AMD EPYC processors come to Google—and to Google Cloud



Сегодня мы рады сообщить, что мы используем процессоры AMD EPYC для внутренних рабочих нагрузок и скоро они будут доступны клиентам Google Cloud.

AMD и Google имеют долгую историю сотрудничества. Наш «Миллионный сервер», построенный в 2008 году, был основан на чипе AMD, и мы гордимся тем, что первыми стали использовать новейшую платформу AMD в центрах обработки данных, которые используются в наших продуктах.


Для клиентов Google Cloud мы верим в больший выбор и меньшую сложность. Чтобы донести до наших клиентов преимущества нашего сотрудничества с AMD, мы скоро предложим новые виртуальные машины на базе процессоров AMD EPYC второго поколения. Это будут крупнейшие виртуальные машины общего назначения, которые мы когда-либо предлагали.

Больше возможностей процессора дает вам большую гибкость в выборе лучшей виртуальной машины для вашей рабочей нагрузки. Независимо от того, используете ли вы рабочие нагрузки общего назначения, для которых требуется баланс вычислений и памяти, или большие вычислительные нагрузки, обусловленные пропускной способностью памяти, новые виртуальные машины AMD имеют широкий диапазон размеров для удовлетворения ваших потребностей. Процессоры EPYC доступны с базовой частотой 2,25 ГГц, 2,7 ГГц на всех ядрах и турбо-частоте и 3,3 ГГц на одноядерных турбинах. Процессоры EPYC начинаются с 2 vCPU и масштабируются до более 200 vCPU. Они будут поддерживать отношения RAM-vCPU от 1 до 8. Вы также сможете настроить их как пользовательские типы машин, соответствующие вашей конкретной рабочей нагрузке.
cloud.google.com/custom-machine-types/

Мы считаем, что многие рабочие нагрузки общего назначения, включая бэк-офисные приложения и веб-серверы, увидят повышение ценовой производительности на новых виртуальных машинах AMD по сравнению с их текущими конфигурациями. Большие вычислительные рабочие нагрузки, управляемые пропускной способностью памяти, такие как финансовое моделирование, анализ резервуаров и моделирование погоды, могут использовать преимущества размеров виртуальных машин с полным сокетом, которые обеспечивают до 60% более высокую пропускную способность памяти платформы, чем существующие экземпляры. Новые виртуальные машины AMD будут доступны позже в этом году.

Product updates | August 5, 2019



ХРАНЕНИЕ И БАЗ
Cloud Storage — двойственные-региональные места ковшовые: GA

Объединить прирост производительности иметь два конкретные региональные места для хранения данных объекта с преимуществами географической избыточности. Документация

DATA АНАЛИТИКА
BigQuery — постоянные определяемые пользователем функции: бета

Теперь вы можете создавать постоянные определяемые пользователем функции (UDF) в BigQuery, используя выражение SQL или JavaScript. Это позволяет повторно использовать функции по запросам и делиться ими с другими. Вы также можете создать общую библиотеку UDF, что любой, имеющий доступ к набору данных можно вызвать в запросах. Документация

Облако Pub / Sub — аутентифицировано нажатие: GA
В этом выпуске вы можете настроить нажимные подписки предоставить маркер аутентификации, что позволяет конечным точкам, чтобы разрешить запросы. Авторизация с помощью этих маркеров в настоящее время поддерживается Cloud Run изначально. Документация

Услуги трансфера BigQuery данных для Google Merchant Center: бета
Эта услуга позволяет автоматически планировать и управлять повторяющимися ежедневными нагрузками рабочими местами Into BigQuery для Google Merchant Center представления данных. В настоящее время служба BigQuery Передача данных поддерживает каталог продукции и диагностические данные, представленные в торговом центре. Документация

BigQuery ML — предсказание с TensorFlow: бета
Для того, чтобы сделать предсказания из запроса SQL, вы можете импортировать модели TensorFlow в наборе данных BigQuery ML используя свой Google Cloud Platform Console, команду CLI Бк запросов, или API BigQuery. Документация

COMPUTE
Compute Engine — вычислительный оптимизированный экземпляр VM: бета

Теперь вы можете использовать вычислительный оптимизированную ВМ типа экземпляра на Compute Engine. Предназначено для ресурсоемких рабочих нагрузок, эти виртуальные машины предлагают самую высокую производительность на ядро ​​с Intel Scalable процессорами (Cascade Lake) и до 3,8 ГГц понесенных всех ядер турбо. Документация

Compute Engine — атрибуты гостя: GA
Атрибуты гостевых определенный типа пользовательских метаданных, что приложения могут одновременно считывать и записывать во время работы на вашем экземпляре. Они хорошо работают для данных малого объема и для случаев использования, которые требуют небольших объемов данных, которые изменяются нечасто. Документация

App Engine Рубин 2.5 Стандарт среда: бета
Теперь вы можете легко создавать и развертывать приложение, которое может надежно работать при больших нагрузках с большими объемами данных. Приложение может работать в своей собственной безопасной, надежной среде, что это не зависит от аппаратного обеспечения, операционной системы, а также физического расположения сервера. Документация

ИНСТРУМЕНТЫ УПРАВЛЕНИЯ
Облако Firestore — показатели мониторинга Stackdriver для обновления в реальном времени: бета

Этот релиз приносит две новые метрики от Cloud Firestore Into Stackdriver мониторинга, измеряющие ваше использование обновлений в режиме реального времени. Теперь вы можете увидеть количество активных подключений к базе данных и количество снимков слушателей во всех активных соединениях. Документация

Инвестирование в инфраструктуру Google, инвестирование в Неваду

Сегодня мы объявляем о новых инвестициях в инфраструктуру штата Невада: новый центр обработки данных Google и регион Google Cloud. Эти инвестиции расширят наше присутствие на юго-западе США, создадут больше рабочих мест в этом регионе, улучшат возможности подключения и скорость для пользователей служб Google и клиентов Google Cloud, а также обеспечат то, что Невада станет одним из мировых лидеров интернета.

Инфраструктура Google
Инфраструктура является для нас ключевой областью инвестиций, поскольку она лежит в основе всей работы, которую мы выполняем, и поддерживает все наши продукты. Центры обработки данных являются двигателями Интернета, и поскольку спрос на онлайн-контент и облачные сервисы продолжает расти, наши центры обработки данных также растут. Они поддерживают все наши продукты, включая поиск, рекламу, карты, YouTube и Google Cloud. В общей сложности мы вложили 47 млрд. Долл. США в капвложения в период с 2016 по 2018 год, что включает инвестиции в нашу инфраструктуру. Ранее в этом году мы объявили, что будем инвестировать еще 13 миллиардов долларов только в США, включая эти инвестиции в Неваде.

В глобальном масштабе Google управляет дата-центрами в шестнадцати местах, а клиенты Google Cloud обслуживаются в 20 облачных регионах и 61 зоне доступности по всему миру. После завершения работы наш новый сайт в Неваде станет частью всемирной сети центров обработки данных.

Экономический рост и технологии в Серебряном государстве
В районе метро Лас-Вегаса проживает более двух миллионов человек, а индустрия развлечений и игр процветает. Являетесь ли вы пользователем Gmail, глобальным ритейлером или одной из крупнейших в мире развлекательных корпораций, быстрый доступ к онлайн-контенту и облачным сервисам имеет решающее значение для обеспечения бесперебойной работы.

Caesars Entertainment Corporation — один из крупнейших мировых гостиничных операторов, с 40 000 номеров по всему миру. Команда аналитиков данных в Caesars использует бессерверное хранилище данных Google Cloud BigQuery и систему машинного обучения TensorFlow для агрегирования данных и получения из них значимой информации. Благодаря этим ценным сведениям Caesars Entertainment улучшила результаты своих маркетинговых и гостиничных инициатив. «Caesars Entertainment выбрала Google Cloud, потому что мы зависим от высокой надежности, а также от масштабируемости наших инициатив в области анализа данных», — сказал Джин Ли, директор по аналитике SVP в Caesars Entertainment. «Добавление региона Google Cloud в Лас-Вегасе в сочетании со сложными возможностями BigQuery и TensorFlow должно позволить Caesars еще больше разграничить игровой процесс, гостеприимство и развлечения, которые мы можем предложить отдельным гостям».

