Cloud Onr

Cloud OnAir

Cloud OnAir

徹底解剖 GCP のここがすごい第 1 回放送 - 10 月 5 日

Agenda

Cloud OnAir

1

3

2

4

Google Cloud 何ができる？

Google Cloud 何が違う？

Google Cloud 事例

Questions

Cloud OnAir

Cloud OnAir

Google Cloud 何ができる？

Cloud OnAir

Google Cloud

10 億人ユーザーを抱えるプロダクト

Cloud OnAir

Google Cloud

革新的なアプリ、ユーザーエクスペリエンスの開発

セキュアなモバイル・デバイスを

通じてチームの生産性向上

インフラコストの最適化及び

スケールの達成

データの有効利用とビジネスの

見通し予測

サービスそしてパートナーのビジネス

プラットフォームとの接続

ビジネスのクラウド化が進む複数の要因

Cloud OnAir

Google Cloud

LANGUAGE API

VISION API

APP ENGINE

COMPUTE ENGINE

CONTAINER ENGINE

BIG QUERY

DATA FLOW

MACHINELEARNING

CLOUD STORAGE

NETWORKING COMPUTEENGINE

組織, モビリティ, デバイス

ビジネスプラットフォームの接続

アプリ開発 & 運用

データ分析 & 機械学習

インフラ, ストレージ, ネットワーク

セキュリティ / スケール / 管理

Cloud OnAir

Cloud OnAir

Google Cloud 何が違う？

新規アプリの開発App Engine, Kubernetes, Firebase, Cloud Functions

安全で信頼性の高いインフラ

100+ POPs globally; 750+ security engineers

エコシステムの接続及び成長Ready APIs (Maps, Vision, Translate etc.), Apigee, OrbitEra

データの有効活用Machine Learning & Data Analytics: Cloud ML, TensorFlow, BigQuery

生産性の高い組織・モバイル & デバイス

G-Suite; Chrome and Android

グローバル拠点

現在のリージョンとゾーン数

POP

ネットワーク経路

2017年に作成されるリージョンとゾーン数

#

# https://peering.google.comhttps://cloud.google.com/compute/docs/regions-zones/regions-zones

2

3

シンガポール2

サウスカロライナ

バージニア北部

ベルギー

ロンドン

東京

台湾ムンバイ

シドニー

オレゴンアイオワ

フランクフルト

サンパウロ

フィンランド

3

3

33

3

3

2

43

3

3

Google のセキュリティ専任部門

● 750 名を超えるセキュリティエンジニア

● アプリ設計からインフラ運用まで深く関与

● 自社だけではなく、世界へも貢献

　 Heartbleed (OpenSSLの脆弱性)

　 “デフォルトで暗号化” ポリシー

　 脆弱性発見報奨プログラム

　 Windows OS の脆弱性

　 250 以上のセキュリティ研究論文

セキュリティ認証 データの利用と保護

Prepared for Hong Leong Bank. Google Proprietary and Confidential.

