- 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
Despliegue de Servicios en Cloud Run con GKE
Clase 26 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
¿Cómo lanzar un servicio en Cloud Run?
Lanzar un servicio en Cloud Run sobre Google Kubernetes Engine (GKE) es un proceso que puede parecer complejo, pero con las herramientas y configuraciones adecuadas, se transforma en una tarea asequible. Este tutorial te guiará paso a paso para desplegar tu aplicación utilizando Cloud Run, optimizando con características como autoescalado y balanceo de cargas. Vamos a sumergirnos en cómo ejecutar esta operación de forma eficiente y directa.
¿Cómo se configura el entorno para Cloud Run?
Primero, es esencial tener nuestra infraestructura lista. Antes de lanzar tu aplicación, asegúrate de haber configurado el clúster de Kubernetes. Aquí te mostramos el comando fundamental para crearlo:
gcloud container clusters create [NOMBRE_DEL_CLUSTER] \
--addons=HorizontalPodAutoscaling,CloudRun \
--enable-ip-alias \
--enable-stackdriver-kubernetes \
--machine-type=n1-standard-2 \
--zone=us-central1-a
- HorizontalPodAutoscaling: Imprescindible para usar Cloud Run.
- CloudRun: Permitir que nuestras aplicaciones se ejecuten sobre esta plataforma.
- enable-ip-alias y enable-stackdriver-kubernetes: Herramientas para monitorear y gestionar el clúster.
- machine-type: Define el tipo y tamaño de la máquina virtual.
- zone: La ubicación geográfica para optimización de recursos y latencia.
¿Cómo se despliega un servicio en el clúster?
Con el clúster preparado, pasamos al despliegue del servicio. Sigue estos pasos:
gcloud run deploy my-service \
--namespace default \
--image gcr.io/[PROYECTO]/cloud-run-hello \
--platform gke \
--cluster PlatziCluster \
--cluster-location us-central1-a
- my-service: Es el nombre dado a tu servicio.
- namespace: Indica el espacio de trabajo, por defecto usado aquí.
- image: Imagen de contenedor a utilizar, registrada en Google Container Registry.
- platform y cluster: Especifican dónde se lanzará el servicio.
- cluster-location: Lugar específico del clúster.
¿Cómo verificar que el servicio está activo?
Una vez desplegado, es importante corroborar que tu servicio está funcionando correctamente. Esto se puede hacer a través de un simple comando curl:
curl -o output.html [URL_DEL_SERVICIO]
Si se ejecuta de manera exitosa, obtendrás un archivo HTML que puedes abrir en un navegador para visualizar tu servicio en acción.
¡Felicidades! Si seguiste estos pasos, habrás desplegado con éxito un servicio en Cloud Run sobre GKE. Recuerda que cada despliegue genera un YAML que puedes reutilizar para futuros despliegues, facilitando así la administración y escalabilidad de tus aplicaciones en la nube. Continúa explorando y experimenta con nuevas configuraciones para optimizar tus proyectos.