【2021年】Google Cloud Platform(GCP)本「人気・高評価のおすすめ 15冊」

■第1章　Google Cloud の基礎知識
01 Google Cloudとは
　～Googleが提供するクラウドサービス
02 Google Cloudのサービス
　～100種類以上のサービスを提供
03 Google Cloudを利用しやすくするしくみ
　～誰でもかんたんにサービスを利用できる
04 Google Cloudの導入事例
　～大手企業や金融機関での採用も多数
■第2章　クラウドのしくみとGoogle の取り組み
05 クラウドとは
　～クラウドはさまざまな価値を提供する
06 パブリッククラウドとプライベートクラウド
　～クラウドの利用形態
07 IaaS、PaaS、SaaS
　～クラウドのサービスが提供する範囲
08 The Datacenter as a Computer
　～Googleのインフラ設計における考え方
09 グローバルなインフラ
　～クラウドのサービスを支える技術
10 クラウドにおけるセキュリティ対策
　～クラウドでもセキュリティ対策は必要
11 ハイブリッドクラウドとマルチクラウド
　～オンプレミスやほかクラウドを利用した構成
12 オープンクラウド
　～クラウドの技術をオープンにする取り組み
■第3章　Google Cloud を使うには
13 Google Cloudを使う流れ
　～Webブラウザさえあればすぐに使える
14 Google Cloudコンソール
　～リソースの操作がGUIで可能
15 リソース階層
　～複数のリソースを管理するしくみ
16 IAM
　～リソースへのアクセスを管理する
17 リージョンとゾーン
　～世界中に展開されているデータセンター
18 Cloud Billing
　～料金を管理するしくみ
■第4章　サーバーサービス「Compute Engine」
19 Compute Engine
　～仮想マシンを作成できるサービス
20 Compute Engineを使う流れ
　～仮想マシンを使うまで
21 Compute Engineの料金
　～使った分だけ払う従量課金制
22 マシンタイプ
　～用途別にまとめられた仮想的なハードウェア
23 Compute Engineのストレージオプション
　～利用できるストレージには種類がある
24 Compute Engineへのアクセス方法
　～アクセスするには複数の方法がある
25 インスタンスのバックアップ
　～インスタンスの復元に利用できる
■第5章　ネットワークサービス「VPC」
26 Google Cloudのネットワーク
　～安全で高速なネットワーク
27 VPC
　～仮想ネットワークサービス
28 デフォルトネットワーク
　～自動で作成されるネットワーク
29 サブネット
　～Google Cloudにおけるサブネットの扱い
30 VPCネットワークの2つのモード
　～サブネットを作成する2つの方法
31 ファイアウォール
　～通信制御を行うしくみ
32 VPCネットワークの拡張
　～VPCネットワークの相互接続や共有
33 ルーティングとNAT
　～セキュアなネットワークを構築する
34 Cloud Load Balancing
　～負荷分散サービス
35 Cloud CDN
　～表示速度を向上させるしくみ
36 Cloud DNS
　～DNSサービス
■第6章　ストレージサービス「Cloud Storage」
37 Cloud Storage
　～安全で信頼性が高いストレージサービス
38 Cloud Storageを使う流れ
　～ストレージを使うまで
39 ストレージクラス
　～用途に応じて選べるストレージ
40 オブジェクトとバケット
　～ファイルと保存する入れ物
41 アクセス制限
　～データの機密性を守るしくみ
42 オブジェクトのアップロードとダウンロード
　～さまざまなアップロード方法を提供
43 バージョニングとライフサイクル管理
　～オブジェクトの履歴を管理する方法
■第7章　コンテナとサーバーレスのサービス
44 コンテナとは
　～アプリケーション単位で仮想化する技術
45 Kubernetes（K8s）
　～コンテナを管理するツール
46 Google Kubernetes Engine（GKE）
　～Google Cloudで使えるKubernetes
47 GKEのアーキテクチャ
　～コンテナを管理するしくみ
48 GKE／K8sを使うメリット
　～GKEとCompute Engineの比較
49 GKEを使用する流れ
　～GKEでコンテナを動かすまで
50 サーバーレスサービス
　～サーバーを意識する必要がないしくみ
51 App Engine
　～Webアプリケーション開発のサービス
52 Cloud Functions
　～関数を実行できるサーバーレスサービス
53 Cloud Run
　～コンテナを動かせるサーバーレスサービス
54 Cloud Build
　～テストやビルドを自動化
■第8章　データベースサービス
55 データベースとは
　～整理されたデータの集合体
56 Google Cloudのデータベースサービス
　～用途別に提供されているデータベース
57 Cloud SQL
　～RDBサービス
58 NoSQLデータベース
　～大規模データを処理できるデータベース
59 そのほかのデータベース
　～インメモリ型などのデータベース
■第9章　データ分析のサービス
60 データ分析とは
　～データ分析が注目を浴びる理由
61 Google Cloudのデータ分析サービス
　～さまざまなデータ分析サービスを提供
62 BigQuery
　～代表的なデータ分析サービス
63 BigQueryを使用する流れ
　～データ分析をするまで
64 BigQueryのベストプラクティス
　～BigQueryのコストを抑制する方法
65 BIツール
　～データを可視化できるサービス
■第10章　そのほかに知っておきたいGoogle Cloudのサービス
66 Anthos
　～オンプレミスとクラウドで一貫した開発と運用
67 Google CloudのAI・機械学習関連サービス
　～かんたんに機械学習できる
68 Operations suite
　～監視・運用ツール