Новый центр обработки данных Google
Сегодня на нашем революционном мероприятии в Хендерсоне мы ознаменовали начало строительства нового дата-центра Google. В сегодняшнем праздновании приняли участие сенатор Кэтрин Кортез Масто, сенатор Джеки Розен, представитель Сьюзи Ли и губернатор Стив Сисолак, которые рассказали о том, как Google продолжает инвестировать в штат, привнося рабочие места в области технологий, предоставляя местным некоммерческим организациям доступ к более чем 1 доллару США. миллионов в финансировании, и предоставление дополнительной поддержки для малого и крупного бизнеса в государстве. Когда он появится в сети в 2020 году, новый центр обработки данных расширит наши возможности по предоставлению самых быстрых и надежных услуг для всех наших пользователей и клиентов. Мы создаем больше рабочих мест, обслуживаем больше клиентов в этом районе и создаем экономические возможности, поддерживая местные некоммерческие организации.

GCP Nevada
Облако для Невады

Когда он запустится, новый регион Google Cloud в Лас-Вегасе предоставит организациям в западной части США и тем, кто занимается бизнесом в Неваде, более быстрый доступ к продуктам и инструментам Google Cloud Platform, которые помогут повысить эффективность их бизнеса. Регион будет иметь три зоны доступности и будет поддерживать наш портфель ключевых продуктов GCP, предоставляя простую, надежную и безопасную инфраструктуру и молниеносную аналитику данных и ML / AI


И мы не останавливаемся на достигнутом — мы запустим наш облачный регион в Солт-Лейк-Сити в начале 2020 года, в общей сложности на семи облачных регионах Google в континентальной части США. Эти новые регионы позволят клиентам Google Cloud распределять свои рабочие нагрузки по четырем регионам на западе — в Лос-Анджелесе, Орегоне, Солт-Лейк-Сити и Лас-Вегасе — обеспечивая еще большую связь, чем когда-либо прежде. Свяжитесь с отделом продаж, чтобы узнать больше о доступности облачного региона и начать работу с GCP уже сегодня.

Новый дом на юго-западе
Мы считаем, что важно инвестировать в сообщества, которые мы называем домом. Исходя из этого, сегодня мы объявили о Google.org Impact Challenge Nevada, который обещает выделить некоммерческим организациям Silver State на сумму 1 000 000 долларов США со смелыми и инновационными идеями по созданию экономических возможностей в их сообществах. Начиная с сегодняшнего дня, местные некоммерческие организации могут представить свои предложения коллегии местных судей, которая выберет пять победителей, которые получат гранты в размере 175 000 долларов США и пройдут обучение на сайте Google.org, чтобы дать толчок их идеям. Кроме того, у Невадана будет возможность проголосовать за свою любимую идею от пяти победителей, а «Победитель выбора народа» получит дополнительно 125 000 долларов в виде финансирования.

Google с гордостью называет Неваду своим новым домом, и мы будем продолжать инвестировать в сообщества по всему штату. Благодарим вас за то, что вы приняли Google в свои сообщества. Мы с нетерпением ждем возможности построить нашу инфраструктуру в Неваде и вскоре встретить клиентов Google Cloud в нашем регионе Лас-Вегас.

Создание гибридных блокчейн / облачных приложений с Ethereum и Google Cloud



Принятие блокчейн-протоколов и технологий может быть ускорено путем интеграции с современными интернет-ресурсами и публичными облачными сервисами. В этом сообщении мы расскажем о нескольких приложениях, позволяющих сделать данные, размещенные в Интернете, доступными в неизменяемой общедоступной цепочке блоков: размещение данных BigQuery в цепочке с использованием интеллектуального контракта Chainlink oracle. Возможных приложений неисчислимо, но мы сосредоточили этот пост на нескольких из них, которые, по нашему мнению, имеют высокую и непосредственную полезность: рынки прогнозирования, фьючерсные контракты и конфиденциальность транзакций.

Гибридные приложения облачно-блокчейн
Blockchains сосредоточены на математических усилиях для создания общего консенсуса. Вскоре возникли идеи по расширению этой модели, позволяющей заключать соглашения между сторонами, т.е. заключать контракты. Эта концепция умных контрактов была впервые описана в статье 1997 года ученым Ником Сабо. Ранний пример записи соглашений в блоки был популяризирован такими усилиями, как «Цветные монеты» в цепочке блоков биткойнов.
nakamotoinstitute.org/the-idea-of-smart-contracts/
cloud.google.com/public-datasets

Интеллектуальные контракты встроены в источник правды блокчейна и, следовательно, эффективно неизменны после того, как их глубина составляет несколько блоков. Это обеспечивает механизм, позволяющий участникам выделять криптоэкономические ресурсы для соглашения с контрагентом, а также полагать, что условия контракта будут выполняться автоматически и без необходимости исполнения третьей стороной или арбитража, если это необходимо.

Но ничего из этого не решает фундаментальную проблему: где взять переменные, с которыми оценивается контракт. Если данные не получены из недавно добавленных данных в цепочке, требуется надежный источник внешних данных. Такой источник называется оракулом.

В предыдущей работе мы делали общедоступные данные блокчейна в BigQuery через Программу общедоступных наборов данных Google Cloud для восьми различных криптовалют. В этой статье мы будем называть эту работу криптографическими наборами данных Google. Вы можете найти более подробную информацию и образцы этих наборов данных на GCP Marketplace. Этот ресурс набора данных привел к тому, что ряд клиентов GCP разработали бизнес-процессы, основанные на автоматическом анализе индексированных данных блокчейна, таких как распределение прибыли SaaS, смягчение злоупотреблений услугами путем определения характеристик участников сети и использование методов статического анализа для обнаружения уязвимостей программного обеспечения и вредоносных программ. Однако эти приложения имеют общий атрибут: все они используют криптографические общедоступные наборы данных в качестве входных данных для бизнес-процесса вне цепочки.

В отличие от этого, бизнес-процесс, реализованный в виде умного контракта, выполняется внутри цепочки, и он имеет ограниченную полезность, не имея доступа к внеполосным входам. Чтобы замкнуть петлю и разрешить двунаправленное взаимодействие, нам нужно не только сделать данные блокчейна программно доступными для облачных сервисов, но также и облачные сервисы, программно доступные в цепочке для интеллектуальных контрактов.

Ниже мы покажем, как конкретная платформа интеллектуальных контрактов (Ethereum) может взаимодействовать с нашим облачным хранилищем корпоративных данных (BigQuery) через промежуточное программное обеспечение Oracle (Chainlink). Эта сборка компонентов позволяет «умному контракту» предпринимать действия на основе данных, извлеченных из цепного запроса в интернет-хранилище данных. Наши примеры обобщают шаблон гибридных приложений облачной блокчейн, в которых интеллектуальные контракты могут эффективно делегировать облачным ресурсам для выполнения сложных операций. Мы рассмотрим другие примеры этого шаблона в будущих сообщениях в блоге.
ethereum.org/
cloud.google.com/bigquery
chain.link/

Как мы это построили
На высоком уровне Ethereum Dapps (то есть приложения с умным контрактом) запрашивают данные из Chainlink, которая, в свою очередь, получает данные из веб-службы, созданной с помощью Google App Engine и BigQuery.

Чтобы извлечь данные из BigQuery, приложение Dapp вызывает контракт оракула Chainlink и включает в себя оплату за параметризованный запрос, который должен быть обслужен (например, цена на газ в определенный момент времени). Один или несколько узлов Chainlink прослушивают эти вызовы, и после наблюдения один выполняет запрошенное задание. Внешние адаптеры — это сервис-ориентированные модули, которые расширяют возможности узла Chainlink для аутентифицированных API, платежных шлюзов и внешних блокчейнов. В этом случае узел Chainlink взаимодействует со специально созданным веб-сервисом App Engine.
cloud.google.com/appengine/docs/the-appengine-environments

На GCP мы реализовали веб-сервис, используя стандартную среду App Engine. Мы выбрали App Engine за его низкую стоимость, высокую масштабируемость и модель развертывания без сервера. App Engine извлекает данные из BigQuery, в котором размещаются общедоступные наборы данных криптовалюты. Данные, которые мы сделали доступными, получены из постоянных запросов, то есть мы не разрешаем запрашивать произвольные данные из BigQuery, а только из результатов параметризованных запросов. В частности, приложение может запросить среднюю цену на газ либо (A) для конкретного номера блока Ethereum, либо (B) для конкретной календарной даты.

