추가 적립 안내

다양한 구글 클라우드 플랫폼 제품으로 만나는 클라우드 애플리케이션의 신세계
워드프레스 웹 앱 호스팅부터 클라우드 기반 AI 서비스 명령까지
구글 수석 소프트웨어 엔지니어가 알려 주는 구글 클라우드 플랫폼의 모든 것!

전 세계의 수많은 개발자가 구글 클라우드 플랫폼을 신뢰한다. 이 구글 클라우드 플랫폼을 통해 검색을 할 수 있고, 지도 기능을 사용할 수 있으며, 일반적으로 사용하는 도구로 인프라에서 애플리케이션을 호스팅할 수 있다. 또한, 구글 클라우드 플랫폼은 견고한 안정성과 놀라운 서비스 조합을 보여주고 있으며, 사용한 만큼만 과금되는 요금 체계를 갖고 있다.

이 책을 통해 실제 구글 클라우드 플랫폼에 확장할 수 있는 클라우드 애플리케이션 배포 방법을 배울 수 있다. 저자이자 구글 소프트웨어 엔지니어인 제이 제이 지웍스는 간단한 워드프레스 웹 앱 호스팅부터 컴퓨터 비전 및 자연어 처리를 위한 클라우드 기반 AI 서비스 명령에 이르기까지 독자들이 모든 것을 할 수 있도록 이끌어 줄 것이다. 독자들은 이 과정을 통해 클라우드 기반 데이터 스토리지를 극대화하고, 클라우드 기능으로 서버리스 애플리케이션을 구현하며, 쿠버네티스로 컨테이너를 관리하는 방법을 알게 될 것이다. 또한, 이 책은 중급 개발자에 맞춰 집필되었지만, 클라우드나 구글 클라우드 플랫폼 사용 경험이 없어도 읽을 수 있도록 구성되어 있다.

이 책의 주요 내용
■ 클라우드 스토리지와 컴퓨팅의 다양한 종류
■ 비용을 효율적으로 선택하는 방법
■ 다양한 실습 예제 코드
■ 클라우드 기반 머신러닝

Urs Holzle
실제로 GCP를 사용하는 방법을 시연하고, 내부적으로 어떻게 동작하는지 설명한다.

Max Hemingway
훌륭한 예제를 통해 구글 클라우드에 대한 강력한 통찰력을 제공한다.

Michal Ambroziewicz
개발자뿐만 아니라 아키텍처와 관리자도 구글 클라우드로 마이그레이션할 때 유용하게 활용할 수 있는 자산이다.

Grzegorz Bernas
애저 사용자로서 구글 클라우드에 대한 훌륭한 통찰력을 얻을 수 있었고, 두 가지를 비교해 볼 수 있던 필독서다.

PART I 시작하기 1
CHAPTER 1 클라우드란 무엇인가? 3
1.1 구글 클라우드 플랫폼이란 무엇인가? 4
1.2 왜 클라우드를 사용할까? 5
1.3 클라우드 서비스에서 기대할 수 있는 것 7
1.4 클라우드용 애플리케이션 빌드 10
1.5 구글 클라우드 플랫폼 시작하기 15
1.6 구글 클라우드 플랫폼과의 상호작용 20
요약 26
CHAPTER 2 시도하기: 구글 클라우드에 워드프레스 배포하기 27
2.1 시스템 구조 개요 28
2.2 데이터베이스 알아보기 29
2.3 워드프레스 VM 배포하기 35
2.4 워드프레스 구성하기 37
2.5 시스템 리뷰 40
2.6 끄기 41
요약 42
CHAPTER 3 클라우드 데이터 센터 43
3.1 데이터 센터 위치 44
3.2 격리 수준 및 내결함성 47
3.3 안전 문제 51
3.4 리소스 격리 및 성능 54
요약 56