その他

独立した機関による認証

Cloud OnAir

Cloud OnAir

Big Data

Proprietary + Confidential

現在: 典型的な Big Data 作業

次世代:Big Data with Google

分析及び洞察

リソース・プロビジョニング

パフォーマンスチューニング

モニタリング

信頼性向上配布・展開及び設定

スケールアップの取扱

利用率改善

分析及び洞察

理解

全てを自動化

Cloud OnAir

BigQuery とは？

SQL, ODBC, JDBC といった業界標準対応

フルマネージド及び NoOps

ペタ規模のデータに対する高速クエリー

Google 発のデータウェアハウス

Cloud OnAir

Cloud OnAir

機械学習

Cloud OnAir Proprietary & Confidential

検索

検索ランキング

音声認識

Androidキーボード及び

音声入力

Gmailスマートリプライ

スパムの分類

ドライブ

知能をもったアプリ

Chrome画像検索

アシスタント横断的な機能活用

マップ

地域検索のパース

翻訳

テキスト、画像、音声の翻訳

Cardboardスマートスティッチング

フォト

写真検索

機械学習もたらすユーザー・エクスペリエンス

Cloud OnAir

カスタムデータ及びカスタムモデル 利用可能な機械学習モデル

Cloud Vision API

Cloud Translation API

Cloud Natural

Language API

Cloud Speech API

Cloud Machine Learning Engine

TensorFlow

Cloud Jobs API

Cloud VideoIntelligence

２種類の機械学習形態

Cloud OnAir

Cloud OnAir

アプリ開発

Cloud OnAir

IaaS と PaaS

PaaSJava, Go, PHP, Python

焦点はアプリケーションロジック

使用した分だけの支払い管理オーバーヘッドの削減

IaaSコンピュート

ストレージ、ネットワークよりきめ細かなコントロール

割り当てた分の支払い管理オーバーヘッドの増大

マネージド 　インフラ

ストラクチャ

マネージド サービス

Compute Engine App Engine

Cloud OnAir

Google App Engine とは

● スケーラブルなウェブアプリケーションや、モバイ

ルバックエンドを構築するためのプラットフォーム （Platform as a Service）

● App Engine がデプロイやメンテナス、

スケーラビリティを容易にし、貴社は

アプリケーションの開発に集中することが

できます。

Cloud OnAir

Cloud OnAir

G Suite生産性向上

連絡・共有 コメント付与 資料を統合新規作成

従来の働き方

G Suiteによる働き方

共同編集新規作成

G Suite

Confidential + Proprietary

“ 検索せずに

必要な情報を得る”メール、カレンダー、ドライブ等のアプリ横断検索

スケジュールに合わせたコンテンツのプッシュ表示

チームメンバーが作成編集、参照したコンテンツ表示

Google Cloud Search

機械学習

コミュニケーション

Gmail Hangouts Calendar Google+ Drive

ストレージ

Docs Sheets Forms Slides Sites

コラボレーション

Admin Vault

管理・監査

Cloud OnAir

Cloud OnAir

Google Cloud 事例

スケールするユーザーエ

クスペリエンス

“Google の助けが無ければ、我々は持続不可能でした。” Niantic CEO

府川 幸太郎 氏任天堂株式会社

ビジネス開発本部 スマートデバイス事業部

事業システム開発グループ

グループマネージャー

“ 『スーパーマリオ ラン』の想定トラフィックが、これまで多くのスマホアプ

リを手がけてきた我々の目から見てもあまりにもケタ違い。そこで、

Google AppEngine（GAE）のような

マネージドサービスを利用して、いくつかの業務を Google さんにシフトするということを提案しました。 ”（DeNA）

“ 負荷試験においても、Google は徹底的にこれにコミッ

ト。アメリカ本社の SRE（Site Reliability Engineering＝サイト信頼性

エンジニアリング）担当者も来日し、『スーパーマリオ ラン』の配信に耐え

うる堅牢なバックエンドを構築。最終的には Datastore へのトラフィックテ

ストにおいて、秒間 300 万アクセスのテストを完了。想定さ

れる数字の数倍ものアクセスにも耐えるシステムが完成しました ”

事例 PDF はこちら

川田 雅人氏ソニーネットワークコミュニケーションズ株式会社

クラウド＆アプリ事業部門 クラウド開発運用部 2 課 課長

“ データ分析の業務において問題となる 80：20 ルールとは、作業時間の 8 割が分

析ではなく、その準備に割かれてしまう状況のこと。データを集めたり、

それを変換・加工したりする前準備にほとんどの時間を費やしてしまい、価値のある

ことには 2 割の時間しか割けていないんです。長らくこの問題に悩まされていたので

すが、マネージドサービスである BigQuery が、我々をこうした準備やインスタ

ンスの容量・性能設計業務から開放、運用に

パラダイムシフトをもたらしてくれました。

マネジメントサービスを導入したことで、これまで頭を悩ませていた監視・メンテナ

ンス業務からデータ分析チームが開放 されたということも

大きかったそう。雑事に謀殺されず、データの利用や、データ構造の

最適化に注力できるようになったことも大きな変化だった。”

事例 PDF はこちら

荻野武 氏キユーピー株式会社

生産本部 生産技術部 次世代技術担当

担当次長

“ ベビーフードの原料となるダイスポテトを検査対象に設定し、

約 1 万 8,000 枚のライン写真を TensorFlow に読み込ませ、

良品・不良品の閾値（しきいち）を徹底的に学習させました。

グローバルかつオープンな TensorFlow は、論文で発表されているアルゴリズ

ムが既に実装されているケースも多く、トライの閾値が低いのです。こう

したエコシステムができあがっていることも TensorFlow の強みと言えるでしょ

う。またブレインパッドさんのおかげで、開発も順調に推移。概念実証（POC）を 11 月頃に行い、

年末にそれを踏まえた構想設計を開始。約 2 ヶ月後の 2 月にはプ

ロトタイプが完成し、4 月上旬にはそれを工場に持ち込んで実証実験を

実施しています。その際、あえて人力で取り除いた不良品を混ぜ込んだ原料を

検査させたのですが、ほぼ正確にそれを指摘してくれるなど、

結果は上々でした ”

事例 PDF はこちら

矢部 俊男氏

森ビル株式会社

都市開発本部 計画企画部 メディア企画部 部長

“ 業務システムの置き換えを検討。いくつかの選択肢の中から、 G Suite が選ばれることになった。私たち不動産会社にとって、

地図は毎日のように使うとても大切なもの。 Google には、Google Maps や、Google Earth など地図サービスが多数用意されていたの

が大きかったですね。ほか、 YouTube の存在も大きかった。独立した

機能をむりやり 1 つのパッケージにしたようなものが多い中、 G Suite はオールインワンで、上手にまとまっているとこ

ろに感心しました。私の部署では、

こうした事務支援ツール “以外” の、他のソリューションとの連

携を特に評価しています。 また ”新しい働きかたができる

可能性を感じた” という声もあります ”

事例 PDF はこちら