После успешного ответа от веб-службы узел Chainlink вызывает контракт оракула Chainlink с возвращенными данными, который, в свою очередь, вызывает контракт Dapp и, таким образом, запускает выполнение нисходящей специфической для Dapp бизнес-логики. Это изображено на рисунке ниже.


Как использовать оракула BigQuery Chainlink
В этом разделе мы опишем, как можно создавать полезные приложения, используя Google Cloud и Chainlink.

Вариант использования 1: рынки прогнозирования
Участники рынков прогнозирования выделяют капитал, чтобы спекулировать на будущих событиях в целом. Одной из областей, представляющих большой интерес, является то, какая платформа интеллектуальных контрактов будет преобладать, потому что, будучи сетевыми экосистемами, их ценность будет подчиняться степенному закону (то есть победителю — все). Есть много разных мнений о том, какая платформа будет успешной, а также как можно количественно оценить успех.

Используя криптографические общедоступные наборы данных, можно даже успешно прогнозировать сложные цепочки прогнозов, такие как недавняя ставка в 500 000 долларов США на будущее состояние Эфириума. Мы также задокументировали, как можно измерить разнообразие, объем, время и частоту использования Dapp, извлекая 1-, 7- и 30-дневную активность для конкретного Dapp.
www.coindesk.com/maximum-pain-joe-lubin-jimmy-song-strike-500k-crypto-bet-on-ethereums-future
www.investopedia.com/terms/m/monthly-active-user-mau.asp
mixpanel.com/topics/mobile-app-analytics-metrics/

Эти показатели известны как пользователи, работающие ежедневно, еженедельно и ежемесячно, и часто используются специалистами по веб-аналитике и анализу мобильных приложений для оценки веб-сайта и приложения, а также успеха.

Вариант использования 2: хеджирование от риска платформы блокчейна
Движение децентрализованных финансов быстро завоевывает популярность благодаря успешному переосмыслению существующей финансовой системы в условиях блокчейна, которые на технической основе более надежны и прозрачны, чем существующие системы.

Финансовые контракты, такие как фьючерсы и опционы, были изначально разработаны, чтобы позволить предприятиям снизить / застраховать свой риск, связанный с ресурсами, критически важными для их деятельности. Аналогичным образом, данные о деятельности в сети, такие как средние цены на газ, могут использоваться для создания простых финансовых инструментов, которые обеспечивают выплаты их владельцам в случаях, когда цены на газ растут слишком высоко. Другие качества сети блокчейн, например, блокировать время и / или централизацию майнинга, создавать риски, от которых разработчики Dapp хотят защитить себя. Благодаря предоставлению высококачественных данных из криптографических наборов данных в финансовые интеллектуальные контракты, риск для разработчиков Dapp может быть уменьшен. Чистый результат — больше инноваций и ускоренное внедрение блокчейна.

Мы задокументировали, как умный контракт Ethereum может взаимодействовать с оракулом BigQuery для получения данных о цене на газ в определенный момент времени. Мы также реализовали заглушку опции умного контракта, показывающую, как оракул может быть использован для реализации обеспеченного контракта на будущие цены на газ, что является критически важным входом для функционирования Dapp.
docs.chain.link/docs/big-query-chainlink-testnet
github.com/smartcontractkit/bq-example-contract
kb.myetherwallet.com/posts/transactions/what-is-gas/

Вариант использования 3. Включение фиксации / раскрытия в Эфириуме с использованием подводных отправок
Одним из обычно упоминаемых ограничений в самом Ethereum является отсутствие конфиденциальности транзакций, что дает злоумышленникам возможность воспользоваться преимуществами утечки данных по цепочке для использования пользователями часто используемых интеллектуальных контрактов. Это может принимать форму предварительных транзакций, включающих адреса распределенного обмена (DEx). Как описано в статье «Потопить передовиков», «Отправка на подводных лодках», проблема опережающего запуска преследует все текущие DEx и замедляет прогресс движения Децентрализованные финансы, поскольку биржи являются ключевым компонентом многих продуктов / приложений DeFi.
hackingdistributed.com/2017/08/28/submarine-sends/

Используя подход отправки с подводной лодки, пользователи смарт-контрактов могут повысить конфиденциальность своих транзакций, успешно избегая противников, которые хотят их запустить, что делает DEx более полезными. Хотя этот подход уникально полезен для предотвращения злонамеренного поведения, такого как фронтальный запуск, он также имеет свои собственные ограничения, если он выполняется без оракула.

Реализация субмарины посылает без оракула, выдает блокчейн-блат. В частности, виртуальная машина Ethereum позволяет контракту видеть максимум 256 блоков вверх по цепочке или примерно один час. Этот максимальный объем ограничивает практическую полезность отправки подводных лодок, поскольку он создает ненужную денормализацию, когда требуется ретрансляция данных. В отличие от этого, благодаря реализации субмаринных отправлений с оракулом, раздувание исключается, потому что операционная область увеличена, чтобы включить все исторические данные цепочки.

Заключение
Мы продемонстрировали, как использовать сервисы Chainlink для предоставления данных из криптографических общедоступных наборов данных BigQuery в цепочке. Этот метод можно использовать для уменьшения неэффективности (случай использования для отправки с подводной лодки) и в некоторых случаях для добавления совершенно новых возможностей (вариант использования для хеджирования) Интеллектуальные контракты Ethereum, позволяющие появиться новым бизнес-моделям в сети (пример использования рынков прогнозирования).

Суть нашего подхода заключается в обмене небольшого количества времени ожидания и накладных расходов на транзакции на потенциально большую экономическую выгоду. В качестве конкретного примера, обычные отправки подводной лодки требуют хранения в цепочке, которое масштабируется O (n) с блоками, добавленными в цепочку блоков, но может быть уменьшено до O (1), если вызывающий контракт ожидает дополнительных двух блоков для вызова оракула BigQuery.

Мы ожидаем, что этот метод взаимодействия приведет разработчиков к созданию гибридных приложений, которые используют лучшее из того, что могут предложить интеллектуальные контрактные платформы и облачные платформы. Мы особенно заинтересованы в предоставлении сервисов ML облачной платформы Google Google (например, AutoML и Inference API).
cloud.google.com/automl/
cloud.google.com/inference/

Разрешая ссылаться на данные, находящиеся вне цепочки, мы повышаем операционную эффективность платформы интеллектуальных контрактов. В случае отправки с подводной лодки потребление памяти, которое масштабируется O (n) с высотой блока, уменьшается до O (1) за счет компромисса с дополнительной задержкой транзакций для взаимодействия с оракулом.

Product updates | June 10, 2019



Compute Engine — отключение и повторное включение упреждающего перераспределения экземпляра: бета
Проактивное перераспределение экземпляра, который включен по умолчанию для региональных управляемых групп, например, теперь может быть отключено, если вам нужно вручную управлять количеством экземпляров в каждой зоне. Документация | сообщество пост

Compute Engine — региональный обмен настойчивого диска между несколькими экземплярами: бета
Вы можете прикрепить один региональный постоянный диск более одного экземпляра виртуальной машины в режиме только для чтения, что позволяет разделять статические данные между несколькими экземплярами, работающими в разных зонах. Совместное использование статических данных, таким образом, является экономически более эффективным, чем тиражирование его уникальных дисков для отдельных экземпляров. Документация

Kubernetes Engine — удалось поддержку Stackdriver: GA
поддержка Stackdriver теперь автоматически устанавливается или обновляется при выборе версии Kubernetes двигателя и вариант поддержки для кластера. Функции включают поддержку Наследства Stackdriver или мониторинг Stackdriver Kubernetes двигателя. У вас также есть возможность отказаться от этой поддержки. Документация

ХРАНЕНИЕ И БАЗ
журналы заданий Облако Dataproc в Stackdriver: бета

Облако Dataproc хранит журналы драйверов работы в облачном хранилище по умолчанию. В этом выпуске вы также можете включить его, чтобы сохранить их в Stackdriver Logging. Документация

Облако Firestore — сбор группы запросов: GA
По умолчанию запросы получения результатов из одной коллекции в базе данных. В этой версии вы можете вместо этого запускать запросы по коллекции группы, которая состоит из всех коллекций с тем же ID. Документация