【本書の構成】
第1章　Google Cloud Platformとは？
第2章　GCPの基本を知ろう
第3章　GCPの基本サービスを学ぼう
第4章　高度なサービスを知ろう（その１）
第5章　高度なサービスを知ろう（その２）
第6章　機械学習
第7章　GCPで使えるAPIの紹介
第8章　AWSユーザーへ
第9章　GCPのまとめと今後の展望

吉積礼敏（ヨシズミアヤトシ）
クラウドエース株式会社取締役会長。東京大学工学部精密機械工学科９９年卒。卒業後、アクセンチュアに新卒で入社し、主にインフラ領域を担当。同社にて大規模システム構築プロジェクトを歴任後、退職して吉積情報を創業。１６年クラウドエースを分社創業し代表取締役に。Ｇｏｏｇｌｅのクラウド・エンタープライズ領域のコンサルタントとして活躍し、現在は主に経営に専念しつつ講演・執筆などを行う。ＧｏｏｇｌｅＡｐｐｓのＣｅｒｔｉｆｉｅｄ　Ｄｅｐｌｏｙｍｅｎｔ　Ｓｐｅｃｉａｌｉｓｔの資格を日本人として（Ｇｏｏｇｌｅ社内を除く）初めて取得。ＧＣＰのユーザー会であるＧＣＰＵＧも発起人として活動し全国行脚も実施（本データはこの書籍が刊行された当時に掲載されていたものです）

第1章　Google Cloud Platformの簡易的な紹介
　1.1　Google Cloud Platformとは
　1.2　プロジェクトの準備
　1.3　GCPのプロジェクトの作成
第2章　Google Container Registry
　 2.1　Google Container Registryとは
　2.2　Container Imageの形式
　2.3　GCRにイメージを保存
　2.4　Cloud Storageとの関連性
　2.5　コンテナイメージの脆弱性スキャン
　2.6　まとめ
第3章　Cloud Build
　3.1　Cloud BuildはGCPのCI/CDサービス
　3.2　Cloud Buildで利用可能なコードホスティングサービス
　3.3　Cloud Buildトリガー
　3.4　Cloud Build構成ファイル
　3.5　Cloud BuildでCI/CD基盤構築
　3.6　まとめ
第4章　Kubernetes
　4.1　コンテナ
　4.2　Kubernetesの概要
　4.3　Kubernetesの機能
　4.4　宣言的な構成管理
　4.5　Minikube
　4.6　Kubernetesのアーキテクチャ
　4.7　Kubernetes APIオブジェクト
　4.8　まとめ
第5章　GKE
　5.1　Cloud Consoleで始めるGKE
　5.2　Cloud SDKで始めるGKE
　5.3　GKEを用いたアプリケーションの公開
　5.4　高度なクラスタの構築
　5.5　他サービスとの連携
　5.6　Podのスケールアウトとスケールイン
　5.7　GKEにおける永続ディスク
　5.8　Cloud Buildを用いたGKEへのデプロイ
第6章　Cloud Run
　 6.1　Cloud Run とは？
　6.2　2つのモード
　6.3　実践Cloud Run
　6.4　まとめ
第7章　サービスメッシュ
　 7.1　マイクロサービスアーキテクチャ
　7.2　マイクロサービスの課題
　7.3　stioの概要
　7.4　Istioのアーキテクチャ
　7.5　Istioハンズオン
　7.6　まとめ

