گوگل کلود چیست و چرا باید آن را انتخاب کنید؟

گوگل کلود یا Google Cloud (همچنین به عنوان Google Cloud Platform یا GCP شناخته می‌شود) ارائه‌دهنده منابع محاسباتی برای توسعه، استقرار و اجرای برنامه‌های کاربردی در وب است. اگرچه زیرساخت ابری آن به‌عنوان میزبان برنامه‌هایی مانند Google Workplace (G Suite سابق و قبل از آن Google Apps) عمل می‌کند، GCP عمدتاً سرویسی برای ساخت و نگهداری برنامه‌های اصلی است که ممکن است از طریق وب در مقایس فوق العاده بزرگ منتشر شوند.

وقتی یک وب‌سایت، برنامه یا سرویسی را در GCP اجرا می‌کنید، Google تمام منابعی که استفاده می‌کند (به‌ویژه میزان قدرت پردازش، ذخیره‌سازی داده‌ها، پایگاه‌داده و اتصال به شبکه را که مصرف می‌کند) را ردیابی می‌کند. به جای اجاره یک سرور یا یک آدرس DNS ماهانه (این کاری است که با یک ارائه دهنده وب سایت معمولی انجام می دهید)، برای هر یک از این منابع بر اساس هر دقیقه یا حتی در ثانیه، با تخفیف هایی که اعمال می شود، پرداخت می کنید.

از دید Alphabet ، GCP یک واحد تجاری جداگانه است که نیازهای تجاری شرکت ها و در برخی موارد افراد را برای استقرار نرم افزاری که از طریق مرورگرهای وب یا از طریق برنامه های وب قابل استفاده است، برآورده می کند. GCP نرم‌افزار را به همراه منابع مورد نیاز برای پشتیبانی از این نرم‌افزار و ابزارهایی که چنین نرم‌افزاری با آن‌ها توسعه می‌یابد، به صورت پرداختی اجاره می‌کند.

• بیشتر بخوانید: گوگل مسیج چیست؟ نحوه استفاده از Google Messages چگونه است؟

پلتفرم ابری چیست؟

وقتی می‌خواهید خدماتی که به کاربران، مشتریان یا همکارانتان ارائه می‌دهید، یک برنامه کاربردی در مقابل یک وب‌سایت باشد، از یک پلتفرم ابری استفاده می‌کنید. شاید بخواهید به سازندگان خانه کمک کنید تا اندازه و ساختار کابینت هایی را که برای بازسازی آشپزخانه نیاز دارند تخمین بزنند. شاید شما در حال تجزیه و تحلیل آمار عملکرد ورزشکارانی هستید که برای یک باشگاه ورزشی تلاش می کنند و به تجزیه و تحلیل پیچیده ای نیاز دارید تا به سرمربیان بگویید که عملکرد چه کسانی می تواند بهبود یابد. یا می توانید صدها هزار صفحه از نسخه روزنامه بایگانی شده را اسکن کنید، و باید یک فهرست قابل اسکن بسازید که قدمت آن به چندین دهه قبل می رسد.

زمانی که می‌خواهید برنامه‌ای بسازید و اجرا کنید که می‌تواند به نحوی از قدرت مراکز داده با مقیاس گسترده استفاده کند، از یک پلتفرم ابری مانند GCP می توانید برای دسترسی به کاربران در سراسر جهان، یا قرض گرفتن عملکردهای تحلیلی و هوش مصنوعی پیچیده، یا استفاده از ذخیره‌سازی عظیم داده‌ها، یا برای کارایی هزینه استفاده کنید. شما نه برای دستگاه، بلکه برای منابعی که دستگاه استفاده می کند، پرداخت می کنید. منظور از “پلتفرم ابری”، سیستم نرم افزاری است که توابع و برنامه های کاربردی را بر اساس نیاز و خودکار پیاده سازی می کند. اگر کسب و کار شما می تواند برنامه های کاربردی خود را با استفاده از پورتالی که مشابه GCP کار می کند میزبانی کند، این یک ابر واقعی است.