IDENTITY & SECURITY
Облако VPN — HA VPN: бета
С высокой доступности (HA) VPN, предприятия могут подключить их на локальной развертывание на GCP Virtual Private Cloud с в отрасли ОАС 99,99% при общей доступности — и они могут иметь более простую установку по сравнению с созданием избыточных VPN. Документация | Блог
Перейдите в консоль

Product updates ALL May



ГИБРИД & MULTI-ОБЛАЧНАЯ
Anthos Управление конфигурацией: GA
Управление конфигурацией и применять политики через ваши кластеры — являются ли они на территории или в облаке. Установите декларативную конфигурацию на основе ролей контроля доступа, квоты ресурсов и пространства имен — все из одного места. Документация | Блог

COMPUTE
Kubernetes двигателя — Intranode Видимость: бета
Эта особенность делает весь ваш сетевой трафик видимой в сеть опорных точек. Вы можете увидеть журналы потока для всего трафика между стручками, включая трафик между стручками на одном узле. И вы можете создать правила брандмауэра, которые применяются ко всему трафику между стручками. Документация
Compute Engine — резервирование зональных ресурсов: бета
Резерв VM экземпляры в определенной зоне, чтобы убедиться, что они доступны для будущего роста спроса, например, плановых или внеплановых шипы, большие миграции, резервного копирования и аварийного восстановления, или запланированного роста. Вы можете создать или отменить заказ в любое время, без каких-либо обязательств. Документация

API ПЛАТФОРМЫ & ECOSYSTEMS
Apigee Portal Разработчик — управление аудиторией и разработчик команды: бета
Эта версия позволяет пользователям портала разделить ответственность за приложение с другими пользователями портала, а также сегмент лиц, для того, чтобы контролировать доступ к контенту. Документация | Блог

AI & МАШИНА ОБУЧЕНИЯ
AI Платформа: Notebooks бета
Это управляемый сервис ноутбука предприятия позволяет получить проекты и работает в течение нескольких минут. В один клик вы можете создать экземпляры в JupyterLab, которые приходят предварительно установлены с последними научными данными и обучения машины рамок. Услуга доступна через платформу AI в Google Cloud Platform Console. Документация
Разработка мобильных APP

IDENTITY & SECURITY
GKE Песочница: бета
Получить дополнительную безопасность для контейнеров Kubernetes двигателя — без дополнительной сложности. Это управляемый сервис, основанный на gVisor проекта с открытым исходным кодом, является решением контейнеров изоляции, что обеспечивает второй уровень защиты между вашей контейнерной нагрузкой на Kubernetes Engine. Страница продукта | Блог

Anthos
Anthos: GA
Эта программная открытая платформа позволяет просто и безопасно запускать ваше приложение — без изменений — локально или в облаке. Гибридная функциональность Anthos доступна на облачной платформе Google с Kubernetes Engine и в вашем центре обработки данных с GKE On-Prem. Скоро: управляйте своими рабочими нагрузками в сторонних облаках по вашему выбору. Документация | Блог
GCP Marketplace — приложения Kubernetes Интеграция Anthos: GA
Благодаря этому запуску большинство приложений Kubernetes, принадлежащих сторонним производителям, и часть приложений сторонних производителей на GCP Marketplace теперь совместимы с кластерами с поддержкой Istio, могут быть развернуты в кластерах GKE On-Prem и GCP и могут экспортироваться. Метрики Прометея. GCP Marketplace

БАЗА ДАННЫХ
Облачный SQL для Microsoft SQL Server: альфа
С помощью этой службы вы можете перенести существующие рабочие нагрузки Microsoft SQL Server в GCP и запустить их в полностью управляемой службе базы данных. Вы можете легко настроить, поддерживать, управлять и администрировать ваши реляционные базы данных PostgreSQL, MySQL и SQL Server в облаке. Страница продукта | Блог
Облачный SQL для PostgreSQL — версия 11: бета
Облачный SQL для PostgreSQL стал одной из самых быстрорастущих баз данных в GCP в прошлом году. Эта последняя версия включает полезные новые функции, такие как улучшения разбиения, хранимые процедуры и больше параллелизма. Документация | Блог

AI & MACHINE ОБУЧЕНИЕ
Облачный ТПУ v3: GA
Облачные TPU от Google — это более быстрый и экономически эффективный способ решения больших задач машинного обучения и новейших моделей распознавания изображений, языковой обработки и многого другого. Теперь доступно последнее поколение Cloud TPU v3. Блог
Таблицы AutoML: бета
Таблицы AutoML позволяют всей вашей команде автоматически создавать и развертывать современные модели машинного обучения на структурированных данных с огромным увеличением скорости и масштаба. Документация | Блог
AutoML Vision Edge: бета
Создание и развертывание быстрых, высокоточных моделей для классификации изображений на периферийных устройствах и запуска действий в реальном времени на основе локальных данных. AutoML Vision Edge поддерживает множество периферийных устройств, где ресурсы ограничены, а низкая задержка имеет решающее значение. Документация | Блог
Обнаружение объектов AutoML Vision: бета
В дополнение к классификации изображений AutoML Vision также может обнаруживать несколько объектов и предоставлять информацию о том, где каждый объект находится в изображении. Документация | Блог
AutoML Natural Language — выборочная сущность и анализ настроений: бета
В этом выпуске добавлена ​​поддержка извлечения пользовательских объектов для автоматической идентификации и маркировки доменных ключевых слов и фраз в документах, а также поддержка пользовательского анализа настроений, настроенного на ваши собственные доменные оценки настроений, чтобы помочь понять общее отношение, выраженное в блоке текста. Документация по извлечению сущностей | Документация Анализ настроений | Блог
Рекомендации AI: ограниченная бета
Рекомендации AI позволяет ритейлерам предоставлять высоко персонализированные рекомендации по продукту в масштабе. Он использует новейшие архитектуры машинного обучения Google для динамической адаптации к поведению клиентов в реальном времени и изменениям таких переменных, как ассортимент, цены и предложения. Рекомендации AI — это полностью управляемый сервис, который может легко интегрировать ваши данные и предоставлять рекомендации любому клиенту.
Страница продукта | Документация | Блог
Поиск продукта Cloud Vision: GA
Cloud Vision Product Search позволяет розничным продавцам встраивать функциональность визуального поиска в свои мобильные приложения, позволяя покупателям делать фотографии или снимки экрана с товарами и получать список аналогичных товаров, предлагаемых продавцом.
Документация | Блог
Cloud Natural Language API: GA
Этот запуск помогает вам идентифицировать обычные объекты чеков и счетов-фактур, такие как даты, адреса и номера телефонов, чтобы сэкономить время на ручных аннотациях и анализе. Он также включает в себя поддержку на японском языке для анализа сущностей и настроений и поддержку на русском языке для анализа сущностей. Документация | Блог
Cloud Translation API v3: бета
Эта последняя версия Cloud Translation API добавляет функцию глоссария, которая позволяет вам определять словарь для конкретной компании, который вы хотите переопределить общие результаты перевода. Он также позволяет выполнять пакетные переводы для поддержки больших объемов контента в одном запросе и дает возможность выбрать лучшую модель, соответствующую вашим потребностям в переводе, включая пользовательские модели. Документация | Блог
Служба маркировки данных платформы AI: бета
Служба маркировки данных позволяет вам пометить данные человеком, подготовив их к высококачественному набору данных для модели машинного обучения. Он поддерживает наиболее популярные варианты использования изображений, видео и текстовых аннотаций, включая классификацию, обнаружение объектов и извлечение объектов. Документация

ИНФРАСТРУКТУРА
Новые регионы GCP — Сеул, Южная Корея и Солт-Лейк-Сити
В начале 2020 года появятся два новых дополнения к глобальной инфраструктуре Google Cloud: Сеул, Южная Корея и Солт-Лейк-Сити. Оба региона будут рассчитаны на высокую доступность с тремя зонами с самого начала и будут включать все ключевые продукты GCP. Блог | Документация

