- 1

Guía de Instalación de Google Cloud para Desarrolladores
01:27 - 2
Crear Cuentas en Google Cloud y Qwiklabs paso a paso
01:30 - 3

Uso de Quick Labs para Entrenamiento en Google Cloud
07:50 - 4

Google Cloud: Beneficios y Seguridad en la Nube Pública
13:30 - 5

Opciones de Cómputo en la Nube con Google Cloud
05:50 - 6

Máquinas Virtuales en Google Cloud: Uso, Optimización y Descuentos
07:32 - 7
Instalación de Qwiklabs paso a paso
00:18 - 8

Creación y Gestión de Máquinas Virtuales en Google Cloud
17:34 - 9

App Engine: Despliegue de Aplicaciones sin Infraestructura
07:30 - 10

Despliegue de Aplicaciones en App Engine con Java 11 y SpringBoot
12:50 - 11
Introducción a Docker y Contenerización de Aplicaciones
02:48 - 12

App Engine Estándar vs Flexible: Ventajas y Usos Prácticos
11:23 - 13

Implementación de Cloud Run: Serverless y Contenedores en Google Cloud
08:10 - 14

Cloud Functions: Creación y Conexión de Servicios Serverless
12:56
Cloud Run: Despliegue de Contenedores Serverless en Google Cloud
Clase 25 de 48 • Entrenamiento de Google Cloud Platform
Contenido del curso
- 15

Continuous Integration y Delivery en Google Cloud Platform
10:13 - 16

Estrategias de Despliegue de Aplicaciones en Producción
10:02 - 17

Repositorios en Google Cloud: Cloud Source y Container Registry
07:33 - 18

Construcción y Despliegue en Google Cloud Platform
09:32 - 19

Infraestructura como Código: Conceptos y Herramientas Clave
09:28 - 20

Despliegue de Aplicaciones Serverless en Google Cloud Platform
08:38
- 21

Fundamentos de Kubernetes y Google Kubernetes Engine
10:10 - 22

Creación y Despliegue de Clúster Kubernetes en Google Cloud
09:25 - 23

Planificación de Ambientes de Despliegue en Kubernetes
12:37 - 24

Implementación y Gestión de Anthos para Aplicaciones en la Nube
09:07 - 25

Cloud Run: Despliegue de Contenedores Serverless en Google Cloud
09:51 - 26

Despliegue de Servicios en Cloud Run con GKE
08:49 - 27

Anthos Service Mesh: Observabilidad y Seguridad en Kubernetes
06:22 - 28

Tour Completo de Anthos: Despliegue y Gestión en Google Cloud
06:52
- 29

Integración de Datos en Tiempo Real con Google Cloud Data Fusion
15:27 - 30

Construcción de Flujos de Datos con Google Cloud Data Fusion
15:51 - 31

Ingesta de Datos Confiable en Google Cloud Platform
11:07 - 32

Ingesta de Eventos en Google Cloud con Apache Kafka y Dataflow
06:30 - 33

Configuración de Apache Kafka y Debezium en Linux para SQL Server y PubSub
12:39 - 34

Visualización de Mensajes en Google Cloud con Dataflow y BigQuery
04:58 - 35

Construcción de un Data Lakehouse con Google BigQuery
09:11 - 36

Ventajas de BigQuery como Data Lakehouse
11:48 - 37

Opciones de Almacenamiento en Google Cloud Platform
06:18 - 38

Gestión de Datos en Google Cloud: Portafolio y Migración
10:59 - 39

Gobierno de Datos en Google Cloud: Mejores Prácticas y Herramientas
09:54 - 40

Calidad y Monitoreo de Datos en Google Cloud
07:53
- 41

Conceptos Básicos de Inteligencia Artificial y Aprendizaje Automático
13:00 - 42

Soluciones de IA y Machine Learning en Google Cloud para Desarrolladores
12:40 - 43