خدمات اصلی Google Cloud

در ادامه خدمات اصلی ارائه شده توسط گوگل کلود به مشتریانش آورده شده است:

موتور محاسباتی گوگل یا Google Compute Engine

موتور محاسباتی (GCE) سرویس اولیه ای است که گوگل ارائه می دهد که با سرویس اصلی و برتری که آمازون (میزبانی ماشین های مجازی( ارائه می دهد رقابت می کند. در مراکز داده، بارهای کاری (برنامه ها و خدمات) تمایل دارند بر روی پلتفرم های مبتنی بر نرم افزار اجرا شوند که ممکن است از ماشین فیزیکی به ماشین فیزیکی منتقل شوند. در واقع، بیش از یکی از این ماشین های مجازی را می توان توسط یک سرور فیزیکی میزبانی کرد و کارایی را بهبود بخشید. مفهوم VM برای فعال کردن قابلیت حمل در مرکز داده ایجاد شد. سرویس‌های ابری مانند GCE همان قالب را دارند، یک مکانیسم استقرار خود تأمین را به آن متصل می‌کنند و برای منابعی که این ماشین‌های مجازی استفاده می‌کنند از مشتریان هزینه دریافت می‌کنند.

یک “واحد” از منابع ماشین مجازی (حافظه، ذخیره سازی، قدرت پردازنده، توان عملیاتی شبکه) که برای اجرا مانند یک سرور فیزیکی با همان سطوح منابع فیزیکی مونتاژ شده است، یک نمونه یا سمپل نامیده می شود. به طور معمول، ارائه‌دهنده خدمات ممکن است برای استفاده از این نمونه و همچنین سایر منابعی که ممکن است مصرف کند، نرخ‌های ثابتی را در ماه دریافت کند.

گوگل کلود استوریج Google Cloud Storage

GCP’s Cloud Storage (GCS) یک سیستم ذخیره سازی مبتنی بر اشیاء است، به این معنا که سوابق آن هم هویت و هم ساختار هر دسته از داده های داده شده به آن را حفظ می کند. بر خلاف سیستم فایل حجم ذخیره سازی معمولی، که در آن هر فایل یا سند به صورت رشته ای از ارقام ارائه می شود که مکان آن در جدول تخصیص فایل ثبت شده است، ذخیره سازی شی یک بلوک همه منظوره است که مانند فضایی در پارکینگ به مصرف کنندگان اجاره داده می شود.

Nearline 

Nearline راهی برای استفاده از Google Cloud Storage برای پشتیبان‌گیری و آرشیو داده‌ها است — نوعی که شما لزوماً به خودی خود یک “پایگاه داده” در نظر نخواهید گرفت. در نظر گرفته شده است که اطلاعات ذخیره شده در اینجا بیشتر از یک بار در ماه، توسط یک کاربر قابل دسترسی نباشد. گوگل این مدل را “کولد استوریج یا ذخیره سازی سرد” می نامد و مدل قیمت گذاری خود را به گونه ای تطبیق داده است که Nearline را قادر می سازد تا برای اهداف کم استفاده مانند پشتیبان گیری از سیستم، رقابتی با قیمت بیشتری داشته باشد.

• بیشتر بخوانید: گوگل وب دیزاینر Google Web Designer چیست؟

سرویس های توسعه ورک لود گوگل کلود

اگرچه GCP نمونه‌های ماشین مجازی را به‌عنوان سهام جدول برای بازار رایانش ابری ارائه می‌کند ، اما واقعاً اینجا جایی نیست که Google برای رقابت انتخاب کرده است. به‌عنوان مولد Kubernetes، GCP بیشتر تلاش‌های خود را در جهت ارائه ابزاری برای استقرار و اجرای ورک لودهای کانتینری به شرکت‌ها متمرکز می‌کند.

Google Kubernetes Engine

یک کانتینر (که هنوز در برخی محافل به نام شرکتی که آن را محبوب کرده است، “کانتینر داکر” نامیده می شود) شکلی مدرن تر، انعطاف پذیرتر و سازگارتر از مجازی سازی است. به جای ایجاد مجدد یک سرور فیزیکی، فقط منابعی را که یک برنامه برای اجرا نیاز دارد کپسوله می کند، سپس آن برنامه را روی سیستم عامل بومی سرور میزبانی می کند. تفاوت بین یک کانتینر و یک ماشین مجازی را مشابه تفاوت بین یک لامپ و یک چراغ قوه با باتری در نظر بگیرید.

محیط مرحله‌بندی میزبانی شده و کاملاً مدیریت‌شده گوگل کلود برای برنامه‌های کاربردی کانتینری اکنون عموماً به عنوان موتور Google Kubernetes شناخته می‌شود (GKE که در ابتدا به عنوان موتور کانتینر Google راه‌اندازی شد). یک کانتینر به گونه ای طراحی شده است که بر روی هر سیستم یا سروری با زیرساخت های اساسی مورد نیاز برای پشتیبانی از آن اجرا شود. یک کانتینر لینوکس همچنان به لینوکس نیاز دارد، و یک کانتینر ویندوز به ویندوز نیاز دارد، اما علاوه بر این تمایز، یک کانتینر بسیار قابل حمل است. تا زمانی که توسعه دهندگان یک سازمان می توانند برنامه ها را به عنوان واحدهای کامل، قابل حمل و مستقل تولید کنند، GKE برای استقرار و اجرای آنها طراحی شده است.