第1章　データ基盤の概要
1.1 データ基盤に取り組む意義
1.2 データ基盤とは？
1.3 Google Cloud上で構築するデータ基盤
1.4 まとめ
第2章　BigQueryのコンセプトと利用方法
2.1 DWHとは
2.2 Googleのデータ処理を支える技術
2.3 BigQueryの内部アーキテクチャを理解する
2.4 DWHとしてのBigQueryの基本操作
2.5 BigQueryユーザー向けのクエリの最適化
2.6 まとめ
第3章　データウェアハウスの構築
3.1 データウェアハウスに求められるさまざまな要件
3.2 高可用性、Disaster Recovery計画
3.3 用途別の影響隔離
3.4 サイジング
3.5 目的環境別の影響隔離
3.6 テーブルを設計する
3.7 データの投入
3.8 バックアップとリストア
3.9 BigQueryにおけるトランザクションとパーティションを用いたDMLの最適化
3.10 DMLをまとめる／パーティションの利用
3.11 外部接続の最適化 - Storage APIの利用とBI Engineの利用
3.12 データマートジョブの設計最適化
3.13 まとめ
Column マルチクラウドでのクラウドデータ基盤の利用
第4章　データレイクの構築
4.1 データレイクとは
4.2 Hadoopとは
4.3 Google Cloudで構築するデータレイク
4.4 Google Cloudのおもなデータレイク関連のサービス
4.5 Google Cloudでデータレイクを中心としたデータ分析基盤を構築することのメリット
4.6 オンプレミス環境からGoogle Cloudへのデータレイクの移行
4.7 まとめ
第5章　ETL／ELT処理
5.1 ETL／ELTとは
5.2 ETL／ELT 処理を実施するサンプルシナリオ
5.3 サンプルシナリオ実施用の環境の構築
5.4 BigQueryでのELT
5.5 BigQueryでのETL
5.6 DataflowでのETL
5.7 DataprocでのETL
5.8 サンプルシナリオ実施用の環境の破棄
5.9 その他のETL／ELT処理の実施方法
5.10 ETLとELTの各手法の使い分け
5.11 まとめ
Column Apache BeamとDataflow の関係は？
第6章　ワークフロー管理とデータ統合
6.1 Google Cloudのワークフロー管理とデータ統合のためのサービス
6.2 Cloud Composerの特徴
6.3 Cloud Composerでのワークフロー管理
6.4 Cloud Data Fusionの特徴
6.5 Cloud Data Fusionでのワークフロー管理
6.6 Cloud ComposerとCloud Data Fusionの比較と使い分けのポイント
6.7 まとめ
Column Google Cloudにおけるジョブオーケストレーションの選択肢
第7章　データ分析基盤におけるセキュリティとコスト管理の設計
7.1 Google Cloud Platformのセキュリティサービス
7.2 Google Cloudのリソース構成とエンタープライズ向けの管理機能
7.3 IAMを利用したBigQueryのアクセス制御
7.4 IAMとAccess Control List（ACL）を利用したCloud Storageのアクセス制御
7.5 VPC Service Controlsを利用したアクセス制御とデータ持ち出し防止
7.6 監査
7.7 Security Command Centerを利用したデータリスクの検知と自動修復
7.8 組織のポリシーサービスの適用
7.9 アクセス管理とコスト管理の設計
7.10 まとめ
Column データ暗号化とデータ損失防止
第8章　BigQuery へのデータ集約
8.1 BigQueryへデータ集約を行うメリット
8.2 BigQueryへのデータ集約の方法
8.3 BigQuery Data Transfer Service（BigQuery DTS）
8.4 BigQueryへのデータパイプライン構築
8.5 サービス間連携によるBigQueryへのデータ連携
8.6 まとめ
Column BigQueryのデータ取り込み方法の使い分け
Column Firebaseを用いたデータ分析の活用方法
第9章　ビジネスインテリジェンス
9.1 BIとBIツール
9.2 コネクテッドシート
9.3 データポータル
9.4 Looker
9.5 BIツールと親和性の高いBigQueryの機能
9.6 まとめ
第10章　リアルタイム分析
10.1 リアルタイム分析とユースケース
10.2 リアルタイム分析基盤に求められるもの
10.3 Google Cloudを利用したリアルタイム分析基盤のアーキテクチャ
10.4 Pub/Sub
10.5 Dataflow
10.6 BigQuery
10.7 リアルタイムタクシーデータを用いたリアルタイム分析基盤の構築
10.8 まとめ
Column Dataflow のアーキテクチャと分散処理におけるコンピュート、ストレージ、
メモリの分離
第11章　発展的な分析
11.1 Google Cloudによる発展的な分析
11.2 BigQueryによる地理情報分析
11.3 BigQuery上での機械学習
11.4 AutoML Tables
11.5 AI Platformを活用したデータサイエンスと機械学習
11.6 まとめ
Column Pub/Subのアーキテクチャ

