体による有料の保守やパッチ適用などのサポートが提供されているかのどちらかです。HP Vertica や SAP HANA など、数多くのデータウェアハウスがありますが、ここでは Google Cloud Platformで一般的なウェアハウスを運用する場合の料金を見ていきます。これらのシステムは大量のデータの保存、データの分析やレポート作成、パブリッククラウドでの完全なバージョンの実行といった Google の基本的な要件に対応するものです。これらのデータウェアハウスにおける料金の決定方法についても検討する必要があるでしょう。BigQuery は消費に基づくモデルが採用されており、利用したストレージとコンピューティングに応じて料金が請求されます。現時点でのストレージの月額は $0.02/GB、データ分析は $5/TB　です。大半の商用データウェアハウスは料金体系を公表していませんが、保存されているデータ量に基づく料金設定が一般的です。そのため、一般的な商用データウェアハウスのライセンスについては、年間 $1,000/TB と想定することにしますが、これはベンダー、お客様、保存されるデータ量によって大きく異なる可能性があります。すべての料金を提示している Google の料金体系では、お客様のご利用に応じて料金を決定します。つまり、Google Compute Engine でのクラスタの実行にかかるコストとライセンス費用の総額の合計が、総コストなのです。クラスタのサイジング BigQuery の料金を適切に算出するために、実際のお客様の平均値を利用し、実行されるクエリ数を見積もります。ここではユーザーの 90 パーセンタイルに近い使用パターンである 100 GB の平均クエリで、1 日のユーザーを 100 人、クエリを 40 個とします。つまり、1 日あたりのクエリは 4,000 個、 1 か月（30 日）あたりの分析データは 12,000 TB となります。一般的なシステムを使う場合の料金の算出するにあたっては、広範囲に適用できるガイドラインを使用します。データウェアハウスが想定通りに機能するためのノードの最小サイズは最低 16 コア、RAM は最低 60 GB とすべきでしょう。料金の比較が少なくとも最低値に対応するよう、Google Compute Engine の n1-highmem-16 のインスタンス（コア：16、RAM：104 GB）を使用して見積もります。また、データウェアハウスではどのタイプのディスクでも同様に料金が算出されるため、見積もりの対象となるのは SSD ではなく回転ディスクのみです。Google Compute Engine では 1 PB の SSD ベースのクラスタを実行できるものの、SSD ベースのデータウェアハウスは機能的に小さめのデータセットにより特化するため、大幅に高額となる傾向があります。一般的なデータウェアハウスの見積もりには、ライセンス費用、インスタンスのコスト、永続ディスクのコストの 3 つの要素が含まれます。インスタンスに接続できる永続ディスクの上限は 10 TB で、1 PB では 100 個のインスタンスが使用されることになります。