АНАЛИТИКА ДАННЫХ
Облачный поток данных — Streaming Engine: GA
Эта функция позволяет перемещать части конвейерного выполнения с рабочих виртуальных машин в серверную часть облачного потока данных. Это уменьшает потребление ресурсов ЦП и постоянного диска, обеспечивает более быстрое автоматическое масштабирование и улучшает поддержку. Streaming Engine теперь также доступен в двух дополнительных регионах GCP: европа-запад4 (Нидерланды) и азия-северо-восток1 (Токио). Документация
Cloud Composer — обновления среды: бета
Теперь одним щелчком мыши вы можете легко обновить версию Airflow или Cloud Composer, которая работает в вашей среде. Документация
Cloud Composer — частная IP-среда: бета
Теперь, когда вы включаете частный IP, Cloud Composer назначает только частные IP-адреса управляемым виртуальным машинам Kubernetes Engine и Cloud SQL в вашей среде, эффективно предотвращая входящий доступ к этим управляемым виртуальным машинам из общедоступного Интернета. Документация
Cloud Pub / Sub — аутентифицированный push: бета
Теперь Cloud Pub / Sub может безопасно инициировать принудительные конечные точки, используя учетные записи служб и Cloud Identity and Access Management. Push-конечные точки могут проверять подлинность отправителя сообщения и целевого удостоверения, а службы GCP получателя могут использовать Cloud IAM для авторизации push-запросов. Документация
Облачный поток данных — новые регионы: GA
Получите географическую надежность для инфраструктуры обработки данных — теперь с возможностью запуска заданий Cloud Dataflow в азиатско-северо-восточном регионе2 в Осаке, Япония. Cloud Toflow Streaming Engine и Cloud Dataflow Shuffle также доступны в Токио и Нидерландах с добавлением регионов Азия-Северо-Восток1 и Европа-Запад4. Документация
BigQuery — кластеризация: GA
Разделите таблицы BigQuery по столбцам даты и метки времени, и с помощью этой новой возможности повторно кластеризуйте произвольные части таблицы. Первоначально кластеризация будет поддерживаться только на многораздельных таблицах, но будущие выпуски будут поддерживать кластеризацию и на нераздельных таблицах. Документация

СЕТЕВАЯ
VPC Flow Logs — создание настраиваемых логов: бета
Теперь вы можете сбалансировать потребности в отображении трафика и затратах на хранение, предварительно указав интервал, с которым образцы пакетов собираются для данного подключения к виртуальной машине, и объединяются в одну запись журнала. Этот интервал может составлять от пяти секунд до 15 минут. Документация | Блог
Регистрация NAT в облаке: бета
Регистрация NAT в облаке позволяет регистрировать подключения и ошибки NAT. Если ведение журнала включено, все собранные журналы отправляются в Stackdriver по умолчанию. Журналы также содержат пропущенные исходящие пакеты в случае исчерпания порта. Документация

БЕЗОПАСНОСТЬ
Политическая разведка: альфа
Представляем три новых инструмента ML, которые помогут администраторам управлять политиками IAM и снизить риски. Удалите нежелательный доступ к ресурсам GCP с помощью IAM Recommender. Понимать отклоненные запросы и изменять политики доступа с помощью средства устранения неполадок доступа. Используйте Validator для настройки управления и защиты. Блог
Экранированный ВМ: GA
Экранированная виртуальная машина обеспечивает проверяемую целостность ваших экземпляров виртуальной машины Compute Engine, помогая защитить их от вредоносных программ или руткитов уровня загрузки или ядра. Используя функции защищенной виртуальной машины, такие как модуль виртуальной доверенной платформы, безопасная загрузка, измеренная загрузка и мониторинг целостности, вы можете обнаруживать низкоуровневые компромиссы платформ ваших виртуальных машин и снижать риск отфильтрованных данных. Документация | Блог
Предотвращение потери данных в облаке: бета
Новый интерфейс Cloud DLP обеспечивает быструю, масштабируемую классификацию для конфиденциальных данных, таких как номера кредитных карт или номеров социального страхования. Запускайте сканирование всего несколькими щелчками мыши — код не требуется, аппаратное обеспечение или виртуальные машины не требуются.
Страница продукта | Блог
Access Context Manager — новые атрибуты: GA
Уровни доступа определяют различные атрибуты, которые используются для фильтрации запросов к определенным ресурсам. Мы добавили дополнительные атрибуты, которые вы можете использовать, включая геолокацию, одобренные администратором устройства, корпоративные устройства и доступ с проверкой Chrome. Документация
Cloud Security Scanner: бета
Этот сканер веб-безопасности обнаруживает уязвимости, такие как межсайтовый скриптинг, неправильно настроенные заголовки безопасности, пароли в виде открытого текста и устаревшие библиотеки в ваших приложениях GCP. Он обычно доступен для App Engine и теперь доступен в бета-версии для Kubernetes Engine и Compute Engine. Документация | Блог
Идентификационная платформа: GA
Ранее известная как облачная идентификация для клиентов и партнеров, Identity Platform упрощает идентификацию клиентов и управление доступом и помогает вам уверенно масштабировать. Это также упрощает добавление IAM в ваши приложения и защиту учетных записей пользователей. Документация | Блог

COMPUTE
Compute Engine — принесите собственную лицензию: бета
Теперь вы можете принести свою собственную лицензию в Compute Engine, используя единоличные узлы и функцию перезапуска на месте. Узлы единственного арендатора предоставляют выделенное оборудование и позволяют увидеть основные характеристики вашего компьютера, чтобы обеспечить соответствие требованиям лицензии и требования к отчетности. Документация | Блог
Графические процессоры NVIDIA T4 на GCP: GA
Графические процессоры NVIDIA T4, которые в настоящее время доступны в восьми регионах мира, ускоряют различные облачные нагрузки, включая высокопроизводительные вычисления, обучение машинному обучению и выводу, анализ данных и графику. Страница продукта | Блог
Cloud Run: бета
Получите простой опыт развертывания и запуска служб без сохранения состояния в вашем кластере, включая автоматическое масштабирование на основе HTTP-запросов, масштабирование до нуля, автоматическое сетевое взаимодействие и интеграцию со Stackdriver. Запускайте свои безсерверные рабочие нагрузки в любом месте с помощью Google Cloud или Kubernetes Engine. Документация | Блог

МЕСТО ХРАНЕНИЯ
Облачное хранилище файлов: GA
Создайте полностью управляемые файловые серверы NFS на GCP для использования с приложениями, работающими на виртуальных машинах Compute Engine или кластерах Kubernetes Engine. Облачное хранилище файлов теперь предлагает SLA, а экземпляры премиум-класса теперь обеспечивают повышенную производительность чтения — до 1,2 ГБ / с и 60 000 операций ввода-вывода в секунду. Документация | Блог
Только политика хранилища облачных хранилищ: бета
Только Bucket Policy обеспечивает единообразное и непротиворечивое разрешение для всех объектов в пределах корзины путем настройки конфигурации IAM на уровне сегмента. Это упрощает разрешение, так как отдельные списки контроля доступа на уровне объектов отключены, и только разрешения IAM уровня сегмента разрешают доступ к блоку и его объектам. Документация | Блог

УПРАВЛЕНИЕ API
API Cloud Healthcare: бета
Теперь в GCP есть управляемое решение для хранения, обработки и де-идентификации медицинских данных, связывающее существующие системы ухода и приложения, размещенные в Google Cloud. API помогает организациям здравоохранения управлять отраслевыми данными, такими как EHR и визуализация, и лучше понимать данные с помощью аналитики и ML в реальном времени в масштабе. Документация | Блог
Гибрид апигея: бета
Этот новый вариант развертывания позволяет разместить среду выполнения в своем центре обработки данных или в общедоступном облаке по вашему выбору. Получите единственное, полнофункциональное решение для управления API во всех ваших средах с глобальным масштабом, гибкостью и согласованностью. Документация | Блог

ИНСТРУМЕНТЫ РАЗРАБОТЧИКА
Облачные задачи: GA
Этот полностью управляемый сервис позволяет вам управлять выполнением, распределением и доставкой распределенных задач. Облачные задачи обеспечивают надежную разгрузку задач, слабую связь между службами и повышенную надежность системы с настройкой скорости и пределами повторных попыток. Используйте облачные задачи для асинхронного выполнения работы, чтобы уменьшить задержку запросов, развязать и масштабировать микросервисы, управлять потреблением ресурсов и обрабатывать инциденты, не отбрасывая запросы. Страница продукта
Облачный планировщик: GA
Cloud Scheduler — это полностью управляемый планировщик заданий корпоративного уровня. Это позволяет планировать практически любую работу, включая пакетную обработку, работу с большими данными, операции с облачной инфраструктурой и многое другое. Вы можете автоматизировать все, включая повторные попытки в случае сбоя, чтобы уменьшить ручной труд и вмешательство. Cloud Scheduler даже действует как единое стекло, позволяя вам управлять всеми задачами автоматизации из одного места. Документация