◎第1章　Google Cloud Platformの特徴
1-1　GCPが注目を集める理由
1-2　AWSやAzureにはないGCPの特徴
1-3　現時点のGCPの懸念点
1-4　AWSとGCPの大まかな違い
◎第2章　コンピューティングサービス
2-1　コンピューティングサービスの種類
2-2　Compute Engine
2-3　App Engine
2-4　Kubernetes Engine
2-5　Cloud Functions（ベータ版）
◎第3章　ストレージサービス
3-1　ストレージサービスの種類と使い分け
3-2　Cloud Storage
3-3　Bigtable
3-4　Datastore
3-5　Cloud SQL
3-6　Spanner
◎第4章　ネットワーキングサービス
4-1　ネットワーキングサービスの種類
4-2　VPC
4-3　Cloud Load Balancing
4-4　Cloud CDN
4-5　Cloud DNS
4-6　Cloud Interconnect
◎第5章　ビッグデータサービス
5-1　ビッグデータサービスの種類と使い分け
5-2　Cloud Pub／Sub
5-3　BigQuery
5-4　Cloud Dataflow
5-5　Cloud Dataproc
5-6　Cloud Datalab
◎第6章　機械学習サービス
6-1　機械学習関連サービスの概要
6-2　学習済みAPI
6-3　独自モデル作成支援サービス
◎第7章　アカウント管理・請求管理
7-1　アカウント／請求管理の概要
7-2　請求アカウント管理
7-3　Cloud IAMによるアカウント管理
7-4　GCPにおける監査証跡
◎第8章　運用監視サービス
8-1　運用監視サービスの種類と使い分け
8-2　Stackdriverの基本概念
8-3　運用監視業務を行うためのStackdriver
8-4　効率的なアプリケーション開発を実現するStackdriver
◎第9章　シナリオ　「GCPを活用したWebシステムの設計／構築」
9-1　Lift＆Shift方式で移行
9-2　マネージドサービスを活用
◎第10章　シナリオ　「GCPを活用したハイブリッドクラウド環境の構築」
10-1　導入前の検討内容
10-2　システムアーキテクチャー
◎第11章　シナリオ　「Webサイトと業務システムのデータ統合／分析を小さく始める」
11-1　データをためる場所を作る
11-2　分析のための環境を用意する
11-3　データの入力から加工、蓄積までの流れを作る
11-4　アプリケーションのログを集約する
●Appendix　機械学習サービスの使い方
A-1　学習済みAPIの基本的な使い方
A-2　Cloud Machine Learning Engineの基本的な使い方

遠山陽介（トオヤマヨウスケ）
野村総合研究所基盤インテグレーション推進部グループマネジャー。金融機関のシステム基盤設計・構築に従事した後、各種企業のシステム化構想・計画策定のコンサルティング業務に従事。クラウド活用に関する各種コンサルテーション・マルチクラウド運営サービスを担当。ＧＯＯＧＬＥ　ＣＬＯＵＤ　ＣＥＲＴＩＦＩＥＤ　Ｐｒｏｆｅｓｓｉｏｎａｌ　Ｃｌｏｕｄ　Ａｒｃｈｉｔｅｃｔ

深津康行（フカツヤスユキ）
野村総合研究所基盤インテグレーション推進部上級システムコンサルタント。Ｊａｖａ／Ｗｅｂのアプリケーションフレームワーク製品の開発、導入支援やユーザー企業への提案業務に従事した後、各種企業のクラウド導入計画策定のコンサルティング業務に従事。クラウド活用に関する各種コンサルテーション、マルチクラウド運営サービスを担当。ＧＯＯＧＬＥ　ＣＬＯＵＤ　ＣＥＲＴＩＦＩＥＤ　Ｐｒｏｆｅｓｓｉｏｎａｌ　Ｃｌｏｕｄ　Ａｒｃｈｉｔｅｃｔ

中庄谷哲平（ナカショウヤテッペイ）
野村総合研究所基盤インテグレーション推進部上級テクニカルエンジニア。金融機関のシステム基盤設計・構築・運用維持管理に従事した後、クラウド活用に関するコンサルティング、マルチクラウド運営サービスを担当。ＧＯＯＧＬＥ　ＣＬＯＵＤ　ＣＥＲＴＩＦＩＥＤ　Ｐｒｏｆｅｓｓｉｏｎａｌ　Ｃｌｏｕｄ　Ａｒｃｈｉｔｅｃｔ

小島仁志（コジマヒトシ）
野村総合研究所基盤インテグレーション推進部システムエンジニア。クラウド活用に関するコンサルティング、マルチクラウド運営サービスに従事。ＧＣＰ、ＡＷＳを活用したシステムの方式設計を専門とする。ＧＯＯＧＬＥ　ＣＬＯＵＤ　ＣＥＲＴＩＦＩＥＤ　Ｐｒｏｆｅｓｓｉｏｎａｌ　Ｃｌｏｕｄ　Ａｒｃｈｉｔｅｃｔ（本データはこの書籍が刊行された当時に掲載されていたものです）