GKE یک مش سرویس منبع باز به نام Istio را توصیه می کند. این یک نوع جالب از “دفترچه تلفن” برای برنامه های مدرن و مقیاس پذیر است که به عنوان اجزای جداگانه به نام  میکروسرویس ها توزیع می شوند.

Google App Engine گوگل کلود

اصطلاح «توسعه بومی ابری» را شنیده‌اید، که این ایده را در بر می‌گیرد که برنامه‌ای که برای اجرا بر روی یک پلتفرم ابر عمومی در نظر گرفته شده است، ممکن است برای شروع در آنجا طراحی، آزمایش و مستقر شود. Google App Engine (GAE) سرویس GCP است که به توسعه دهندگان امکان می دهد برنامه ها را از راه دور با استفاده از زبان انتخابی خود بسازند.

به نوعی، GAE راه دیگری برای ارائه Container Engine است، به جز اینکه کانتینر روی همان پلتفرمی که در آن مستقر خواهد شد ایجاد می شود. GAE مفسرها و کامپایلرهای به موقع مورد نیاز برای اجرای برنامه های سطح بالا نوشته شده در Python، Ruby، Node.js (جاوا اسکریپت سمت سرور) و سایر زبان های معروف را فراهم می کند. این مولفه‌های زمان اجرا همان موتورهای زبانی هستند که یک توسعه‌دهنده در ساخت کانتینر از آنها استفاده می‌کند. بنابراین کاملاً ممکن است که یک مشتری بتواند با استفاده از زمان اجرا که Google ارائه نمی‌کند ، برنامه‌ای را در App Engine بسازد.

به عنوان مثال، یک مشتری ممکن است مولفه زمان اجرا دات نت مایکروسافت را که برای اجرای برنامه های کاربردی به زبان های مایکروسافت مانند C#، Visual Basic و حتی F# مورد نیاز است، انتخاب کند. در نوامبر 2020، مایکروسافت اجزای پلتفرم دات نت خود را یکپارچه کرد و به طور موثر شاخه منبع باز .NET Core را با شاخه اصلی دات نت ادغام کرد. پس از معرفی مایکروسافت، گوگل بلافاصله تمهیداتی را برای پشتیبانی از دات نت 5.0 در سرویس Cloud Run خود فراهم کرد.

Cloud Run

این پلتفرم استقرار ساده برای برنامه‌های کاربردی کانتینری، که از فرمان قدیمی «RUN» در میکروکامپیوترهای اولیه نام‌گذاری شده است، نشان‌دهنده تلاش Google برای هدایت توسعه به اصطلاح بدون سرور از طریق اتوماسیون است. این به سازمان‌هایی که برنامه‌های کانتینری خود را می‌سازند (ساخته شده برای سازمان‌دهی Kubernetes) می‌دهد تا بدون اینکه ابتدا سرورهای مجازی خود را از قبل پیکربندی کنند، آنها را در GCP مستقر کنند. پلتفرم منابع زیرساختی را که برنامه به آن نیاز دارد، با بررسی مانیفست آن (معمولاً Dockerfile آن، که یک سند XML است که نحوه چیدمان کانتینر و نحوه بازگشایی آن را مشخص می‌کند) تعیین می‌کند. Cloud Run به عنوان یک سرویس کاملاً مدیریت شده به بازار عرضه می شود، به این معنی که مدیریت و نگهداری فناوری اطلاعات آن شخصاً توسط پرسنل GCP انجام می شود.

Anthos

به عنوان اولین پلتفرم استقرار چند ابری گوگل، Anthos نه تنها ابر ترکیبی (که دارایی‌های IT مشتریان را در محل می‌سازد) را پوشش می دهد بلکه مبتنی بر AWS  است که همه به طور جمعی تحت نظارت GCP مدیریت می‌شوند. ایده این است که سیستم محاسباتی توزیع‌شده را که بسیاری از مشتریان سازمانی درخواست می‌کنند، فعال کنیم، جایی که می‌توانند سیستم‌های ذخیره‌سازی، میزبان‌های نمونه VM و میزبان‌های کانتینری را بر اساس بازار محور انتخاب کنند و در عین حال کنترل دروازه را حفظ کنند.