PART II 저장소 57
CHAPTER 4 Cloud SQL: 매니지드 관계형 스토리지 59
4.1 Cloud SQL이란 무엇인가? 60
4.2 Cloud SQL 사용 60
4.3 운영환경을 위한 Cloud SQL 구성 66
4.4 스케일 업(및 다운) 74
4.5 복제 76
4.6 백업 및 복원 81
4.7 가격 책정의 이해 88
4.8 언제 Cloud SQL을 사용해야 할까? 89
4.9 비용 92
4.10 MySQL을 실행하는 VM으로 Cloud SQL 산정 94
요약 96
CHAPTER 5 Cloud Datastore: 문서 저장소 97
5.1 Cloud Datastore란 무엇인가? 99
5.2 Cloud Datastore와의 상호작용 111
5.3 백업 및 복원 117
5.4 가격 책정의 이해 120
5.5 언제 Cloud Datastore를 사용해야 할까? 122
요약 128
CHAPTER 6 Cloud Spanner: 대규모 SQL 129
6.1 NewSQL이란 무엇인가? 130
6.2 Spanner란 무엇인가? 130
6.3 개념 131
6.4 Cloud Spanner와의 상호작용 134
6.5 고급 개념 145
6.6 가격 책정의 이해 167
6.7 언제 Cloud Spanner를 사용해야 할까? 168
요약 173
CHAPTER 7 Cloud Bigtable: 대규모의 구조화된 데이터 175
7.1 Bigtable이란 무엇인가? 176
7.2 개념 180
7.3 Cloud Bigtable과의 상호작용 191
7.4 가격 책정의 이해 203
7.5 Cloud Bigtable은 언제 사용해야 할까? 205
7.6 Bigtable과 HBase의 차이점은 무엇인가? 210
7.7 사례 연구: InstaSnap 권장 사항 211
요약 219
CHAPTER 8 Cloud Storage: 오브젝트 스토리지 221
8.1 개념 222
8.2 Cloud Storage에 데이터 저장 223
8.3 올바른 저장소 클래스 선택 227
8.4 권한 제어 230
8.5 객체 버전 243
8.6 객체 수명주기 247
8.7 변경 알림 250
8.8 일반적인 사용 사례 253
8.9 가격 책정의 이해 256
8.10 Cloud Storage는 언제 사용해야 하나? 262
요약 265

PART III 컴퓨팅 267
CHAPTER 9 Compute Engine: 가상 머신 269
9.1 첫 번째(혹은 두 번째) 가상머신 시작하기 270
9.2 영구 디스크를 이용한 블록 저장소 272
9.3 인스턴스 그룹 및 동적 리소스 292
9.4 선점형 VM을 사용한 단기 수명 컴퓨팅 304
9.5 로드 밸런싱 308
9.6 클라우드 CDN 316
9.7 가격 책정의 이해 322
9.8 언제 GCE를 사용해야 할까? 330
요약 335
CHAPTER 10 쿠버네티스 엔진: 관리형 쿠버네티스 클러스터 337
10.1 컨테이너란 무엇인가? 338
10.2 도커란 무엇인가? 341
10.3 쿠버네티스란 무엇인가? 341
10.4 쿠버네티스 엔진이란 무엇인가? 346
10.5 쿠버네티스 엔진과의 상호작용 346
10.6 클러스터 유지보수 359
10.7 가격 책정의 이해 364
10.8 쿠버네티스 엔진은 언제 사용해야 할까? 365
요약 370
CHAPTER 11 App Engine: 완전 관리형 애플리케이션 371
11.1 개념 372
11.2 App Engine과의 상호작용 378
11.3 애플리케이션 스케일링 398
11.4 App Engine Standard의 관리 서비스 사용 408
11.5 가격 책정의 이해 417
11.6 언제 App Engine을 사용해야 할까? 418
요약 423
CHAPTER 12 Cloud Functions: 서버리스 애플리케이션 425
12.1 마이크로서비스란 무엇인가? 425
12.2 Google Cloud Functions란 무엇인가? 427
12.3 Cloud Functions와의 상호작용 431
12.4 고급 개념 435
12.5 가격 책정의 이해 445
요약 446
CHAPTER 13 Cloud DNS: 관리형 DNS 호스팅 447
13.1 Cloud DNS란 무엇인가? 448
13.2 Cloud DNS와의 상호작용 451
13.3 가격 책정의 이해 458
13.4 사례 연구: 부팅 시 DNS 이름 부여 460
요약 465

PART IV 머신러닝 467
CHAPTER 14 Cloud Vision: 이미지 인식 469
14.1 이미지 주석 달기 470
14.2 가격 책정의 이해 486
14.3 사례 연구: 유효한 프로필 사진 적용 486
요약 488
CHAPTER 15 Cloud Natural Language: 텍스트 분석 489
15.1 Natural Language API는 어떻게 작동하는가? 490
15.2 감정 분석 491
15.3 엔티티 인식 495
15.4 문법 분석 500
15.5 가격 책정의 이해 502
15.6 사례 연구: InstaSnap 해시 태그 제안 503
요약 507
CHAPTER 16 Cloud Speech: 오디오-텍스트 변환 509
16.1 간단한 음성 인식 511
16.2 연속 음성 인식 513
16.3 사용자 정의 단어와 구문으로 힌트 주기 514
16.4 가격 책정의 이해 516
16.5 사례 연구: InstaSnap 비디오 캡션 516
요약 520
CHAPTER 17 Cloud Translation: 다국어 기계 번역 521
17.1 Translation API는 어떻게 작동할까? 523
17.2 언어 감지 525
17.3 텍스트 번역 528
17.4 가격 책정의 이해 530
17.5 사례 연구: InstaSnap 캡션 번역 530
요약 533
CHAPTER 18 클라우드 머신러닝 엔진: 매니지드 머신러닝 535
18.1 머신러닝이란 무엇인가? 535
18.2 Cloud Machine Learning Engine이란 무엇인가? 541
18.3 클라우드 ML Engine과의 상호작용 548
18.4 가격 결정의 이해 565
요약 569

