Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｐｌａｔｆｏｒｍ エンタープライズ設計ガイド

遠山 陽介/深津 康行/中庄谷 哲平/小島 仁志【著】

日経ＢＰ（2018/05発売）

• サイズ A5判／ページ数 254p／高さ 22cm
• 商品コード 9784822257903
• NDC分類 547.48
• Cコード C3055

出版社内容情報

Googleが提供するクラウドサービス
AWSとの違いを軸に徹底解説
Googleが提供するクラウドサービス
AWSとの違いを軸に徹底解説

　「Google Cloud Platform」(GCP)は、Amazon Web Services(AWS)や
Microsoft Azureと同じく、企業向けのクラウドサービスとして提供されている。
後発であることは否めないが、後発であるからこその特徴を備えている。

　一般的な用途では「マネージドサービス」の充実が特徴と言える。
そのほか、今注目の「機械学習」「ビッグデータ」関連のサービスが特に充実しており、
AI関連のシステム基盤として要注目であることは間違いない。

　本書では、「コンピューティング」「ストレージ」「ネットワーキング」「ビッグデータ」
「機械学習」「アカウント管理」「運用監視」という7つのカテゴリーに分類し、
GCPの特徴を、AWSとの違いを軸に解説している。

　また、GCPのサービスを解説するほか、エンタープライズ用途のユースケースに基づいて、
GCPを用いた設計ガイドをまとめている。技術力に定評のあるGoogleのクラウドサービスを
検討するのに最適な1冊である。

◎第1章　Google Cloud Platformの特徴
1-1　GCPが注目を集める理由
1-2　AWSやAzureにはないGCPの特徴
1-3　現時点のGCPの懸念点
1-4　AWSとGCPの大まかな違い

◎第2章　コンピューティングサービス
2-1　コンピューティングサービスの種類
2-2　Compute Engine
2-3　App Engine
2-4　Kubernetes Engine
2-5　Cloud Functions（ベータ版）

◎第3章　ストレージサービス
3-1　ストレージサービスの種類と使い分け
3-2　Cloud Storage
3-3　Bigtable
3-4　Datastore
3-5　Cloud SQL
3-6　Spanner

◎第4章　ネットワーキングサービス
4-1　ネットワーキングサービスの種類
4-2　VPC
4-3　Cloud Load Balancing
4-4　Cloud CDN
4-5　Cloud DNS
4-6　Cloud Interconnect

◎第5章　ビッグデータサービス
5-1　ビッグデータサービスの種類と使い分け
5-2　Cloud Pub／Sub
5-3　BigQuery
5-4　Cloud Dataflow
5-5　Cloud Dataproc
5-6　Cloud Datalab

◎第6章　機械学習サービス
6-1　機械学習関連サービスの概要
6-2　学習済みAPI
6-3　独自モデル作成支援サービス

◎第7章　アカウント管理・請求管理
7-1　アカウント／請求管理の概要
7-2　請求アカウント管理
7-3　Cloud IAMによるアカウント管理
7-4　GCPにおける監査証跡

◎第8章　運用監視サービス
8-1　運用監視サービスの種類と使い分け
8-2　Stackdriverの基本概念
8-3　運用監視業務を行うためのStackdriver
8-4　効率的なアプリケーション開発を実現するStackdriver

◎第9章　シナリオ　「GCPを活用したWebシステムの設計／構築」
9-1　Lift＆Shift方式で移行
9-2　マネージドサービスを活用

◎第10章　シナリオ　「GCPを活用したハイブリッドクラウド環境の構築」
10-1　導入前の検討内容
10-2　システムアーキテクチャー

◎第11章　シナリオ　「Webサイトと業務システムのデータ統合／分析を小さく始める」
11-1　データをためる場所を作る
11-2　分析のための環境を用意する
11-3　データの入力から加工、蓄積までの流れを作る
11-4　アプリケーションのログを集約する

●Appendix　機械学習サービスの使い方
A-1　学習済みAPIの基本的な使い方
A-2　Cloud Machine Learning Engineの基本的な使い方


遠山 陽介［トオヤマ ヨウスケ］
著・文・その他

深津 康行［フカツ ヤスユキ］
著・文・その他

中庄谷 哲平［ナカショウタニ テッペイ］
著・文・その他

小島 仁志［コジマ ヒトシ］
著・文・その他

内容説明

グーグルの本気が見える！企業向けクラウドサービス「ＧＣＰ」の全貌。

目次

第１章　Ｇｏｏｇｌｅ　Ｃｌｏｕｄ　Ｐｌａｔｆｏｒｍの特徴
第２章　コンピューティングサービス
第３章　ストレージサービス
第４章　ネットワーキングサービス
第５章　ビックデータサービス
第６章　機械学習サービス
第７章　アカウント管理・請求管理
第８章　運用監視サービス
第９章　シナリオ「ＧＣＰを活用したＷｅｂシステムの設計／構築」
第１０章　シナリオ「ＧＣＰを活用したハイブリッドクラウド環境の構築」
第１１章　シナリオ「Ｗｅｂサイトと業務システムのデータ統合／分析を小さく始める」