ПОДДЕРЖКА GOOGLE CLOUD PLATFORM
Поддержка GCP для Firebase: GA
Этот запуск включает в себя обновленное руководство Службы технической поддержки GCP (TSS). Все службы Firebase теперь имеют право на TSS, за исключением приглашений Firebase, индексации приложений Firebase, динамических ссылок Firebase, Google Analytics для Firebase и базы данных реального времени Firebase. Документация

Anthos
Приложения Kubernetes в Google Cloud Platform Marketplace: GA
Приложения Kubernetes — это готовые к работе контейнерные решения с готовыми шаблонами развертывания. Этот последний запуск выпускает 48 бета-тестовых коммерческих приложений Kubernetes в GCP Marketplace от бета-версии до GA. Сайт | Документация

БАЗА ДАННЫХ
Cloud Bigtable — мультирегиональная репликация: GA
Теперь вы можете настроить асинхронную репликацию между четырьмя кластерами в одном экземпляре, расположенном в любом подмножестве зон по всему миру. Это устраняет ограничение в одном и том же регионе для выбора местоположения кластера, предоставляя вам возможность сделать ваши данные доступными по всему региону или по всему миру. Документация | Блог

AI & MACHINE ОБУЧЕНИЕ
Документ Понимание AI: бета
Эта масштабируемая безсерверная платформа позволяет автоматически классифицировать, извлекать и обогащать данные в отсканированных или цифровых документах. Он превращает ваши документы в структурированные данные, помогая автоматизировать рабочие процессы обработки документов и разблокировать скрытые знания в вашей организации. Страница продукта | Блог
Контакт-центр AI: бета
Мы объединили лучшее из Google AI с популярным программным обеспечением контакт-центра, чтобы улучшить ваш опыт и повысить эффективность работы. Мы сотрудничаем с ведущими поставщиками услуг телефонии и системными интеграторами, поэтому вы можете легко включить Contact Center AI с вашими существующими решениями. Страница продукта | Блог
AI Hub: бета
AI Hub дополняет новую платформу AI, предлагая вам управляемые API машинного обучения, модули TensorFlow, ноутбуки, сквозные конвейеры ML и многое другое. Делитесь активами ML внутри своей организации, чтобы масштабировать влияние ресурсов ML и способствовать их повторному использованию и совместной работе.
Документация | Блог | Решение
Панель инструментов AI Platform: бета
Этот выпуск предлагает унифицированную целевую страницу для всех продуктов AI Platform, предоставляя управляемый сервис для ноутбуков и инструменты для маркировки данных. Он также помогает запускать Kubeflow Pipelines в GCP и перемещать локальный код приложения в GCP с минимальными изменениями. Страница продукта | Блог
AutoML Video Intelligence: бета
Создайте пользовательские модели, которые автоматически классифицируют видеоконтент с определенными вами метками. Теперь вы можете загружать свои собственные видеозаписи и пользовательские теги, чтобы обучать модели, которые соответствуют вашим потребностям бизнеса, например, для тегов и извлечения видео с пользовательскими атрибутами. Документация | Блог

АНАЛИТИКА ДАННЫХ
Облачный поток данных — гибкое планирование ресурсов: бета
FlexRS снижает затраты на пакетную обработку, используя передовые методы планирования, службу Cloud Dataflow Shuffle и комбинацию вытесняемых и обычных экземпляров виртуальных машин. Документация | Блог
Облачный поток данных Shuffle — новые регионы: GA
Эта функция, доступная только для пакетных конвейеров, позволяет экономить ресурсы, перемещая операцию перемешивания из экземпляров рабочих виртуальных машин в серверную часть облачного потока данных. В настоящее время он обычно доступен в регионах Азия-Северо-Восток1 (Токио) и Европа-Запад4 (Нидерланды). Документация
BigQuery Географические информационные системы: GA
BigQuery GIS позволяет анализировать и визуализировать геопространственные данные в BigQuery, используя типы данных географии и стандартные функции географии SQL. Документация | Блог
BigQuery BI Engine: бета
С помощью этой полностью управляемой службы анализа в памяти вы можете в интерактивном режиме анализировать сложные наборы данных с помощью времени отклика до доли секунды и высокой степени параллелизма через Google Data Studio. В ближайшие месяцы BigQuery BI Engine будет интегрирован с подключенными электронными таблицами в Sheets и с инструментами бизнес-аналитики партнеров. Документация | Блог
Cloud Data Fusion: бета
Этот полностью управляемый сервис интеграции данных для предприятий позволяет легко создавать надежные, масштабируемые решения для интеграции данных для очистки, подготовки, смешивания, передачи и преобразования данных из разнородных источников — без необходимости бороться с инфраструктурой. Документация | Блог
BigQuery фиксированная цена: GA
Теперь мы предлагаем модель ценообразования с фиксированной ставкой для клиентов, которые предпочитают платить фиксированные ежемесячные расходы за запросы, а не переменную цену по запросу. Зарегистрируйтесь и приобретите специальные возможности обработки запросов, измеренные в слотах BigQuery. Минимальный размер теперь составляет 500 слотов по 10000 долларов в месяц. Документация

СЕТЕВАЯ
Cloud Interconnect 100G: бета
Cloud Interconnect обеспечивает высокодоступные соединения с низкой задержкой, которые позволяют надежно передавать данные между локальной сетью и сетями VPC. С этим запуском вы можете теперь запрашивать 100G соединений, в дополнение к 10G. Документация | Блог
Директор по трафику: бета
Эта полностью управляемая плоскость управления трафиком для открытой сервисной сетки позволяет легко развертывать глобальную балансировку нагрузки между кластерами и экземплярами виртуальных машин в нескольких регионах, выполнять проверку работоспособности от прокси служб и настраивать сложные политики управления трафиком. Документация | Блог
Балансировка нагрузки в облаке — новые функции внутренней балансировки нагрузки TCP / UDP L4: бета
Новые функции включают в себя обнаружение служб на основе DNS (бета), все порты L4 ILB (GA) и группы аварийного переключения L4 ILB (бета). Блог | Документация

МИГРАЦИЯ
Служба передачи данных BigQuery: бета и альфа
Упростите миграцию в Google Cloud и значительно сократите время миграции с помощью BigQuery Data Transfer Service, который автоматизирует миграцию данных и схем в BigQuery из Teradata, а также загрузку данных из Amazon S3, которые сейчас находятся в стадии бета-тестирования. Автоматизированная миграция данных из Amazon Redshift теперь в альфа-версии. Страница продукта

БЕЗОПАСНОСТЬ
Облачный Identity-Aware Proxy — контекстно-зависимый доступ: GA
Получите помощь в защите экземпляров виртуальных машин — и теперь как облачных, так и локальных веб-приложений — с контекстно-зависимым доступом, который позволяет принудительно применять доступ к приложениям и инфраструктуре на основе личности пользователя и контекста их запроса. Принять модель управления доступом на уровне приложения вместо того, чтобы полагаться на VPN на уровне сети. Документация | Блог
Разрешение на доступ: бета
Утвердите или отклоните запросы на доступ от сотрудников Google, работающих для поддержки вашего сервиса. Access Approval отправит вам электронное письмо или сообщение Cloud Pub / Sub с запросом на доступ, который затем можно будет одобрить с помощью консоли GCP или API Access Access. Документация | Блог
Командный центр облачной безопасности: GA
Получите доступ к этой платформе управления безопасностью и рисками для GCP, чтобы лучше понять вашу безопасность и поверхность атаки данных Обладая такими возможностями, как Security Health Analytics и Cloud Security Scanner, Cloud SCC помогает группам безопасности предотвращать, обнаруживать и реагировать на угрозы с единой стеклянной панели. Документация | Блог
Cloud SCC — обнаружение угрозы события: бета
Это новое средство безопасности сканирует журналы Stackdriver для обнаружения подозрительных действий, таких как вредоносные программы, крипто-майнинг и исходящие DDoS-атаки. Он помечает результаты для исправления и выявляет угрозы в Cloud SCC. Блог
Android-телефон — встроенные ключи безопасности: бета
Одна из самых надежных средств защиты от фишинга — технология FIDO Security Key — теперь доступна в телефонах Android без дополнительной оплаты. Вам больше не нужно покупать фактический ключ, это означает, что эта технология безопасности теперь доступна любому, у кого есть телефон с Android. Блог

