用基礎雲端概念來了解 GCP 的好

文/Lydia Quen｜編輯/Quen

當雲端成為企業趨勢

從個人電腦、智慧型手機到網際網路的興起，雲端運算是目前科技業最有成長價值的一塊，各大公司都相當看好全球的雲端產值，從 Google、微軟、Amazon 或是 IBM 等國際大企業，到國內的鴻海、廣達等企業都正在積極搶進雲端市場。

從零六年開始，Amazon 開始推出雲端服務，隔年 Google 正式提出 cloud computing（雲端計算）一詞，業界預估雲端的產值將會年年倍增。我們可以將雲端運算理解成一種資料處理模式，使用者可以將大量的資訊放到網路上，並透過網路來遠端處理這些資料，在這樣的基礎上，我們不需要下載整套系統或軟體，並且不論在任何時間、任何地點，只要有網路就能夠瀏覽雲端上的龐大訊息，如果再進一步將資料作分析應用，企業就可以將資源充分利用、提高管理效率，產業在商業競爭上就可以得到企業各自所需要的效益，同時省下不少成本與時間。

雲端服務的五種特徵

1. On-demand self-service（按需求自行調配服務）
2. Broad Network Access（廣泛的網路存取）
3. Resource Pooling（共享資源池）
4. Rapid Elasticity（快速重新部署靈活度）
5. Measure Service（服務可計算）

雲端服務的四種部署模式

1. 公有雲（Public Cloud）
2. 私有雲（Private Cloud）
3. 社群雲（Community Cloud）
4. 混合雲（Hybrid Cloud）

雲端服務的三種服務模式

「軟體即服務」（Software as a Service，SaaS）

是雲端服務中最常見的一種，主要是提供用戶網路上的軟體，像是Google Map、YouTube或是一些線上防毒軟體都屬於這個服務範疇，讓用戶不需要在自己的電腦安裝軟體，只需連上網路，就能隨時隨地使用最新版本的軟體。

「平台即服務」（Platform as a Service，PaaS）

顧名思義是提供平台的一種服務，而平台能夠整合API提供各種運算，讓使用者可以自由部屬並管理平台上的資源，讓客戶省下自己建設、管理維運的成本，例如Google的App Engine、Amazon的Elastic Beanstalk或是微軟的App Service等 都屬於PaaS的範疇。

「基礎設施即服務」（Infrastructure as a Service，IaaS）

這也就是直接提供虛擬機器(Virtual Machine，VM)給用戶使用，底層的基礎設施由Google進行管理與維運，免除客戶自行建置硬體與維運的成本，同時也提供與Google相同的巨量運算資源。IaaS的服務需要由客戶來管理、監控VM中的作業系統，以及作業系統中的軟體

雲端產業包山包海

雲端的服務包羅萬象，幾乎可以說各行各業都能夠將產業資訊放上雲端加以運用，從傳統的織布產業，透過大數據及辨識系統來客製化並呼應客人的訂單需求，同時金融業走上雲端的趨勢也正在全方位的資安考量下逐漸穩固，包含最重視個資安全的金融業也正走上雲端，「FinTech」是現在業界正熱的新名詞，指的是 Financial 加上 technology，也就是「金融科技」。將我們所認知的金融服務透過科技的手段進行，讓企業可以提供更有效率的服務，也讓使用者可以更便利即時的操作。

推薦閱讀：顛覆傳統金融業！Fintech 三大技術幫你保住飯碗

Google Cloud Platform 擁有極佳的技術優勢

彈性多樣的 Google Storage

任何與客戶接觸的產業幾乎都需要龐大的客戶資料，因此在做大數據分析的前提下，資料的儲存與整理就越顯重要，Cloud Storage 十分彈性，沒有最大容量上限，不用再像以往需要擔心Storage的可用容量是否足夠、還需擔心Storage的備援機制是否完善。Google的Cloud Storage有諸多種類可以選擇，需要多國異地備援使用的Multi-regional；單一國家快速存取的regional；或是用來備份、需要稽核保留的資料可以選擇使用 nearline 與 coldline，不僅儲存單價更便宜、且比起 Amazon的 Glacier 冷凍儲存快上許多，可在一秒內取回封存的資料。

