Compute on Google Cloud Platform

1

Introducci贸n al curso de Google Cloud for Developer Community

2

Lectura: introducci贸n de instalaci贸n

3

Tutorial de Qwiklabs

4

C贸mputo en la nube de Google

5

Opciones de c贸mputo en la nube

6

M谩quinas virtuales a profundidad

7

Tutorial para instalar Qwiklabs

8

Demo: m谩quinas virtuales a profundidad

9

C贸mputo sin administraci贸n con plataformas como servicio

10

Demo: c贸mputo sin administraci贸n

11

Lectura: 驴qu茅 son los contenedores?

12

C贸mputo contenerizado con App Engine Flex

13

C贸mputo 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 c贸digo

18

Construcci贸n y despliegue de artefactos

19

Infraestructura como c贸digo

20

Despliegue en Servicios Serverless

Google Kubernetes Engine

21

Kubernetes Overview

22

Demo Kubernetes

23

Planeaci贸n 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

Integraci贸n 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: configuraci贸n de Apache Kafka

34

Visualizaci贸n 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 gesti贸n de datos en Google Cloud

38

Desglose del portafolio de gesti贸n 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

驴Qu茅 es ML y AI?

42

Plataforma de AI en GCP

43

Auto ML con datos estructurados

44

Demo Auto ML con datos estructurados

45

Predicci贸n de tarifas usando AI notebooks

46

Demo predicci贸n de tarifas usando AI notebooks

47

TensorFlow Extended

Sesiones en vivo

48

Sesi贸n en vivo con Pablo P茅rez Villanueva

No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Aprende todo un fin de semana sin pagar una suscripci贸n 馃敟

Aprende todo un fin de semana sin pagar una suscripci贸n 馃敟

Reg铆strate

Comienza en:

3D
7H
37M
56S

M谩quinas virtuales a profundidad

6/48
Recursos

Aportes 13

Preguntas 3

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

RESUMEN:

Compute Engine puede crear m谩quinas:

  • Predeterminadas y a la medida en consumo y precio (Hasta 35% de desperdicio en m谩quinas)
  • Prop贸sito general y optimizadas para usuarios (Familias)
  • Con recomendaciones de dimensionamiento (Elimina el desperdicio de recursos autom谩ticamente y cada 7 d铆as te da recomendaciones)
  • Con migraci贸n en tiempo real (Se actualiza de forma autom谩tica 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 est谩n interesantes, saben si hay posibilidad de que los brinden?

<h3>Google Compute Engine</h3>

Permite crear m谩quinas virtuales en la infraestructura de datos

Features:

  • M谩quinas a la medida

  • Migraci贸n en tiempo real

    El calculo de pi, en un reto, pudo ser realizable debido a la migraci贸n 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 autom谩tica
  • Te recomienda optimizaciones despues de 7 d铆as 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 opci贸n 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.

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

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鈥檚 馃槃

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.

驴Qu茅 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 aplicaci贸n, 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 馃槃