第1章　Google Cloud Platformの概要
1.1　Google Cloud Platformへようこそ
　　1.1.1　GCPがもたらすシステムアーキテクチャ
　　　　本書で扱うGCPのサービス
　　　　Google App EngineとGCPの歴史
　　1.1.2　GCPのコンセプト
1.2　Google Cloud Platformを支えるインフラ
　　1.2.1　GCPの全体像
　　1.2.2　ユーザーアカウントとプロジェクト
　　1.2.3　仮想ネットワーク
1.3　はじめてのGoogle Cloud Platform
　　1.3.1　アカウント登録
　　　　［1］登録の開始
　　　　［2］アカウント情報の登録
　　1.3.2　プロジェクトの作成
　　　　［1］プロジェクトの作成
　　　　［2］プロジェクト名の設定
　　1.3.3　Cloud Consoleの使い方
　　　　［1］ツールとサービス
　　　　［2］ダッシュボード
　　　　［3］Cloud Shell
　　1.3.4　Google Cloud Platformの開発／運用管理ツール
　　　　アプリケーション開発ツール
　　　　デバッグ／トレース／分析ツール
　　　　ロギング／モニタリング
　　　　自動デプロイ
第2章　Webアプリケーション実行基盤を構築しよう
2.1　知っておきたいWebシステムを支える技術
　　2.1.1　Webアプリケーションの基礎
　　　　Webアプリケーションとネイティブアプリケーション
　　　　リクエストとレスポンス
　　　　HTTP通信の仕組み
　　2.1.2　データベースの基礎
　　　　データベース
　　　　データ操作言語
　　　　トランザクション処理
　　2.1.3　サーバ仮想化技術の基礎
　　　　ホスト型仮想化
　　　　ハイパーバイザー型仮想化
　　　　コンテナ型仮想化
2.2　Webシステムで利用する主なGCPサービス
　　2.2.1　Google Compute Engine（GCE）
　　　　仮想マシンのスペック
　　　　ストレージ
　　　　ネットワーク
　　　　無停止での仮想マシン運用　　2.2.2　Google Cloud Storage
　　2.2.3　Google Cloud SQL
2.3　GCPを使ったWebシステムのアーキテクチャ
2.4　Webアプリケーションの実行基盤構築
　　2.4.1　要件定義とアーキテクチャ設計
　　　　GCEを使ったサンプルアプリケーション実行環境の構築（v1.0）
　　　　Cloud SQLを使ったデータの管理（v2.0）
　　　　Cloud Storageを使った画像データの保存（v3.0）
　　2.4.2　GCEを使ったサンプルアプリケーション実行環境の構築
　　　　Compute Engineの仮想マシン起動
　　　　Pythonの実行環境構築
　　　　サンプルアプリケーションのデプロイ（v1.0）
　　2.4.3　Cloud SQLを使ったデータの管理
　　　　Cloud SQLのインスタンス作成
　　　　データベースの作成
　　　　サンプルアプリケーションのデプロイ（v2.0）
　　2.4.4　Cloud Storageを使った画像データの保存
　　　　Cloud Storageのバケット作成
　　　　サンプルアプリケーションのデプロイ（v3.0）
第3章　止まらないWebアプリケーション基盤を構築しよう
3.1　知っておきたいネットワーク技術
　　3.1.1　物理ネットワークと仮想ネットワーク
　　3.1.2　IPアドレス
　　3.1.3　ネットワーク通信プロトコル
　　3.1.4　ファイアウォールとルーター
　　3.1.5　DNSの基礎
　　3.1.6　負荷分散の基礎
　　3.1.7　仮想ネットワークの基礎
　　　　物理ネットワークの基礎
　　　　仮想ネットワーク
　　　　仮想ネットワークを実現する技術
3.2　知っておきたいGCPのネットワークの仕組み
　　3.2.1　GCPのネットワーク構成
　　3.2.2　グローバルIPアドレス
　　3.2.3　GCPのファイアウォール機能
　　3.2.4　Cloud Load Balancingによる負荷分散機能
　　3.2.5　Cloud DNSによる名前解決
3.3　Cloud Load Balancingでの負荷分散システム構築
　　3.3.1　負荷分散システムのインフラアーキテクチャ概要
　　3.3.2　仮想マシン起動イメージの作成
　　　　［1］スナップショットの作成
　　　　［2］ディスクの作成
　　　　［3］イメージの作成
　　3.3.3　複数インスタンスの自動生成
　　　　［1］インスタンステンプレートの作成
　　　　［2］インスタンスグループの作成
　　3.3.4　ロードバランサの作成
　　　　［1］バックエンドの設定
　　　　［2］ホストとパスのルール
　　　　［3］フロントエンドの設定
　　3.3.5　動作確認
3.4　Cloud DNSを使った名前解決
　　3.4.1　独自ドメイン名でのアクセス
　　　　［1］ゾーンの作成
　　　　［2］レコード設定
　　　　［3］レジストラへの登録
　　　　［4］動作確認
第4章　コンテナ実行環境でマイクロサービスアーキテクチャを体験しよう
4.1　知っておきたいDocker／Kubernetesの基礎
　　4.1.1　Dockerを利用したアプリケーション開発
　　　　Dockerとは
　　　　Dockerが解決する課題
　　　　Dockerの基本機能
　　4.1.2　Kubernetesによるコンテナオーケストレーション
　　　　クラスタリングとは
　　　　コンテナオーケストレーションツールとは
　　　　Kubernetesの基本構成
　　　　Kubernetesによるコンテナオーケストレーション
4.2　コンテナ環境で利用する主なGCPサービス
　　4.2.1　Google Container Engine
　　4.2.2　Google Container Registry
　　4.2.3　Google Cloud Datastore
4.3　GCPを使ったコンテナ実行環境のアーキテクチャ
4.4　オンラインゲームのコンテナ実行環境構築
　　4.4.1　要件定義／設計
　　4.4.2　GKEによるコンテナクラスタ構築
　　4.4.3　ランダム対戦機能のDockerイメージ作成（v1.0）
　　　　Dockerfileの用意
　　　　Dockerイメージの作成
　　　　ローカル環境での動作確認
　　　　Dockerイメージの公開
　　4.4.4　ランダム対戦機能のデプロイ（v1.0）
　　　　バックエンド機能のアプリケーションデプロイ
　　　　フロントエンド機能のアプリケーションデプロイ
　　　　ランダム対戦機能の動作確認
　　4.4.5　AI機能へのバージョンアップ（v1.1）
　　　　AI機能のDockerイメージ作成
　　　　バックエンド機能のバージョンアップ
　　　　AI対戦機能の動作確認
　　4.4.6　コンテナクラスタの停止と削除
第5章　機械学習を用いたGAEアプリケーション
5.1　機械学習と関連サービスの概要
　　5.1.1　機械学習、ディープラーニング、人工知能
　　5.1.2　GCPの機械学習関連サービス
　　5.1.3　APIサービスの利用方法
　　　　JavaScriptからAPIサービスを呼び出す
5.2　Google App Engine入門
　　5.2.1　Google App Engineの概要
　　5.2.2　Cloud Datastoreの概要
　　5.2.3　Cloud Datastoreを使用する際の注意点
　　5.2.4　GAEのその他の機能
5.3　写真アルバムサービスのデプロイ
　　5.3.1　サンプルアプリケーションの仕組み
　　　　Cloud Vision APIによる画像のラベル付け
　　　　Cloud Translation APIによるテキスト翻訳
　　　　Cloud Datastoreでのデータ管理
　　5.3.2　アプリケーションのデプロイ
　　5.3.3　動作確認
5.4　［参考］Cloud Machine Learning Engineによる機械学習モデルのトレーニング
　　5.4.1　事前準備
　　5.4.2　Cloud MLEによる学習処理の実施
　　5.4.3　学習済みモデルによる予測処理の実施
付録A　Stackdriverによるシステム運用
　　A.1　Stackdriverの初期設定
　　A.2　Stackdriverによるアプリケーション監視
　　　　［1］監視対象インスタンスの作成
　　　　［2］監視エージェントのインストール
　　　　［3］稼働時間チェックの設定とアラートポリシーの作成
　　　　［4］監視グラフの作成
　　　　［5］ログの確認
付録B　Cloud IAMによるアカウント管理
　　B.1　Cloud IAMの基本機能
　　B.2　サービスアカウントの作成
付録C　GCPの最新技術情報の入手

