什么是 Google Cloud Platform（GCP）？掌握云服务的全面指南

以 3D 模型呈现的云计算。图片作者自制。

为应对不断增长的数据需求，云计算对企业而言愈发重要。除了 Azure 和 AWS，Google Cloud Platform（GCP）也是当今市场上最受欢迎的云服务提供商之一。

随着数据存储迅速向云端迁移，每位数据分析师都应当对 GCP 及类似的云计算服务有扎实的理解。

本文将介绍云计算基础，以及 GCP 如何成为全球领先的云服务提供商之一。您还将了解 GCP 的优缺点、GCP 与 AWS 和 Azure 的对比、GCP 用户可用的服务与定价模式，最后是可用于夯实 GCP 知识并打动潜在雇主的认证。

让我们马上开始您的云计算之旅吧！

什么是云计算？

“云”通常指分布式的服务器集合，这些服务器托管应用、数据库和 IT 基础设施，可通过互联网或其他类型的网络进行访问。该术语最初来源于早期的技术图示，人们常用一朵云来表示构成互联网的服务器和网络基础设施。

云计算描述的是这些计算资源按需可用，供企业和其他终端用户使用。云服务提供商（如 GCP）负责维护服务器与 IT 基础设施，而用户则可以按需付费地获取可扩展的计算能力和数据存储。

这能降低搭建 IT 基础设施的前期成本，并带来更便捷的可扩展性，尤其适合中小企业。新公司可以在极短时间内让应用上线。此外，云端的文件和应用可在全球任意地点、使用任何设备访问，使企业能够轻松开展国际化协作。

随着大数据兴起，云计算成为管理数据存储、部署机器学习应用的热门模式。由于对 AI 服务的需求不断增加，云计算市场预计将持续增长。

全球领先的云服务提供商包括 GCP（Google）、AWS（Amazon）和 Azure（Microsoft），合计市场份额达 67%。这使 GCP 跻身市场前三大云选择，对初创企业、开发者以及各行业的数据驱动型企业都极具吸引力。

什么是 Google Cloud Platform（GCP）？

GCP 是 Google 的一套公共云计算工具与服务，其中包括知名的数据分析服务，如 Google BigQuery 和 Looker Studio。

在 Google 全球数据中心网络的支撑下，GCP 运行于与 Gmail、Google Drive 和 Google Docs 相同的基础设施之上。

Google 最早在 2008 年通过公共云向企业用户开放其基础设施。此后，其云服务工具套件迅速扩展，Cloud AI 是其中较新的成员。其他服务包括计算资源、网络、数据存储、物联网（IoT）、安全、应用部署与管理工具。

GCP 尤其专注于数据分析、机器学习与人工智能，是数据分析师和顾问必须掌握的关键工具。

Google Cloud Platform（GCP）与 Google Cloud

人们有时会将 GCP 与 Google Cloud 混用，但实际上，GCP 只是 Google Cloud 的一部分。

Google Cloud 指 Google 的所有云服务。这也包括 Google Workspace（原 G Suite 或 Google Apps）以及企业版的 Android 和 Chrome OS。Google Cloud 还涵盖 Gmail、Google Docs 等 Google 应用。

而 GCP 仅指纳入 GCP 定价模型的云服务，例如 App Engine、Google BigQuery 和 Cloud Console，我们将于下文介绍。

GCP 的优缺点

与所有服务一样，GCP 对用户而言既有优势也有不足。我们先来看优势。

GCP 的优势

广泛的云计算服务

GCP 为企业与终端用户提供尤为广泛的云计算服务，包括计算能力、网络、数据存储、数据分析、机器学习、人工智能，甚至应用部署与 API 集成。这使 GCP 成为满足多样化或快速变化云需求企业的理想方案。

全球化的网络基础设施

使用 GCP 的企业可以接入 Google 强大且全球分布的网络基础设施。这使得多区域冗余成为可能，或可选择成本更低的地区来承载主要工作负载。

强健的安全性

Google Cloud Platform 提供稳健的安全选项，包括IAM（身份与访问管理）、KMS（密钥管理服务）以及SCC（安全指挥中心）。这使企业在远程托管数据时也能享有出色的网络安全防护。

高度重视创新

Google 以其强烈的开拓精神和快速将技术进步落地到产品而闻名。因此，GCP 客户很可能率先享受如人工智能集成等用于数据分析的新技术。

GCP 的不足

复杂的定价模型

与其他云提供商相比，GCP 的定价模型相对复杂。这会让企业在云成本的预测与管理上面临一定难度。

支持有限

GCP 的支持团队相对有限且不易触达，可能无法立即响应请求。如果云基础设施出现持续性问题，这会对生产力与数据可用性产生负面影响。

专有平台

还需注意，GCP 是专有平台。如果企业希望迁移出 Google 的服务，那么数据迁移与应用部署可能更为困难。此外，GCP 可能比开源解决方案或小型提供商的云服务更昂贵。