AutoML Tables: Modelado Predictivo con Datos Estructurados
11:50 - 44

Uso de AutoML Tables en Google Cloud para Modelos de Clasificación
05:17 - 45

Predicción de Tarifas con Jupyter Notebooks en Google Cloud
07:33 - 46

Análisis de Datos de Taxis en iNotebook con Google Cloud y BigQuery
13:34 - 47

Implementación de Pipelines con TensorFlow Extended
13:48
¿Qué es Cloud Run y por qué es importante para el desarrollo?
Cloud Run es un servicio que permite desplegar aplicaciones en contenedores y operarlas en un entorno serverless. Esto implica que los desarrolladores pueden centrarse solo en escribir código sin preocuparse sobre cómo gestionar la infraestructura o dónde se está ejecutando su aplicación. Cloud Run es especialmente relevante porque combina la flexibilidad de los contenedores con la simplicidad de las soluciones serverless, permitiendo un desarrollo ágil y eficiente.
¿Cómo se relaciona Cloud Run con Kubernetes?
Kubernetes es fundamental para orquestar contenedores y ejecutar cargas de trabajo. Mientras Kubernetes proporciona una abstracción de la infraestructura y APIs declarativas para gestionar cada componente, Cloud Run aporta una capa adicional que facilita la implementación de soluciones serverless sobre Kubernetes. Aquí están algunos aspectos clave:
- Extensión de funcionalidades: Kubernetes puede ser personalizado a través de controladores nuevos, lo que permite automatizar y controlar despliegues de manera personalizada.
- Reducción del trabajo para desarrolladores: Con Cloud Run, los desarrolladores no necesitan preocuparse por gestionar nodos o escalar la infraestructura, ya que se busca la simplicidad del serverless.
- Compatibilidad con contenedores: Cloud Run permite definir el entorno de ejecución directamente con un Dockerfile, lo que se traduce en mayor flexibilidad en el uso de diferentes lenguajes y librerías.
¿Cómo funciona Cloud Run sobre KNative?
KNative es una colección de APIs que permite gestionar eventos y conectar servicios a estos. Sobre KNative, Cloud Run permite desplegar contenedores que actúan bajo un paradigma serverless. La capa de KNative se encarga de:
- Escuchar solicitudes HTTP: Actúa generando listeners que esperan peticiones, las procesan y luego cierran el contenedor.
- Escalado automático: Permite que los contenedores escalen a cero cuando no hay tráfico, reduciendo costos innecesarios y maximizando la eficiencia.
- Concurrencia: Cloud Run soporta múltiples solicitudes simultáneas en un solo contenedor, algo que mejora la eficiencia y reduce la latencia en servicios.
¿Qué diferencia a Cloud Run de otras soluciones como Cloud Functions?
Existen varias diferencias fundamentales entre Cloud Run y otras plataformas como Cloud Functions:
- Capacidad de definir runtime: En Cloud Run no estás limitado a un conjunto de runtimes predefinidos por el proveedor. Puedes configurar el entorno usando cualquier definición de Dockerfile.
- Concurrencia: A diferencia de otros servicios serverless que procesan una sola solicitud a la vez, Cloud Run maneja varias peticiones en un único contenedor, lo cual optimiza el uso de recursos.
- Modelo de costes: Cloud Run cobra según el uso real de los recursos por fracciones de 100 milisegundos, ofreciendo flexibilidad económica.
¿Cómo se integra Cloud Run con herramientas de CICD?
Cloud Run es altamente compatible con diferentes pipelines de CICD, permitiendo una integración fluida con herramientas populares. Algunos pasos básicos para su integración son:
- Construcción de Docker: Se debe compilar el contenedor empleando Docker y almacenar la imagen generada en un container registry.
- Despliegue con gcloud: Una vez almacenada la imagen, el despliegue se realiza mediante el comando
gcloud run deploy, integrando el proceso en sistemas de CICD como Jenkins o Cloud Build. - Automatización del proceso: La capacidad de integrar Cloud Run en el pipeline de CICD asegura que nuevos cambios en el código sean automáticamente desplegados y probados en producción.
Este enfoque alinea desarrollo y operaciones, fomentando una entrega continua de software eficiente y confiable.