大數據資訊倉儲 BigQuery

BigQuery 是 Google 的企業雲端資料儲存倉庫，可以用來處理大量的數據分析工作，BigQuery 沒有伺服器(Serverless)和可管理的基礎架構，所以也不需要維運人員，使用者可以透過SQL去快速分析需要的資料，例如PB等級的table可在4分鐘內完成full table scan。BigQuery可以從Google Cloud Storage 或Google Cloud Datastore載入資料，儲存和運算分開的同時，讓使用者更好做到資源的配置，同時價位的計算也相對彈性，同樣是依量計價，能夠讓用戶精準的計算每個月的成本。BigQuery的安全性也是十分有保障，能夠對用戶資料進行自動加密以及備援機制，讓使用者擁有安心、便利又快速的大數據分析利器。

容器的掌舵手 Kubernetes

Kubernetes 我們通常會簡稱它為「K8S」，Kubernetes是Google研發的一個開源系統，最主要的功能就是要容器化一些應用程式。「容器」Container技術可以將一套應用程式所需要的執行環境打包起來，而「Docker」是最廣為人知的一個容器工具；Docker容器數量一多便難以管理以及維運，Kubernetes就是管理它們的系統。同時Google另提供由Google管理的Kubernetes服務，稱為Kubernetes Engine（GKE），GKE裡有十分彈性的基礎架構，和其他雲端平台比起來，在Kubernetes Engine上使用Kubernetes就可輕鬆便利的調整容器配置，在操作與管理上得力於GKE的Auto Scale、Auto Update以及Auto Repair等特性，能使容器管理方便許多。

容器（Docker）拆分了傳統的軟體堆疊，讓企業能輕鬆地大規模執行程式碼，其興起在雲端的世界裡面已經是一個顯而易見的趨勢，諸如Kubernetes，Mesos，ECS，Nomad 等。而使用雲端服務，建立和維護應用程式更簡單，還能因應流量和資料儲存量需求的變化而輕鬆調整配置，例如Google App Engine 內建支援負載平衡、微服務、授權、SQL 和 NoSQL 資料庫、Memcache等功能，提供最輕易的方式從頭開始製作應用程式。

專心處理當務之急 從 DevOps 到 NoOps

DevOps

指的是Development和Operations的結合，也就是開發與維運。可以理解成一種軟體開發的方法與概念，目的在於強化溝通和合作，讓開發和運維端可以更好的結合。

當開發團隊責難維運團隊的機器出了問題，維運團隊則把問題歸咎於開發團隊的程式碼上，這個責任迴圈的問題一直是開發與維運團隊之間存在已久的衝突及矛盾。使用此模型能更快速地開發和改進產品。加快速度讓組織可以提供更好的服務給客戶、更有效率地競爭。

NoOps

DevOps和NoOps最大的區別在於，DevOps還是需要通過人工的設置來完成基礎設施的配置，NoOps可以全依靠智能的自動化來幫助使用者完成工作，可以有效的減少對人力的依賴，對公司來說能夠省下工程師的運作成本。

種種的自動化新科技作業環境出現，可省下設定基礎架構的大部分時間，讓開發者能全神貫注在程式設計上。故 NoOps 也跟著越來越主流，GCP 在容器化的雲端世界中，提供了一個NoOps的新環境。

是什麼讓 GCP 成為雲端首選

Google 是 technology innovator，在科技產業中不斷創新，不同於其他商業取向的競爭者，Google 並不在價錢上做競爭，而是強調品質，在台灣 GCP 有相對優勢能夠為使用者壓低成本。

彰濱資料中心

最主要的強項在於，Google在台灣擁有自己的data center（設立於彰濱地區），這代表台灣的用戶可以使用在本地的 region zone，不論是在速度的便利性，或是資料的安全性上都有很好的 background。

光纖海底電纜

Google擁有自己架設的海底光纖電纜線，同時是世界上最大的海底電纜擁有者，在台灣的公司不需要連線到亞洲其他國家再傳輸回來，高出的效率顯而易見，同時擁有自己的電纜線也讓Google擁有完全掌控的權利，自己就能夠做到即時優化，可以更完善的更新與修復。