GCP 的使用场景

凭借多样化的云服务与工具套件，GCP 适用于各类规模企业的多种场景。以下是企业常见的 GCP 用法：

• 数据存储：借助 Google BigQuery，企业可在 GCP 中使用企业级数据仓库。此外，Cloud SQL 为 MySQL、PostgreSQL 和 Microsoft SQL Server 提供数据库即服务模式。Cloud BigTable 可用于 NoSQL 数据库，而 Cloud Storage 则适合非结构化数据和大型文件（如图像）。
• 商业智能：GCP 集成的 BI 工具 Looker Studio 可在平台上快速实现数据可视化与报告。这让数据分析师与顾问能迅速获取洞见，并为演示和咨询会议创建可分享的可视化内容。
• 机器学习：GCP 提供用于部署机器学习模型的服务，如 Cloud AutoML 和 Cloud Machine Learning Engine。企业可利用这些工具在云端直接训练、验证与部署模型，从而自动化并改进其商业智能流程。
• IoT 管理：GCP 非常适合管理公司范围内的物联网（IoT）网络。诸如 Cloud IoT Core 等用于 IoT 设备连接与管理的服务，使得各类 IoT 设备的部署与监控更加轻松。
• 应用部署：借助 App Engine，GCP 也可用于部署以 Java、Python、Go、Ruby、PHP 或 C# 开发的应用。这让企业无需前期搭建基础设施即可托管应用，并使其能够在开发过程中快速迭代。
• API 开发：GCP 的集成工具 Apigee API Platform 和 Developer Portal 使其可作为开发与托管 API 的基础平台。

GCP 提供的服务

Google Cloud Platform 提供 100 多种基于云的工具、服务和基础设施元素，可归类为 SaaS（软件即服务）、PaaS（平台即服务）或 IaaS（基础设施即服务）产品。

计算服务

我们先从 GCP 的核心计算资源讲起，这些资源旨在满足不同的开发与部署需求。它们是您在云端构建任意应用或系统的基石，值得熟悉：

• App Engine： 用于部署以 Java、Go、PHP、C#、Ruby、Python 或 Node.js 开发的应用。
• Compute Engine： 用于运行 Windows 或 Linux 虚拟机。
• Google Kubernetes Engine（GKE）： 用于运行基于 Kubernetes 的容器。
• Cloud Functions： 用于在 Java、Go、Python 或 Node.js 中运行事件驱动代码。

数据存储服务

GCP 还提供支持 SQL 与 NoSQL 的强大解决方案，确保现代应用具备可扩展且灵活的数据库管理能力：

• Cloud Storage： 面向各类非结构化数据与文件的对象存储。
• Cloud SQL： 面向 MySQL、PostgreSQL 或 Microsoft SQL Server 的云数据库服务。
• Cloud Bigtable： 面向 NoSQL 数据库的云数据库服务。
• Cloud Spanner：关系型数据库服务。
• Cloud Datastore： 面向 Web 与移动应用的 NoSQL 数据库。
• Firestore： 构建移动、Web 与 IoT 应用的文档数据库。

数据分析服务

GCP 的强大工具可处理、分析与可视化海量数据集，助力获得更佳的业务洞察。以下是企业在决策中充分利用数据所必需的一组工具：

• BigQuery： 面向商业智能的云端企业数据仓库。
• Cloud Dataflow： 用于流式与批处理的服务。
• Cloud Data Fusion： 用于搭建数据管道的 ETL 服务。
• Dataproc： 用于运行 Apache Hadoop 与 Apache Spark 作业。
• Cloud Composer： 基于 Apache Airflow 的工作流编排服务。
• Cloud Datalab： 用于数据探索、数据分析、数据可视化与机器学习的 Jupyter Notebook 服务。
• Cloud Dataprep： 用于可视化地探索、清洗与准备数据。
• Looker Studio/Looker： 用于创建报告与图表、表格等数据可视化的商业智能工具。

人工智能服务

人工智能无疑是热门话题，GCP 提供的前沿产品可帮助企业实现先进的 AI 与机器学习能力。这些工具正在改变企业与数据的互动方式、洞察获取与流程自动化：

• Vertex AI： 面向机器学习模型与生成式 AI 的云平台。
• AutoML： 自定义机器学习模型的训练与开发。
• Dialogflow： 具备虚拟代理的对话式 AI。
• Vision AI： 从图像、视频与文档中提取洞察的模型。
• Translation AI： 用于语言检测与自动翻译的模型。
• Document AI： 面向文档处理与数据提取的 AI。
• Recommendations AI： 自动化产品推荐的 AI。
• Natural Language AI： 用于情感分析与非结构化文本分类的模型。
• Text-to-Speech/Speech-to-Text： 支持 125 种语言的语音识别与转写，以及支持 40 种语言的语音合成。