阿佐志保（アサシホ）
金融系シンクタンクなどで銀行／証券向けインフラエンジニア、製造業向けインフラエンジニアとして従事。都市銀行情報系基盤システム構築やシステム統合、証券会社向けバックオフィスシステムの共通基盤開発や統合認証基盤構築プロジェクト、石油／ＬＮＧプラント建設を行うエンジニアリング企業のシステム基盤構築プロジェクトなどを経験。出産で離職後、Ｌｉｎｕｘやクラウドなどを独学で勉強し、技術書を執筆。約８年間の専業主婦を経て、２０１６年５月より、ＴＩＳ株式会社の調査研究部門である戦略技術センターで、広報・人材採用を担当

中井悦司（ナカイエツジ）
１９７１年４月大阪生まれ。ノーベル物理学賞を本気で夢見て、理論物理学の研究に没頭する学生時代、大学受験教育に情熱を傾ける予備校講師の頃、そして、華麗なる（？）転身を果たして、外資系ベンダーでＬｉｎｕｘエンジニアを生業にするに至るまで、妙な縁が続いて、常にＵｎｉｘ／Ｌｉｎｕｘサーバと人生を共にする。その後、Ｌｉｎｕｘディストリビューターのエバンジェリストを経て、現在は、米系ＩＴ企業のＣｌｏｕｄ　Ｓｏｌｕｔｉｏｎｓ　Ａｒｃｈｉｔｅｃｔとして活動（本データはこの書籍が刊行された当時に掲載されていたものです）

第1章　ビッグデータサービスの概要
第2章　BigQueryを体験する
第3章　BigQueryの内部構造
第4章　タイムトラベル機能を使ったデータの復元
第5章　BigQueryへのデータ取り込み
第6章　Data Catalogを用いたメタデータの管理
第7章　リアルタイム分析
第8章　セキュリティ設計とコスト管理
第9章　コンテナの仕組みと歴史
第10章　コンテナを体験する
第11章　コンテナオーケストレーションの仕組みとKubernetesの特徴
第12章　Google Kubernetes Engine（GKE）を体験する
第13章　GKEを活用した設計のポイント
第14章　GKEを使ったシステム運用のポイント
Appendix　Google Cloudの基本