COMPUTE
Compute Engine — регистрация выходов последовательного порта в Stackdriver: GA
Теперь вы можете настроить экземпляры виртуальной машины Compute Engine для автоматической отправки выходных данных последовательного порта в ведение журнала Stackdriver. Для экземпляров виртуальной машины, которые больше не работают, вы все равно сможете найти и просмотреть выходные данные последовательного порта, сохраненные в журнале Stackdriver. Документация
Kubernetes Engine — управляемые сертификаты: бета
Управляемые сертификаты SSL упрощают процесс включения HTTPS-соединения. Они обновляются автоматически и отменяются при удалении прокси. Обладая управляемыми сертификатами, Cloud Load Balancing по умолчанию шифрует пользовательские соединения, исключая ручную работу. Документация
Облачные функции — максимум экземпляров: бета
В этом выпуске вы можете ограничить степень масштабирования вашей функции в ответ на входящие запросы. Вы можете установить максимальное количество экземпляров для отдельной функции во время развертывания, и каждая функция может иметь свой собственный предел максимального количества экземпляров. Документация
Compute Engine — виртуальные машины с оптимизированными вычислениями (C2): alpha
В этом выпуске представлено новое семейство экземпляров виртуальных машин, которые оптимизированы для согласованных высокопроизводительных рабочих нагрузок и обеспечивают повышение производительности более чем на 40% по сравнению с текущими виртуальными машинами GCP. Используя масштабируемые процессоры Intel Xeon второго поколения, виртуальные машины C2 могут работать на постоянной тактовой частоте 3,8 ГГц. Блог
Compute Engine — виртуальные машины с оптимизированной памятью (M2): альфа
Виртуальные машины M2 предлагают самую высокую конфигурацию памяти для виртуальной машины Compute Engine. Они идеально подходят для нагрузок с интенсивным использованием памяти, таких как большие базы данных в памяти и аналитические данные в памяти. Наши новейшие дополнения предлагают до 12 ТБ памяти и 416 виртуальных ЦП. Блог
Cloud Run: бета
Cloud Run переносит серверы в контейнеры, абстрагируя все управление инфраструктурой, так что вы можете сосредоточиться на создании приложений. Теперь вы можете запускать HTTP-контейнеры без сохранения состояния в полностью управляемой среде или в вашем кластере Kubernetes Engine. Страница продукта | Блог
Compute Engine — явная локализация для снимков: GA
Теперь клиенты могут контролировать локальность данных при создании снимков зональных или региональных постоянных дисков. Для хранения снимков клиенты могут выбрать мультирегиональное хранилище облачного хранилища (доступно в США, Европе и Азии) или определенный регион облачного хранилища. Документация

УПРАВЛЕНИЕ API
Установщик Apigee Edge для Pivotal Cloud Foundry: GA
Этот последний выпуск BOSH упрощает установку, управление и обслуживание Apigee Edge для частного облака 4.19.01. Одной из ключевых новых функций является новый интерфейс Apigee Edge и поддержка спецификации OpenAPI v3. Документация

ИНСТРУМЕНТЫ УПРАВЛЕНИЯ
Stackdriver Profiler: GA
Этот статистический профилировщик с минимальными накладными расходами позволяет непрерывно собирать информацию об использовании ЦП и распределении памяти из ваших производственных приложений. Вы можете определить характеристики производительности кода, например, какие части потребляют больше всего ресурсов. Документация

ИНСТРУМЕНТЫ РАЗРАБОТЧИКА
Облачный код
Этот новый набор плагинов для IntelliJ и Visual Studio Code помогает ускорить
Страница услуги. Блог

Регистрация для Google Маркетинг Прямой трансляции на 14 мая

Будьте первым, чтобы услышать о последних инновациях в Google маркетинг Живая 2019


Присоединяйтесь к нам для Keynote Объявления Innovations и узнать о новейших цифровых маркетинговых продуктах от Google. Впервые, мы также будем жить потокового 8+ часов дополнительного контента из события. Заниматься непосредственно с менеджерами продуктов через живой Q & A, изучать новые лучшие практики, а также получить взгляд изнутри на то, как развиваются наши продукты.

Регистрация для прямой трансляции, то настроиться на вторник, 14 мая в 9 утра PT / 12 вечера ET.
adsonair.withgoogle.com/events/marketinglive

Google Cloud сначала предлагает графические процессоры NVIDIA Tesla T4



Сегодня мы рады сообщить, что Google Cloud Platform (GCP) — первый крупный поставщик облачных вычислений, предлагающий доступность для графического процессора NVIDIA Tesla T4. Теперь доступный в альфа, T4 GPU оптимизирован для вывода машинного обучения (ML), распределенной подготовки моделей и компьютерной графики.

Быстрый, экономически эффективный вывод ML
По сравнению с другими методами искусственного интеллекта вывод ML требует особо высокопроизводительных вычислений с низкой задержкой. Благодаря поддержке Turing Tensor Core для прецизионных режимов FP32, FP16, INT8, NVIDIA Tesla T4 обеспечивает до 130 TFLOPS производительности вывода вывода ML с задержкой до 1,1 мс *. Кроме того, 16-гигабайтная высокоскоростная память GPU T4 помогает поддерживать как крупные модели ML, так и выполнять вывод на нескольких моделях ML одновременно для большей эффективности вывода. Наконец, T4 является единственным графическим процессором, который в настоящее время предлагает поддержку точности INT4 и INT1 для еще большей производительности.

Предлагая недорогой вариант для обучения моделях ML
Многие из вас также сказали нам, что вы хотите, чтобы GPU поддерживал вычисления с медной точностью (как FP32, так и FP16) для обучения ML с отличной ценой / производительностью. 65 TFLOPS T4 для гибридных FP32 / FP16 ML и 16 ГБ памяти GPU решают эту потребность для многих распределенных тренировок, обучения подкреплению и других нагрузок ML. Цены на T4 будут доступны во время бета-объявления.

Нагрузочные графические рабочие нагрузки
Благодаря новым графическим функциям с аппаратным ускорением Tesla T4 также является отличным выбором для требовательных графических рабочих нагрузок, таких как трассировка лучей в реальном времени, автономный рендеринг или любое приложение, использующее технологию RTX от NVIDIA. Архитектура Тьюринга T4 позволяет спланировать трассировку лучей в реальном времени, AI, имитацию и растеризацию, чтобы обеспечить новый многоуровневый подход к рендерингу компьютерной графики. В то же время специализированные процессоры трассировки лучей, называемые RT Cores, могут отображать, как лучи света движутся в трехмерных средах.

Мы хотим упростить вам использование Tesla T4. Вы можете быстро начать работу с Compute Engine (GCE) с помощью наших изображений Deep Learning VM, которые предварительно настроены на все, что вам нужно для выполнения высокопроизводительных рабочих нагрузок. Кроме того, поддержка T4 скоро появится в Google Kubernetes Engine (GKE) и других службах GCP.
cloud.google.com/deep-learning-vm/

В режиме реального времени визуализация и интерактивные нагрузки на вывод требуют низкой латентности для конечных пользователей. Продвинутые в отрасли сетевые возможности GCP вместе с нашим предложением T4 позволяют вам внедрять инновации по-новому, ускоряя ваши приложения, одновременно сокращая затраты. Масштаб GCP позволяет вам перейти от разработки к развертыванию на производство на тысячи графических процессоров с помощью простого вызова API. Вы также можете оптимизировать цену и производительность, подключив до 4 T4 графических процессоров в любую пользовательскую форму виртуальной машины.
cloud.google.com/custom-machine-types/

Зарегистрироваться
Вы можете зарегистрироваться для раннего доступа к NVIDIA T4 на GCP здесь. Доступность во время альфы ограничена, поэтому зарегистрируйтесь сейчас. Для получения дополнительной информации посетите страницу нашего GPU.
docs.google.com/forms/d/e/1FAIpQLSfc_5IyMpoIsgQ3vNggPvKkTjlI1wbb4WDSbYWFkvZdh2orOw/viewform

Google Cloud Platform: Your cloud destination for mission critical SAP workloads

На этой неделе SAP выпустила свою ежегодную конференцию TechEd, и мы подумали, что мы поделимся обновлением о новых возможностях и интеграции, которые мы создали в сотрудничестве с SAP, чтобы предоставить клиентам больше возможностей и возможностей инфраструктуры для их рабочих нагрузок.