著者等紹介

遠山陽介［トオヤマヨウスケ］
野村総合研究所基盤インテグレーション推進部グループマネジャー。金融機関のシステム基盤設計・構築に従事した後、各種企業のシステム化構想・計画策定のコンサルティング業務に従事。クラウド活用に関する各種コンサルテーション・マルチクラウド運営サービスを担当。ＧＯＯＧＬＥ　ＣＬＯＵＤ　ＣＥＲＴＩＦＩＥＤ　Ｐｒｏｆｅｓｓｉｏｎａｌ　Ｃｌｏｕｄ　Ａｒｃｈｉｔｅｃｔ

深津康行［フカツヤスユキ］
野村総合研究所基盤インテグレーション推進部上級システムコンサルタント。Ｊａｖａ／Ｗｅｂのアプリケーションフレームワーク製品の開発、導入支援やユーザー企業への提案業務に従事した後、各種企業のクラウド導入計画策定のコンサルティング業務に従事。クラウド活用に関する各種コンサルテーション、マルチクラウド運営サービスを担当。ＧＯＯＧＬＥ　ＣＬＯＵＤ　ＣＥＲＴＩＦＩＥＤ　Ｐｒｏｆｅｓｓｉｏｎａｌ　Ｃｌｏｕｄ　Ａｒｃｈｉｔｅｃｔ

中庄谷哲平［ナカショウヤテッペイ］
野村総合研究所基盤インテグレーション推進部上級テクニカルエンジニア。金融機関のシステム基盤設計・構築・運用維持管理に従事した後、クラウド活用に関するコンサルティング、マルチクラウド運営サービスを担当。ＧＯＯＧＬＥ　ＣＬＯＵＤ　ＣＥＲＴＩＦＩＥＤ　Ｐｒｏｆｅｓｓｉｏｎａｌ　Ｃｌｏｕｄ　Ａｒｃｈｉｔｅｃｔ

小島仁志［コジマヒトシ］
野村総合研究所基盤インテグレーション推進部システムエンジニア。クラウド活用に関するコンサルティング、マルチクラウド運営サービスに従事。ＧＣＰ、ＡＷＳを活用したシステムの方式設計を専門とする。ＧＯＯＧＬＥ　ＣＬＯＵＤ　ＣＥＲＴＩＦＩＥＤ　Ｐｒｏｆｅｓｓｉｏｎａｌ　Ｃｌｏｕｄ　Ａｒｃｈｉｔｅｃｔ（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。

感想・レビュー

※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。

[Kentaro]

GCPはインフラ構築よりもアプリケーション開発/サービス開発にフォーカスしている。ソフトウエアエンジニアにインフラのことを気にさせずにアプリケーションを開発してもらい、隠ぺい化されたクラウドインフラにデプロイするだけで動くようにしよう、という発想でサービス設計されている。このため、GCPは多くのサービスがGoogleによって管理されており、管理や運用を気にする必要のないフルマネージド型のサービスとして早くから整備されている。 App Engineの魅力は、Googleのフルマネージドサービスである事だ。

2020/06/19

[むらさき]

仕事でGCPを使用するので読んだ。 GCPの勉強を始めるならこれを読みながらUdemyやcourseraのコースを履修すればだいたいの全体像を見れるんじゃないかな。 9章以降の実際に使うときに近いシナリオがかなり良かった。

2021/07/13

[ぶう]

「インフラエンジニア向け」のAWS 、「ソフトエンジニア向け」のGCPという解説を見てなるほどと感じた。両社のクラウドの設計思想を知る事ができ、AWS とGCPの使い分けについて悩んでいた自分には、本書の解説はとても参考になった。また汎用的なサービスを充実させるAWS に比べ、選択肢は少ないがテクノロジーを全面に押し出した尖った機能を提供するGCPという側面があるため、自社の問題解決にはまるGCPのサービスがあれば積極的に使っていくとよいだろう。本書後半にある具体例としてのシナリオが大変分かりやすかった。

2021/03/25

[たぬき]

流れを押さえた記述で非常に読みやすかった。

[坂田 哲朗]

とうてい全貌はつかめそうにありませんが、Jupyter NotebookをベースにBigQueryをデータソースとしてデータ分析が出来るという Cloud Datalabはイメージできそうです。凄いのは、既にGoogleで学習済みの音声認識、画像認識、機械翻訳、自然言語解析、動画解析などの機械学習関連サービスをAPIを介したJSON形式のデータとして利用出来るということ。標榜されている「AIの民主化」はこのようにして具体化されてゆくのか、と思いました。小さく費用をかけずに試すことを考えなければなりません。

2018/06/06