网络服务

接下来谈谈网络层；GCP 提供的服务可确保安全、可靠、可扩展的网络基础设施。

• VPC： 用于构建云资源网络的虚拟私有云。
• Cloud CDN： 基于云的内容分发网络。
• Cloud DNS： 运行在 Google 基础设施上的 DNS 托管服务。
• Cloud Armor： 云托管的 Web 应用防火墙。
• Cloud Load Balancing： 用于网络流量负载均衡的托管服务。

API 服务

GCP 提供全面的工具来设计、部署与扩展 API。对于需要与第三方系统集成的开发者而言，这些工具必不可少：

• Apigee API Platform： 在云环境中设计、部署与扩展 API。
• API Monetization： 为 API 创建收益模型、报告、支付网关与开发者门户集成。
• Developer Portal： 供开发者发布与管理 API 的服务。
• API Analytics： 用于监控与衡量 API 表现。

管理、安全与身份工具

最后是与安全相关的工具：

• Google Cloud Console： 管理 GCP 资源的 Web 界面。
• Cloud Shell： 基于浏览器的 Shell 命令行界面，用于管理 GCP。
• Operations Suite（原 Stackdriver）： 用于监控、日志、追踪与诊断在 GCP 上运行的应用。
• Cloud IAM： 基于角色访问控制策略的身份与访问管理（IAM）服务。
• Cloud Resource Manager： 按项目、文件夹与组织的层级管理资源。
• Cloud Security Command Center： 面向安全与数据风险的平台。
• Cloud Key Management： 云托管的密钥管理服务。

GCP vs. Azure vs. AWS

尽管它们共享诸多相似点，如通用的按需付费模式，但在服务提供与云基础设施上仍存在细微差异，这些差异在做出选择时值得关注。

这里提供了一张完整的对比表，便于快速比较。若您想深入了解云服务商之间的差异，还可下载我们全面的服务对比速查表，见下文。

AWS、Azure 与 GCP 云服务。来源：服务对比速查表

Google Cloud Platform 的定价模型

GCP 采用按需计费模式，即您只需为实际使用的服务与相应工作负载付费。由于各项服务与工具单独定价，GCP 的定价模型可能较为复杂。

您可以使用 GCP 的价格计算器提前估算成本。GCP 也提供多种工具来监控成本并优化支出。

免费层

GCP 提供适合想要试用平台、学习云计算或部署小型开发项目的免费层。绑定信用卡后，您将获得 300 美元的免费额度，可用于您的项目。

免费层可使用 20+ 款产品，包括 Compute Engine、BigQuery、Cloud Storage、Google Kubernetes Engine、Firestore、VisionAI 和 AutoML。此外，Looker 还提供 30 天免费试用，便于您探索该数据平台。

产品定价

您可在 GCP 的产品价目表中获取各项服务更为详尽的定价信息。

• Google BigQuery： 费用取决于仓库存储的数据量以及执行 SQL 查询的计算成本。
• Google Bigtable： 费用取决于 Bigtable 实例类型与实例集群的节点数量，以及所用存储表数量与网络带宽用量。
• Compute Engine： 费用取决于您要使用的 VM 类型。
• Cloud Storage： 费用取决于存储桶中的数据量、Google 执行的数据处理量，以及网络使用量（桶与桶之间移动的数据量）。
• AutoML： 训练模型、部署模型与使用模型进行预测分别定价。
• Google Kubernetes Engine： 费用取决于版本、计算资源、集群运行模式与集群管理费用。
• Looker： 费用由运行 Looker 实例的平台成本与单个用户的授权费用构成。

最终，企业或终端用户将收到高度定制的账单，从而灵活调整成本。

Google Cloud 认证

如果您想提升对 GCP 的了解，或向潜在雇主证明您的云计算专业能力，GCP 还提供一系列认证，其中不少可在 GCP 免费层中进行探索。

• 基础级认证（Foundational）： 提供广泛的云技术知识与 GCP 产品套件的完整概览。无技术先决条件，适合入门级候选人。
• 助理级认证（Associate）： 提供在 GCP 上部署与维护云项目的基础技能。适合具备云应用部署经验的云工程师。
• 专业级认证（Professional）： 提供在 GCP 上设计、实施与管理项目和产品的高级技能。适合已具备深度云工作空间搭建经验的云专家。

进一步学习云计算

总之，对于任何数据领域的专业人士而言，理解云计算都是一项非常有价值的能力。随着众多公司采用云工作空间或云数据库，具备扎实的云端专业知识，甚至取得云计算认证，都能让您在竞争中更胜一筹。

想进一步了解云计算或 GCP？以下资源可帮助您快速上手：

• Understanding Cloud Computing：涵盖云计算的基本概念，阐释其在数据领域的重要性与应用。
• Google Cloud for Data Scientists：介绍数据科学家如何利用 Google Cloud，重点突出其工具与服务。
• Google Cloud for Data Science：带您完成专为数据科学目的而设的 Google Cloud 搭建流程，帮助顺利开启云端之旅。