第1章　データ基盤の概要
1.1 データ基盤に取り組む意義
1.2 データ基盤とは？
1.3 Google Cloud上で構築するデータ基盤
1.4 まとめ
第2章　BigQueryのコンセプトと利用方法
2.1 DWHとは
2.2 Googleのデータ処理を支える技術
2.3 BigQueryの内部アーキテクチャを理解する
2.4 DWHとしてのBigQueryの基本操作
2.5 BigQueryユーザー向けのクエリの最適化
2.6 まとめ
第3章　データウェアハウスの構築
3.1 データウェアハウスに求められるさまざまな要件
3.2 高可用性、Disaster Recovery計画
3.3 用途別の影響隔離
3.4 サイジング
3.5 目的環境別の影響隔離
3.6 テーブルを設計する
3.7 データの投入
3.8 バックアップとリストア
3.9 BigQueryにおけるトランザクションとパーティションを用いたDMLの最適化
3.10 DMLをまとめる／パーティションの利用
3.11 外部接続の最適化 - Storage APIの利用とBI Engineの利用
3.12 データマートジョブの設計最適化
3.13 まとめ
Column マルチクラウドでのクラウドデータ基盤の利用
第4章　データレイクの構築
4.1 データレイクとは
4.2 Hadoopとは
4.3 Google Cloudで構築するデータレイク
4.4 Google Cloudのおもなデータレイク関連のサービス
4.5 Google Cloudでデータレイクを中心としたデータ分析基盤を構築することのメリット
4.6 オンプレミス環境からGoogle Cloudへのデータレイクの移行
4.7 まとめ
第5章　ETL／ELT処理
5.1 ETL／ELTとは
5.2 ETL／ELT 処理を実施するサンプルシナリオ
5.3 サンプルシナリオ実施用の環境の構築
5.4 BigQueryでのELT
5.5 BigQueryでのETL
5.6 DataflowでのETL
5.7 DataprocでのETL
5.8 サンプルシナリオ実施用の環境の破棄
5.9 その他のETL／ELT処理の実施方法
5.10 ETLとELTの各手法の使い分け
5.11 まとめ
Column Apache BeamとDataflow の関係は？
第6章　ワークフロー管理とデータ統合
6.1 Google Cloudのワークフロー管理とデータ統合のためのサービス
6.2 Cloud Composerの特徴
6.3 Cloud Composerでのワークフロー管理
6.4 Cloud Data Fusionの特徴
6.5 Cloud Data Fusionでのワークフロー管理
6.6 Cloud ComposerとCloud Data Fusionの比較と使い分けのポイント
6.7 まとめ
Column Google Cloudにおけるジョブオーケストレーションの選択肢
第7章　データ分析基盤におけるセキュリティとコスト管理の設計
7.1 Google Cloud Platformのセキュリティサービス
7.2 Google Cloudのリソース構成とエンタープライズ向けの管理機能
7.3 IAMを利用したBigQueryのアクセス制御
7.4 IAMとAccess Control List（ACL）を利用したCloud Storageのアクセス制御
7.5 VPC Service Controlsを利用したアクセス制御とデータ持ち出し防止
7.6 監査
7.7 Security Command Centerを利用したデータリスクの検知と自動修復
7.8 組織のポリシーサービスの適用
7.9 アクセス管理とコスト管理の設計
7.10 まとめ
Column データ暗号化とデータ損失防止
第8章　BigQuery へのデータ集約
8.1 BigQueryへデータ集約を行うメリット
8.2 BigQueryへのデータ集約の方法
8.3 BigQuery Data Transfer Service（BigQuery DTS）
8.4 BigQueryへのデータパイプライン構築
8.5 サービス間連携によるBigQueryへのデータ連携
8.6 まとめ
Column BigQueryのデータ取り込み方法の使い分け
Column Firebaseを用いたデータ分析の活用方法
第9章　ビジネスインテリジェンス
9.1 BIとBIツール
9.2 コネクテッドシート
9.3 データポータル
9.4 Looker
9.5 BIツールと親和性の高いBigQueryの機能
9.6 まとめ
第10章　リアルタイム分析
10.1 リアルタイム分析とユースケース
10.2 リアルタイム分析基盤に求められるもの
10.3 Google Cloudを利用したリアルタイム分析基盤のアーキテクチャ
10.4 Pub/Sub
10.5 Dataflow
10.6 BigQuery
10.7 リアルタイムタクシーデータを用いたリアルタイム分析基盤の構築
10.8 まとめ
Column Dataflow のアーキテクチャと分散処理におけるコンピュート、ストレージ、
メモリの分離
第11章　発展的な分析
11.1 Google Cloudによる発展的な分析
11.2 BigQueryによる地理情報分析
11.3 BigQuery上での機械学習
11.4 AutoML Tables
11.5 AI Platformを活用したデータサイエンスと機械学習
11.6 まとめ
Column Pub/Subのアーキテクチャ