Оптимизируйте свои рабочие нагрузки с помощью настраиваемых типов машин
Пользовательские типы машин теперь позволяют вам правильно настроить рабочую нагрузку SAP, настроив оптимальное количество CPU и памяти. Мы работали с SAP для определения продуктивной поддержки использования пользовательских машин для приложений SAP. Сочетание правильной калибровки с пользовательскими машинами и скидки на постоянное использование могут обеспечить потенциальную экономию средств, превышающую 50% расходов на инфраструктуру.

Вот как это работает. Размер рабочей нагрузки SAP обычно выполняется с использованием SAPS (стандарт производительности приложения SAP). Предположим, вы определили, что для того, чтобы точно достичь SAPS, необходимого для вашей рабочей нагрузки SAP, вам понадобится 20vCPU. Без сертификации для настраиваемых машин для приложений SAP вам может потребоваться предоставить предопределенный тип машины либо 16vCPU (по условию), либо 32vCPU (за предоставление). Однако с помощью специализированных машин вы можете предоставить машину с 20vCPU и заплатить точно за то, что вам нужно (20vCPU против 32vCPU). И если ваши характеристики нагрузки меняются в будущем, вы можете легко увеличить размер своего компьютера, просто перезапустив машину с большим количеством vCPU.

Вот текущее состояние сертификатов для рабочих нагрузок SAP для пользовательских типов машин:


Объявление поддержки динамического уровня
Динамическое многоуровневое построение SAP HANA обеспечивает расширенное хранилище на жестких дисках большого объема для ваших теплых данных SAP HANA. Это позволяет хранить только самые полезные или активные данные в памяти, тем самым снижая затраты. Динамическое выравнивание также обеспечивает расширяемость, поскольку вы можете использовать те же инструменты, которые вы используете для запроса SAP HANA с данными, хранящимися в хранилище динамического уровня.

Сегодня мы объявляем о продуктивной поддержке динамического уровня на GCP для ваших рабочих нагрузок SAP HANA. Чтобы убедиться, что у вас есть лучший опыт работы с GCP, мы провели серию функциональных тестов, включая запросы, резервное копирование, мониторинг и операции, а также следовали правилам определения размеров и определили оптимальные требования к хранению, созданию сетей, процессору и памяти.

Более подробную информацию о требованиях к ресурсам можно найти в нашей документации по планированию.

Новая сертификация для резервного копирования SAP HANA в облачное хранилище Google
Backint для SAP HANA — это исполняемая программа, которая может быть реализована третьей стороной, такой как Google Cloud, и установлена ​​в вашей среде SAP HANA, чтобы вы могли выполнить резервное копирование на сторонний сервер. Мы разработали исполняемый файл Backint, который может создать резервную копию вашей базы данных SAP HANA в хранилище Google Cloud Storage, и мы работали с SAP, чтобы убедиться, что этот интерфейс отвечает всем требованиям их сертификации для резервного копирования и восстановления в SAP HANA.

Эти возможности платформы доступны теперь клиентам:
  • Планируемая минимизация времени простоя посредством живой миграции.
  • Более 1 бит / сек общей пропускной способности для подключения к сети для подключения приложений, требующих высокопроизводительной сети.
  • Шифрование данных в состоянии покоя и в пути.
  • Шифрование контролируется клиентами, использующими ключи шифрования клиентов поставщика.
  • 4TB VM сертифицированы для SAP HANA.

Управляемые партнером управляемые службы для SAP HANA, которые включают экземпляры SAP HANA, которые могут быть такими же, как любое сертифицированное оборудование SAP HANA, доступное на рынке сегодня.

И мы очень рады новой интеграции с SAP в ближайшее время, в том числе:
  • Виртуальные машины, поддерживаемые будущей постоянной памятью Intel Optane DC Persistent Memory для рабочих нагрузок SAP HANA.
  • 12 и 18 ТБ в 2019 году.

cloud.google.com/sap/

BigQuery и суррогатные ключи: практический подход

При работе с таблицами в средах хранилища данных довольно часто встречается ситуация, при которой вам нужно генерировать суррогатные ключи. Суррогатный ключ — это сгенерированный системой идентификатор, который однозначно идентифицирует запись в таблице.

Почему нам нужно использовать суррогатные ключи? Совершенно просто: вопреки естественным ключам они сохраняются с течением времени (т. Е. Они не привязаны ни к каким бизнес-значениям), и они допускают неограниченные значения. Подумайте о таблице, которая собирает данные IoT с нескольких устройств в разных регионах: поскольку вы хотите хранить неограниченные данные, и у вас могут быть возможные совпадения с идентификаторами устройств, суррогатные ключи помогут многозначительно идентифицировать запись. Другим вариантом использования может быть таблица «items», в которой вы хотите хранить информацию, связанную не только со статьями, но и с историей изменений, сделанных на данных: даже в этом случае суррогатные ключи могут быть изящным решением, позволяющим легко присваивать уникальные идентификаторы всем записям



Как сгенерировать суррогатные ключи
Обычный способ генерации суррогатных ключей — назначить инкрементный номер каждой строке таблицы: вы можете достичь этой цели, используя стандартную функцию
ROW_NUMBER() OVER({window_name | (window_specification)})


SELECT 
	ROW_NUMBER() OVER() AS SurrogateKey,
	*
FROM `bigquery-samples.wikipedia_benchmark.Wiki1M`



К сожалению, этот подход ограничен. Для реализации ROW_NUMBER () BigQuery необходимо сортировать значения в корневом узле дерева выполнения, который ограничен объемом памяти в одном узле выполнения.

Общее решение заключается в разделении данных с использованием предиката PARTITION в сочетании с полями раздела, чтобы получить уникальный идентификатор для каждой строки.


Альтернативный подход
Другое решение, которое вы можете принять, особенно в потоковых сценариях, зависит от хэш-функций. Поскольку этот шаблон вычисляет суррогатные значения ключа во время выполнения, его можно применять к наборам данных любого измерения. Идея состоит в том, чтобы вычислить SHA256 дайджест выбранных полей записи и использовать результат в качестве суррогатного ключа.

Возможны два возможных подхода:
INSERT INTO, когда новые записи должны быть вставлены в таблицу (воспроизведение с внутренним запросом для выбора целевых данных, которые необходимо вставить в таблицу целей)

INSERT INTO `MyPrj.MyDataset.Wiki100B_With_SK`
(SurrogateKey,year,month,day,wikimedia_project,language,title,views)
SELECT (SHA256(title)) AS SurrogateKey,*
FROM `bigquery-samples.wikipedia_benchmark.Wiki100B`


UPDATE, когда существующие записи необходимо обновить (играть с фильтрами, чтобы выбрать правильные данные для обновления)
UPDATE `MyPrj.MyDataset.Wiki100B_With_SK`
SET SurrogateKey = (SHA256(title))
WHERE year = 2010


Когда вы планируете свои действия, обратите внимание, что вы ограничены 1000 операций INSERT на таблицу в день и 200 операций UPDATE на таблицу в день.

В случае дублирования записей в исходной таблице случайное значение может быть объединено до вычисления дайджеста: это уменьшит вероятность столкновения с конфликтами. Если вы хотите быть в курсе будущих дополнений, подумайте о закладке страницы заметок выпуска.



Другим способом достижения такого же результата является использование новой функции GENERATE_UUID (), которая генерирует уникальный идентификатор для каждой строки результата запроса во время выполнения. Сгенерированный ключ будет строчной строкой, состоящей из 32 шестнадцатеричных цифр в пяти группах, разделенных дефисом в форме 8-4-4-4-12.
SELECT 
GENERATE_UUID() AS SurrogateKey,
*
 FROM `bigquery-samples.wikipedia_benchmark.Wiki100B`



Вывод
Суррогатные ключи распространены в средах хранилища данных, поскольку они:
  • Контекстно-независимый
  • Больше совместимости с будущим
  • Потенциально бесконечно масштабируемый

BigQuery предоставляет конечным пользователям возможность легко справляться с суррогатными ключами, позволяя их генерировать и обновлять по шкале.
cloud.google.com/blog/products/data-analytics/bigquery-and-surrogate-keys-practical-approach