فرض این است که خوشه های Kubernetes برای توزیع طراحی شده اند. Anthos برنامه‌ای را فعال می‌کند که چندین خوشه / کلاستر را برای تقسیم گروه‌هایی از این خوشه‌ها بین پلتفرم‌های ابری ترکیب می‌کند. در حال حاضر، خوشه‌های مبتنی بر ابر عمومی ممکن است در هر دو یا هر دو GCP و AWS مستقر شوند. سپس مشتریان می توانند سرورهای داخلی خود را برای میزبانی بخشی از برنامه های کاربردی مبتنی بر Anthos با هزینه های ساعتی یا ماهانه فعال کنند. خوشه‌های Anthos در محل ممکن است بر روی سرورهای اصلی نصب شوند یا در محیط‌های VMware موجود خود گنجانده شوند.

سرویس های دیتابیس گوگل کلود

BigQuery گوگل کلود

BigQuery برای مدل پرس و جو خود از ANSI SQL استاندارد استفاده می کند، زبانی که بیشتر در پایگاه داده های رابطه ای استفاده می شود. یک پایگاه داده رابطه ای معمولی داده های خود را در جداول ذخیره می کند که به رکوردها تقسیم می شوند. عناصری از داده‌ها که به یکدیگر مرتبط هستند، در یک لایه با هم نوشته می‌شوند، یا حداقل به‌گونه‌ای ذخیره می‌شوند که بازیابی آن‌ها باعث می‌شود آن‌طور به نظر برسد. این مدل به طور معقولی کارآمد است، اما با افزایش حجم داده ها به صورت خطی، سرعت آن به طور تصاعدی کاهش می یابد.

BigQuery از یک مدل ذخیره‌سازی ستونی و غیر رابطه‌ای استفاده می‌کند، که ممکن است فکر کنید وقتی زمان تعیین روابط فرا می‌رسد، تفسیر آن دشوارتر است. همانطور که مشخص است، فشرده سازی سیستم ذخیره سازی بسیار آسان تر است، که به نوبه خود فهرست بندی آسان تر می شود، بنابراین زمان کلی یک پرس و جو برای حجم زیادی از داده ها را کاهش می دهد.

Cloud Bigtable

Cloud Bigtable که قبلاً BigTable نامیده می شد، یک سیستم داده بسیار توزیع شده است که داده های مرتبط را در مجموعه ای چند بعدی از جفت های کلید/مقدار سازماندهی می کند، بر اساس سیستم ذخیره سازی در مقیاس بزرگ که گوگل برای استفاده خود در ذخیره فهرست های جستجو ایجاد کرده است. مدیریت چنین مجموعه‌ای برای برنامه‌های تحلیلی آسان‌تر از یک فهرست بسیار بزرگ برای یک پایگاه‌داده رابطه‌ای عظیم با جداول متعدد است که رکوردهای آن باید در زمان پرس و جو ملحق شوند.

بیشتر بخوانید: Google Forms چیست؟ هر آنچه که باید در باره فرم ساز آنلاین گوگل بدانید

سرویس های پیشرفته Google Cloud

Pub/Sub مخفف publish-and-subscribe است و مکانیزیمی است که جایگزین صف های پیام مورد استفاده در فریم ویر برنامه های کلاینت / سرور می شود. بنابراین با کمک این مکانیزم یک برنامه می تواند دیگران را از پیشرفت یا درخواست هایی که ممکن است داشته باشند مطلع کند.

Cloud AutoML

بر اساس تلاش‌های اخیر برای خودکارسازی فرآیند یادگیری الگوها در داده‌ها بدون نیاز به ایجاد کد اضافی، Cloud AutoML یک سرویس از پیش پیکربندی‌شده است که قادر است داده‌های از قبل موجود را درک کند و از مدل‌های یادگیری ماشینی روی این داده‌ها برای شناسایی الگوها استفاده کند.

TensorFlow Enterprise گوگل کلود

سیستم‌های یادگیری عمیق به دسته‌ای از مؤلفه‌ها به نام موتور استنتاج نیاز دارند که قادر به تجزیه و تحلیل مجموعه داده‌ها و شناسایی الگوهای درون آن‌ها هستند. TensorFlow (در واقع یک محصول تجاری جداگانه) نسخه Enterprise در مقیاس کامل خود را که دارای چنین موتوری است از طریق Google Cloud توزیع می کند. به این ترتیب، توسعه‌دهندگان می‌توانند قابلیت‌هایی مانند اسکن ویدیو، تشخیص تقلب و پیش‌بینی رفتار را مستقیماً در برنامه‌های کانتینری خود ادغام کنند.