教學目標

學習 Google Cloud Platform 的心得分享,初步了解如何透過 Google Cloud Platform 雲端服務進行數位轉型、分析技能和導入應用。

重點概念

首先今天第一天到新公司報到,初步了解公司的產品和服務皆與 Google Cloud Platform 雲端服務非常密切相關,當然沒有完美的產品僅有最適合的搭配組合和解決方案。若是原廠所提供適合的雲端服務沒有辦法解決客戶的問題,同時該客戶的問題有大量的市場需求,這或許就會是客戶痛點,則就能夠研發產品,當有了解決客戶痛點的產品之後,下一步就能夠收集客戶相關資料,以利進行進階分析的應用,此時數位轉型、分析能力和導入應用,將會是導入雲端服務重要的三個關鍵因素。

接著當我們建立新的應用程式需要透過可擴展的方法每日從應用程式中收集事件資料,若需要以最具成本效益的方式儲存所擷取至少五年的事件資料,並且隨時能夠透過標準的 SQL 語言進行即時查詢,則此時我們將能夠透過 Cloud Pub/Sub 雲端服務接收事件資料,當接收資料之後,就能夠透過 Cloud Dataflow 雲端服務建立資料轉換任務的管線,當資料轉換任務完成之後,我們就能夠將資料分別儲存至 Cloud Storage 雲端服務和 BigQuery 雲端服務。更進一步若是我們需要針對 Cloud Storage 雲端服務所儲存的資料每月少於一次的存取,則建議採用 Nearline 類型的儲存服務,像是備份歷史資料,若是每年少於一次的存取,則建議採用 Coldline 類型的儲存服務,像是稽核記錄資料。所以我們能夠選擇適合的雲端服務類型設定來滿足應用程式的需求。

再來在人工智慧和機器學習的新趨勢下,資料科學家更除了能夠透過 BigQuery 雲端服務透過標準的 SQL 語言進行即時查詢之外,更能夠建立機器學習模型,並且搭配 Cloud Dataflow 雲端服務建立機器學習模型針對使者進行預測的管線,其中主要使用 BigQueryIO 讀取查詢每位使用者的預測結果,當有了預測結果就能夠透過 BigtableIO寫入至 Cloud Bigtable 雲端服務中。更進一步授予 Bigtable Reader 角色給應用程式服務帳號,以利建立 REST API 伺服器服務透過該服務帳號從 Cloud BigTable 雲端服務中根據使用者 ID 查詢以低延遲的方式回傳對應的預測結果。所以我們能夠開發適合的應用程式和伺服器服務更了解使用者的行為。

最後若是當我們將多個 Google Cloud Platform 雲端服務和多個應用程式整合為產品解決使用者的問題,並且為公司帶來收益的話,此時我們更進一步能夠考慮擴展 Google Cloud Platform 雲端服務在組織內的使用和管理。其中每個組織包括多個資料夾,而多個資料夾包括多個目錄和專案,其中目錄可以依照部門或功能進行區分,並且建議每個服務或產品團隊在 Google Cloud Platform 雲服服務中建立專屬的專案,並且針對 Cloud Storage 儲存桶和 BigQuery 資料集設定不同專案的存取權限,此時我們將能夠透過 Cloud IAM 政策建立不同的團隊群組,並且搭配資源階層的機制更有效簡化設定存取控制的政策,以利符合公司的資訊安全政策。所以我們能夠善用適合的雲端平台管理設定導入應用和後續維運。

總結我們能夠透過 Google Cloud Platform 雲端服務進行數位轉型、分析技能和導入應用,我個人則認為數位轉型關鍵在於「雲端」、分析技能關鍵在於「資料」和導入應用關鍵在於「資安」。

相關資源