料金体系下記には 2015 年 5 月 13 日に実施した料金の計算結果が掲載されています。この投稿の公開後に料金体系や計算方法が変更された場合は、数値に差異が生じる可能性があります。 BigQuery での見積もり：月額 $79,999.50 内訳はストレージコスト $20,000、クエリのコスト $59,999.50 一般的なデータウェアハウスでの見積もり：月額 $100,502.40 想定されるライセンス月額の見積もりは年間 $1,000/TB（月額 $83,333.33（1,000÷12））合計月額：$183,835.73 一般的なデータウェアハウスのほうが BigQuery よりも大幅にコストがかかることは一目瞭然です。ただし、Google Compute Engine でクラスタを実行する場合、コストをオンデマンド料金よりも自動的かつ大幅に削減できる、Sustained Usage Discountという継続使用割引を利用できます。これにより、大規模な永続クラスタ実行のコスト効果が確実に高まります。一方、データウェアハウスのライセンス費用によって、Google Compute Engine での実行にかかる運用コストが大幅に増大する可能性があります。スケーリングどのシステムを使用するかを検討する際には、料金体系だけでなく、スケーリングについても理解しておくことが重要です。データウェアハウスのスケーリングについては、ストレージの容量とストレージへのアクセス速度という 2 つの重要な要素があります。カラム指向のデータウェアハウスではノードの追加によってストレージが拡大されるため、プロビジョニングできるノード数が制限されます。これまで 1 PB のストレージに 100 個のノードが使用されていましたが、 Google Compute Engine ではそれをはるかに上回ることができます。ただし、ストレージとパフォーマンスはひとくくりになっているため、コンピューティングのニーズと切り離してストレージだけを追加することはできません。同様に、コンピューティングのキャパシティだけを追加したい場合も、ノードを追加する以外の方法はありません。 BigQuery ではスケーリングとパフォーマンスを別々に考えることができます。つまり、ストレージとコンピューティングのニーズを分離できる料金体系が設定されています。データの保存量を増やす必要があるものの、作業量は変わらない場合（通常の使用パターンでは、データの追加によってレポートも増加）、BigQuery では不要なコンピューティングの追加に料金を支払うことなく、より多くのデータを保存できます。同様に、データセットの容量はそのままで作業量を増やす必要がある場合（レポートやアドホッククエリの増加）も、不要なストレージの追加に料金を支払うことなく、作業量を増やすことができます。では、こうした増加分に対して料金がどう変化するのかを把握するために、コンピューティングとストレージのいずれかを大幅に拡大させる必要が発生した場合について考えてみましょう。すべての想定はこれまでと同様として、ストレージが 1 PB から 10 PB に拡大すると、月額は下記のようになります。 BigQuery での見積もり：$259,999.50 内訳はストレージが $200,000、クエリが $59,999.50です。クエリについては 1 PB の場合とまったく同じ料金ですが、これは料金のメトリクスが完全に独立しているためです。10 倍のデータ保存が可能になったために、ストレージにかかるコストは 10 倍になりますが、データ分析にかかるコストは変わりません。では 5倍のデータの分析が必要になった場合を見てみましょう。 BigQuery での見積もり：$499,999.50 ストレージとクエリの料金のメトリクスが完全に独立しているため、クエリの挙動と領域が変更しない場合、料金は 1 PB のときと変わらず $59,999.50 になります。実際には 10 PB の場合のデータのフットプリントが拡大される可能性があるため、1 PB と比較して 5 倍のデータが分析されると想定しています。一般的なデータウェアハウスでの見積もり：$1,005,024 想定されるライセンスの月額は $833,333.33（10,000÷12）コンピューティングとストレージが追加されるため、実質的に 1 PB の場合の 10倍のコストがかかることになります。「誰が現実に 10 PB を使用するのか」と思われるかもしれませんが、実際に Google BigQuery で10 PB 以上を使用されているお客様も存在するのです。また、これは最低要件が設定された一般的なシステムと大規模なワークロード処理が可能な BigQueryでの比較です。BigQuery での高額なシステムでさえ、Google Compute Engine で実行される必要最低限の一般的なシステムよりも料金は安くなります。 TCO に関する検討事項クラウドでは、時間単位（または月単位、年単位など）の料金体系以外にも、さまざまな要素を比較できますが、BigQuery には他にはない、いくつかの特徴があります。最も検討すべきことは、BigQueryでは管理が不要だということでしょう。つまり、基盤となる仮想（または物理）マシンの管理、キャパシティや料金の計画、クラスタのサイズ変更は一切必要ありません。そのため、スタッフは時間とコストを節約しながら、本当に重要な作業に取り組めるようになります。料金設定を含む上記のすべての例では BigQuery 以外のすべてのクラスタのサイズを見積もる必要がありましたが、実施するには時間と労力がかかり、専門知識が必要です。管理が不要であるということは、クラスタのスキーマ、キー、インデックスなどを管理するデータベース管理者も必要ありません。これらはすべて Google によって管理されるため、熟達したデータベース管理者はデータウェアハウスの保守ではなく、他の仕事にもっと集中できるでしょう。また、料金は使った分だけが請求されるため、ピーク時のキャパシティを考慮する必要もありません。BigQuery では必要なキャパシティにいつでもスケーリングが可能です。ここでも運用コストを節約できるほか、従業員はデータウェアハウスのスケーリングについて検討する必要もありません。 BigQuery ではクラスタにかかるコストをストレージとコンピューティングで分離できることについてご紹介しましたが、実際はそれだけではありません。ストレージ、インジェスト、バッチクエリ、ストリーミングクエリにかかるコストも分離できます。そのため、不要なリソースに料金を支払うことなく、必要なものだけに専念することができます。最後にクラウドでのデータウェアハウスの料金を検討することは厄介に思えるかもしれませんが、この投稿でご理解を深めていただけることを願っています。今回は BigQuery でコストと時間を節約しながら、必要なサイズに拡張できることをご紹介しました。BigQueryドキュメンテーションホワイトペーパーpetermark@google.com -Posted by Peter-Mark Verwoerd, Solutions Architect

Google Cloud Platform Japan Blog

インフラではなく創造に集中できる環境をアーティストに提供

App Engine for Go が正式リリース

ノート PC は家に置いておきましょう - クラウドリソースを管理できるモバイルアプリが正式リリース

アドイノベーション株式会社の導入事例: Google Cloud Platform を駆使して世界進出を加速 - 多言語対応の広告効果測定ツール

日本語によるカスタマーサポートを開始

分散負荷テストに威力を発揮する Kubernetes

クラウドの料金体系を理解する: 第 3 部 – データウェアハウス編

12 か月間のトライアル

Labels

Archive

Feed

Company-wide

製品・サービス

デベロッパー

Google Cloud Platform Japan Blog

インフラではなく創造に集中できる環境をアーティストに提供

App Engine for Go が正式リリース

ノート PC は家に置いておきましょう - クラウド リソースを管理できるモバイル アプリが正式リリース

アドイノベーション株式会社の導入事例: Google Cloud Platform を駆使して世界進出を加速 - 多言語対応の広告効果測定ツール

日本語によるカスタマーサポートを開始

分散負荷テストに威力を発揮する Kubernetes

クラウドの料金体系を理解する: 第 3 部 – データ ウェアハウス編

12 か月間のトライアル

Labels

Archive

Feed

Company-wide

製品・サービス

デベロッパー

ノート PC は家に置いておきましょう - クラウドリソースを管理できるモバイルアプリが正式リリース

クラウドの料金体系を理解する: 第 3 部 – データウェアハウス編