Compute on Google Cloud Platform

1

Introducción al curso de Google Cloud for Developer Community

2

Lectura: introducción de instalación

3

Tutorial de Qwiklabs

4

Cómputo en la nube de Google

5

Opciones de cómputo en la nube

6

Máquinas virtuales a profundidad

7

Tutorial para instalar Qwiklabs

8

Demo: máquinas virtuales a profundidad

9

Cómputo sin administración con plataformas como servicio

10

Demo: cómputo sin administración

11

Lectura: ¿qué son los contenedores?

12

Cómputo contenerizado con App Engine Flex

13

Cómputo contenerizado con Cloud Run

14

Funciones serverless

Continuous Integration, Continuous Delivery

15

CI/CD en Google Cloud Platform

16

Estrategias de Despliegue

17

Repositorios de código

18

Construcción y despliegue de artefactos

19

Infraestructura como código

20

Despliegue en Servicios Serverless

Google Kubernetes Engine

21

Kubernetes Overview

22

Demo Kubernetes

23

Planeación de tu despliegue

24

Anthos

25

Cloud Run for Anthos

26

Demo Cloud Run for Anthos

27

Anthos Service Mesh

28

Site Reliability Engineering con Anthos

Streaming Data Analytics

29

Integración de datos e ingesta de datos totalmente administrada sobre GCP

30

Demo: ingesta de datos

31

Ingesta de datos confiable en streaming sobre GCP

32

Demo: ingesta de datos confiable

33

Demo: configuración de Apache Kafka

34

Visualización de mensajes de una base de datos relacional en Google Cloud

35

Data Warehouse: el modelo tradicional para construir un repositorio de datos empresarial

36

Data Lakehouse: el nuevo y moderno enfoque para construir un repositorio de datos empresarial

37

El portafolio de gestión de datos en Google Cloud

38

Desglose del portafolio de gestión de datos (Bases de datos) en Google Cloud

39

Gobierno de datos de punta a punta para garantizar la seguridad en tu Data Lake

40

Gobierno de datos: calidad y monitoreo

Machine Learning

41

¿Qué es ML y AI?

42

Plataforma de AI en GCP

43

Auto ML con datos estructurados

44

Demo Auto ML con datos estructurados

45

Predicción de tarifas usando AI notebooks

46

Demo predicción de tarifas usando AI notebooks

47

TensorFlow Extended

Sesiones en vivo

48

Sesión en vivo con Pablo Pérez Villanueva

No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Máquinas virtuales a profundidad

6/48
Recursos

Aportes 13

Preguntas 3

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

RESUMEN:

Compute Engine puede crear máquinas:

  • Predeterminadas y a la medida en consumo y precio (Hasta 35% de desperdicio en máquinas)
  • Propósito general y optimizadas para usuarios (Familias)
  • Con recomendaciones de dimensionamiento (Elimina el desperdicio de recursos automáticamente y cada 7 días te da recomendaciones)
  • Con migración en tiempo real (Se actualiza de forma automática y los aplicativos no se detienen)
  • Con descuento por uso sostenido y compartido (Hasta 30% para cargas predecibles)
  • Preventivas, BYOL y sole tenants (Hasta 80% para aplicativos que puedes detener en momentos)

Familias de VMs:

  • Cost-Optimized (E2): Mejor TCO (Ahorro como prioridad)
  • Balanceadas (N2, N2d): Balanceadas (Rendimiento en base costo/beneficio)
  • Compute-Optimized (C2): Optimizada por aplicativo (CPUs con mejor rendimiento)
  • Memory-Optimized (M2): Optimizada por aplicativo (Mayor cantidad de memoria en GCP)

estos slides están interesantes, saben si hay posibilidad de que los brinden?

<h3>Google Compute Engine</h3>

Permite crear máquinas virtuales en la infraestructura de datos

Features:

  • Máquinas a la medida

  • Migración en tiempo real

    El calculo de pi, en un reto, pudo ser realizable debido a la migración en tiempo real ya que el servicio no se detuvo.

  • Automatiza el uso de recursos para poder tener solo que necesitas

  • Descuentos por uso sostenido y comprometido

    • De manera automática
  • Te recomienda optimizaciones despues de 7 días de uso

<h3>Familias de VMs</h3>
  1. Cost-Optimized (E2)
    • Web serving
    • Aplicaciones que no varian en recursos
    • Ambientes de desarrollo
  2. Balanceadas (N2, N2d)
    • Proposito general
    • Mejor rendimiento costo beneficio
    • Ya permite app serving en menor medida
  3. Optimizadas por aplicativo
    • Compute-Optimized (C2)
    • Memory-Optimized (M2)

Muy interesante la opción de crear maquinas a la medida y no tener que depender de una familia en especifico, esto da una muy buen eficiencia en usar lo que necesitas.

¡Muy buenos diferenciadores con proveedores de Cloud como AWS e incluso el mismo Azure.! Excelente esta clase…

Saludos desde Peru
Quisiera saber en que clase puedo aprender a crear una VPN entre mi PC y la maquina Virtual de GCP.

Vamos por el

Familias de VMs para necesidades del mundo real.

Les recomiendo este lab de qwiklabs, para jugar un rato con VM’s 😄

El servicio de monitoreo de consumo de recursos y las sugerencias de GCP para mejorar o adaptar nuestra VM nos ayuda a reducir costos y no desperdiciar potencia de computo.

¿Qué es SAP HANA?

El descuento es importante, eso te permite dimensionar los gastos en dependencia del consumo del app que desarrollaste a tu Cliente lo que luego se puede traducir en descuentos a tus Clientes por el trabajo administrativo y mantenimiento de la aplicación, entonces ganamos todos el Cliente por un Servicio de Calidad que a su vez nota como ahorra con el Freelance y a su vez el Freelance que tiene la oportunidad de mejorar sus precios gracias a la posibilidad que brinda Google por los Descuentos.

Muy buenos los slides ojala los puedan compartir 😄