百分百綠能

顧客友善的角度是Google一貫的作法，因此使用量越多折扣也就越多，同時Google的數據中心是百分之百的綠能使用，在全球各地都採用環保素材，並以自然形式來散熱，以上種種都讓Google可以將產品成本降低給使用者。

關於GCP和最大的競爭對手AWS以及AZURE在機房分布或是價錢優惠上的評比，在之前的文章：雲端平台大比拼：GOOGLE VS. AMAZON VS. MICROSOFT裡頭，都有相關圖表以及非常詳盡的說明。

Google在基礎建設上下了非常多工夫，已經建立好的infra就像是一棟豪宅的穩固地基，企業想在上面做任何的創新建設都可以安心的操作，Google已經砸了金錢成本在為客戶做基礎建設，幾乎找不到不使用的理由。

總結以上種種，Google先是能夠滿足一般雲端最基本的資料整理需求，將大量的數據資料加以整理分析，或是做到公司私人的加密，也能夠為企業省去自己建設基礎架構的功夫，如此一來，企業於是更可以專注在自己的核心競爭力，在Google的幫助下致力發展各自的專業特色，達到一個互利共生、相輔相成的優勢。

越來越多優秀企業選擇 GCP

Snapchat

Snapchat是一家app廠商，可以讓用戶在線上分享照片或影片，加上一些文字和圖畫發佈到自己的好友群上，以閱過即焚的「快照」特色為其主要噱頭，已經在社群網路中火紅好一陣子。而Snapchat的後台伺服器即是由Google提供，讓大量的訊息可以良好運行，並提供給所有只要能上線使用應用程式的用戶，Snapchat將基礎建設交由Google去做，因此公司的核心員工可以十分的精簡，更能專注在產品或是新功能的開發。

YouTube

眾所皆知的YouTube已經是今日影音網站的龍頭，不僅僅是影音娛樂方面的成就斐然，每日巨量的使用者及流量已經讓它成為一個普及的社群平台，甚至藉此維生的YouTuber已經成為全球化的一項產業，且在YouTube上的點閱流量造成的營收或是廣告效益都十分驚人，當時Google公司以16.5億美元併購了YouTube，並且提供強大的硬體支援，承受起YouTube龐大的資訊量讓它更加茁壯的發展起來，更重要的是GCP上的各項應用也體現在Youtube平台中。

Pokemon GO

從前日就發燒至今的Pokemon GO精靈寶可夢，是一款結合位置服務的擴增實境類手機遊戲，在開發之初，公司根本沒有預期到遊戲會如此爆紅，遊戲才剛上線十幾分鐘，玩家的流量就已經超過內部預期，突如其來的爆炸流量就是依靠GCP才渡過直接掛機的難關，Pokemon GO採用了Google的雲端，服務建設在GKE上，同時採用Docker和Kubernetes來完成後端部署，Cloud Datastore負荷了龐大的瞬間資料存取量，努力維持了遊戲的穩定性，Google充滿彈性的service提供Pokemon GO一個強而有力的後台，讓它沒有被當時幾十倍的暴增流量所擊垮。

GCP 以 AI First 為發展核心的機器學習

影片公司Netflix、音樂公司Spotify都將大量的資料放在GCP上，同時公司的核心基礎建設也由Google代管，因此這些大公司都可以做到優良的串流服務，且不斷的提供給使用者更好的客製化功能。其他如Evernote、Angrybird的數據中心也都在GCP上，負責處理全球海域非法捕魚的Global Fishing Watch，即是透過Google的開源軟體「Tensorflow」結合機器學習來執行，和衛星系統相同，雲端的觸角已經深入我們的生活之中。

在AlphaGo打敗了世界棋王之後，機器學習成為目前在科技趨勢中非常流行的一個名詞，但究竟我們該怎麼理解何謂機器學習，其實可以大體地想成我們透過運算法來教導電腦理解生活中的各種事物，尤其是識別的部分，而透過這些機器學習可以幫我們更有效率的執行工作。

而Tensorflow是目前最火紅的一款Machine Learning Engine，不需要是公司企業也可以用自己的電腦試著體驗機器學習，這篇文章教你如何訓練模型：TensorFlow 帶你無師自通成為植物學家！