第1章Google Cloud Platform
　1.1 Google Cloud Platformとは
　1.2 GCPの歴史
　1.3 なぜGCPなのか
第2章　Google App Engine
　2.1 Google App Engine の種類
　2.2 Google App Engine の特徴
　2.3 GAEの目指すところ
第3章　開発環境の構築
　3.1 GAEアプリケーションの開発環境を準備する
　3.2 3GCPプロジェクトとは
　3.3 GCPプロジェクトを作成する
　3.4 Google Cloud Shellとは
　3.5 コードエディターとは
第4章　GAEアプリケーション作成
　4.1 最初のGAEアプリケーションを作成する
　4.2 アプリケーションのデプロイ
　4.3 デプロイバージョンを管理する
　4.4 ［実習］アプリケーションの作成
　4.5 アプリ作成のまとめ
　4.6 課金上限を設定する
第5章　Web アプリケーション概要
　5.1 モダンなWebアプリケーション
　5.2 Web APIとは
　5.3 本書で作成するWebアプリについて
第6章　FlaskによるHTTPリクエストの処理
　6.1 Flask フレームワーク
　6.2 テンプレートの利用
　6.3 ［実習］Jinja2を使う
　6.4 エラーページのカスタマイズ
　6.5 ［実習］エラーハンドリング
　6.6 フォーム処理
　6.7 Web APIの追加
　6.8 GETメソッド［練習①］
　6.9 ［実習］GETメソッド①
　6.10 POSTメソッドの練習
　6.11 ［実習］POSTメソッド
　6.12 GETメソッド［練習②］
　6.13 ［実習］GETメソッド②
第7章　ログ
　7.1 アプリケーションログ
　7.2 Python logging モジュールを使ったログ出力
　7.3 ［実習］ログ出力
　7.4 Logging Client Libraries を使ったログ出力
　7.5 Cloud Logging Handler を使ったログの出力
第8章　Cloud Datastoreを使う
　8.1 Cloud DatastoreとCloud Firestore
　8.2 Datastore にデータを保存する
　8.3 ［実習］データの保存
　8.4 Datastore からデータを取得する
　8.5 ［実習］データの取得
　8.6 データを1件取得する
　8.7 ［実習］Key を使ったデータ取得
　8.8 Datastore からデータを更新する
　8.9 ［実習］データの更新
　8.10 Datastore からデータを削除する
　8.11 ［実習］データの削除
　8.12 実習をローカル環境で動かす
第9章　エンティティグループ
　9.1 エンティティグループとは
　9.2 エンティティグループを作成する
　9.3 ［実習］エンティティグループの作成
　9.4 エンティティグループを取得する
　9.5 ［実習］エンティティグループを取得する
第10章　Google Cloud Storageを使う
　10.1 Google Cloud Storageとは
　10.2 実践GCS
　10.3 GAEからGCSを操作する
　10.4 GCSにファイルをアップロードする
　10.5 ［実習］GCSにファイルをアップロードする
　10.6 GCSからファイルを取得する
　10.7 ［実習］GCSからファイルを取得する
第11章　そのほかのサービス
　11.1 GCPの機能をもっと使うには
　11.2 Cloud Identity-Aware Proxy（Cloud IAP）とは
　11.3 Cloud Tasks
　11.4 Cloud Scheduler

第1章　Google Cloud Platformの簡易的な紹介
　1.1　Google Cloud Platformとは
　1.2　プロジェクトの準備
　1.3　GCPのプロジェクトの作成
第2章　Google Container Registry
　 2.1　Google Container Registryとは
　2.2　Container Imageの形式
　2.3　GCRにイメージを保存
　2.4　Cloud Storageとの関連性
　2.5　コンテナイメージの脆弱性スキャン
　2.6　まとめ
第3章　Cloud Build
　3.1　Cloud BuildはGCPのCI/CDサービス
　3.2　Cloud Buildで利用可能なコードホスティングサービス
　3.3　Cloud Buildトリガー
　3.4　Cloud Build構成ファイル
　3.5　Cloud BuildでCI/CD基盤構築
　3.6　まとめ
第4章　Kubernetes
　4.1　コンテナ
　4.2　Kubernetesの概要
　4.3　Kubernetesの機能
　4.4　宣言的な構成管理
　4.5　Minikube
　4.6　Kubernetesのアーキテクチャ
　4.7　Kubernetes APIオブジェクト
　4.8　まとめ
第5章　GKE
　5.1　Cloud Consoleで始めるGKE
　5.2　Cloud SDKで始めるGKE
　5.3　GKEを用いたアプリケーションの公開
　5.4　高度なクラスタの構築
　5.5　他サービスとの連携
　5.6　Podのスケールアウトとスケールイン
　5.7　GKEにおける永続ディスク
　5.8　Cloud Buildを用いたGKEへのデプロイ
第6章　Cloud Run
　 6.1　Cloud Run とは？
　6.2　2つのモード
　6.3　実践Cloud Run
　6.4　まとめ
第7章　サービスメッシュ
　 7.1　マイクロサービスアーキテクチャ
　7.2　マイクロサービスの課題
　7.3　stioの概要
　7.4　Istioのアーキテクチャ
　7.5　Istioハンズオン
　7.6　まとめ