[cloud onair] #01 徹底解剖 gcp のここがすごい
TRANSCRIPT
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