- 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
Máquinas Virtuales en Google Cloud: Uso, Optimización y Descuentos
Clase 6 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 son las máquinas virtuales y cómo se pueden utilizar de manera eficiente?
Las máquinas virtuales son herramientas críticas en la computación moderna, permitiendo a las organizaciones correr aplicaciones en un entorno flexible y escalable. En este contexto, Compute Engine de Google Cloud emerge como una potente solución para crear y gestionar máquinas virtuales en la infraestructura de Google. Este servicio no solo ofrece la posibilidad de crear máquinas virtuales estándar y personalizadas, sino que también optimiza su uso para evitar el desperdicio de recursos, que puede alcanzar un 35%.
¿Cómo optimiza Google Cloud el uso de máquinas virtuales?
- Máquinas virtuales personalizadas: En lugar de utilizar recursos innecesarios, puedes configurar máquinas a medida, con el número preciso de núcleos virtuales y memoria RAM, adaptándolas exactamente a las necesidades de tus aplicaciones.
- Migración en tiempo real: Los aplicativos que corren sobre estas infraestructuras no experimentan downtime durante el mantenimiento. Esta característica garantiza la continuidad operativa, incluso en proyectos que requieren cálculos intensivos como el récord de Pi.
¿Cuáles son los beneficios de las máquinas virtuales preventivas?
Las máquinas virtuales preventivas permiten acceder a recursos con descuentos de hasta el 80%. Son ideales para aplicaciones que pueden ser detenidas y reiniciadas, ya que están construidas sobre máquinas que Google no está utilizando completamente y que puede reclamar.
- Ideal para cargas de trabajo no críticas: Proyectos de desarrollo, pruebas o tareas que no requieren alta disponibilidad en todo momento.
¿Qué tipos de máquinas virtuales ofrece Google Cloud?
Con un enfoque en la adaptabilidad, Google Cloud ofrece diversas familias de máquinas virtuales, cada una optimizada para diferentes usos:
- Propósito general (General Purpose): Adecuada para aplicaciones empresariales estándar y bases de datos de tamaño mediano.
- Optimización de cómputo (Compute Optimized): Diseñada para trabajos de alto rendimiento o modelados científicos que requieran alto poder de procesamiento.
- Optimizada para memoria (Memory Optimized): Perfecta para aplicaciones empresariales que manejan grandes cantidades de memoria, como bases de datos de gran escala o sistemas como SAP HANA.
¿Cómo afectan los descuentos automatizados el costo de uso en la nube?
Google Cloud ofrece descuentos automáticos por uso sostenido, lo que significa que cuanto más utilices los recursos, más ahorras. Este descuento es automático, sin necesidad de intervención por parte del usuario, lo que simplifica la gestión de costos en la nube.
¿Qué técnicas utiliza Google Cloud para la optimización de recursos?
- Recomendaciones de dimensionamiento: Tras siete días de uso, el sistema empieza a proporcionar sugerencias basadas en inteligencia artificial sobre el tamaño óptimo de tus máquinas virtuales.
- Comparación con esquemas de licenciamiento existentes: Puedes integrar sin problemas licencias preexistentes de otros proveedores, aprovechando al máximo tus recursos actuales.
Estas herramientas aseguran que el uso de la nube no sólo sea eficiente, sino también rentable, evitando el pago por recursos no utilizados y proporcionando flexibilidad en la gestión del entorno en la nube.
¿Por qué elegir Google Cloud para tus máquinas virtuales?
Elegir Google Cloud para la gestión de máquinas virtuales te permite explotar el poder de una infraestructura robusta y flexible, optimizando tus recursos y adaptándote rápidamente a las necesidades cambiantes de tu organización. La flexibilidad de configuración y los descuentos automáticos te proporcionan un control sin precedentes sobre tu inversión tecnológica, permitiéndote no solo mantener aplicaciones críticas operativas, sino también maximizar el retorno de inversión en tu estrategia de nube.