PART V 데이터 처리 및 분석 571
CHAPTER 19 BigQuery: 확장성이 뛰어난 데이터웨어하우스 573
19.1 BigQuery란 무엇인가? 573
19.2 BigQuery와의 상호작용 581
19.3 가격 책정의 이해 597
요약 599
CHAPTER 20 Cloud Dataflow: 대규모 데이터 처리 601
20.1 Apache Beam이란 무엇인가? 603
20.2 Cloud Dataflow란 무엇인가? 611
20.3 Cloud Dataflow와의 상호작용 612
20.4 가격 결정의 이해 621
요약 622
CHAPTER 21 Cloud Pub/Sub: 관리 이벤트 퍼블리싱 623
21.1 메시지 처리의 어려움 624
21.2 Cloud Pub/Sub란 무엇인가? 624
21.3 메시지의 수명 624
21.4 개념 627
21.5 시도해 보기 632
21.6 푸시 구독 636
21.7 가격 정책의 이해 638
21.8 메시징 패턴 640
요약 645

찾아보기 647

스토리지(Storage)는 컴퓨팅에서 반드시 필요한 부분이다. 작업을 마쳤을 때 데이터를 저장할 수 없는 상황을 상상이나 할 수 있을까? 클라우드에서의 스토리지는 지금까지 컴퓨팅에서 본 것과 같은 패턴으로 물리 리소스 관리를 추상화한다. 특별할 것이 없어 보이지만, 사실 데이터 저장은 복잡한 일이다. 예를 들어, 다음과 같은 질문들이 나올 수 있다. 인터넷 사용자의 다운로드 속도를 높이기 위해 엣지 캐시가 필요한가? 처리량이나 지연시간을 최적화하고 있나? "첫 번째 바이트 전송까지 시간"이 수 초가 걸린다면 만족스러울까? 데이터 가용성이 얼마나 필요한가? 얼마나 많은 동시 사용자를 지원할 필요가 있을까?
_8페이지

이전에 App Engine Datastore라고 불렸던 Cloud Datastore는 원래 구글에서 제작한 메가스토어(Megastore)라는 스토리지 시스템에서 비롯된 것이다. 구글 App Engine에 데이터를 저장하는 기본 방법으로 처음 출시되었으며, 구글 클라우드 플랫폼의 일부로 독립형 스토리지 시스템으로 성장했다. 예상해 볼 수 있듯이 대규모 데이터를 처리하도록 설계되었으며, 다른 문서 저장 시스템에서 흔히 발생하는 많은 절충점을 만들었다.
_99페이지

영구 디스크(Persistent Disk)는 외장 하드 드라이브와 비슷하다. 하드 드라이브와 마찬가지로 다양한 크기(예: 100GB 또는 1TB)로 사용할 수 있으며, 물리적으로는 비슷한 방식으로 컴퓨터에 가상으로 연결하여 저장되어 있는 데이터를 볼 수 있다. 기본 필수 저장소처럼 들릴 수도 있지만, 원래 이 저장소는 완전 임시 저장소였다. 컴퓨터를 다시 시작할 때마다 로컬 디스크에 저장된 모든 데이터가 완전히 사라져서 위험한 상태가 될 수 있었다.
_272페이지

레이블은 Cloud Vision이 이미지에서 인식한 개념에 대한 간단한 텍스트 설명이다. 배운 바와 같이, 레이블은 이미지에서 발견되는 물리적인 것에 국한되지 않으며, 다른 많은 개념이 될 수 있다. 또한, 이미지 인식은 절대적인 사실로 이어지는 활동이 아니라는 것을 기억하는 것이 중요하다. 여러분이 나무처럼 보이는 것이 알고리즘으로는 전신주처럼 보일 수 있다. 일반적으로 나중에 사람이 결과를 검증할 수 있는 제안으로 처리하는 것이 가장 좋다. Cloud Vision API에서 이미지에 레이블 주석을 달라고 요청하는 코드를 살펴보도록 하자. 먼저, 서비스 계정을 설정하고, 자격 증명을 다운로드해야 한다.
_471페이지

데이터를 변형하고, 질을 높이고, 요약하는 기능은 유용할 수 있지만, 코드에서 이러한 작업을 수행하려 한다면 분명 쉽지 않을 것이다. 코드에서 "어딘가에서 데이터를 가져와서 데이터와 데이터를 결합하고 계산을 실행하여 각 항목에 새 필드를 추가하는" 코드를 작성해야 한다. 다양한 목적으로 파이프라인을 여러 가지 방법으로 표현할 수 있지만, Apache Beam은 데이터 처리 파이프라인을 처리하려고 할 때 상당히 적합하다. Beam은 파이썬과 자바 모두에서 바인딩이 있는 프레임워크로 다양한 입력 데이터와 출력 데이터 작업뿐만 아니라 다양한 내장 데이터 변환을 사용하여 데이터 처리 파이프라인을 나타낼 수 있다.
_603페이지