こちらでは、Googleのクラウドコンピューティングサービス「Google Cloud Platform(GCP)」の人気・おすすめの参考書を紹介していきまっす。
発売したての新書をピックアップ
技術書は情報の鮮度も重要、人気ランキングの前に新しい書籍もチェックしておきましょう。
- 2020/02/20発売 「Google Cloud Platform GAEソフトウェア開発入門――Google Cloud Authorized Trainerによる実践解説 Software Design plus」
- 2020/05/26発売 「GCPの教科書II 【コンテナ開発編】」
- 2021/02/20発売 「Google Cloudではじめる実践データエンジニアリング入門[業務で使えるデータ基盤構築]」
- 2021/03/22発売 「Google Cloud認定資格Associate Cloud Engineer公式ガイド」
- 2021/05/20発売 「ハンズオンで分かりやすく学べる Google Cloud実践活用術 AI・機械学習編」
Contents
- 1 Google Cloud Platform(GCP)の本 人気・売れ筋の10冊
- 1.1 Google Cloud Platform エンタープライズ設計ガイド
- 1.2 GCPの教科書
- 1.3 Google Cloudではじめる実践データエンジニアリング入門[業務で使えるデータ基盤構築]
- 1.4 GCPの教科書II 【コンテナ開発編】
- 1.5 プログラマのためのGoogle Cloud Platform入門 サービスの全体像からクラウドネイティブアプリケーション...
- 1.6 仕事で使える！Google Cloud Platform 最新クラウドインフラ導入マニュアル (仕事で使える！シリーズ（...
- 1.7 ゲーム開発が変わる！GCPゲームインフラ実践ガイド (NextPublishing)
- 1.8 ゲーム開発が変わる！Google Cloud Platform 実践インフラ構築 (NextPublishing)
- 1.9 Google Cloud Platform GAEソフトウェア開発入門――Google Cloud Authorized...
- 1.10 Pepper最新事例に学ぶロボアプリ開発 Google Cloud PlatformとWeb APIを活用したPeppe...
- 2 Google Cloud Platform(GCP)の本 最新・高評価のおすすめの5冊
- 3 Google Cloud Platform(GCP)の本「新書一覧(2020年、2021年刊行)」
- 4 Google Cloud Platform(GCP)の本「Kindle Unlimited 読み放題 人気本ランキング」
- 5 おまけ：本より高コスパ？「Udemy GCPおすすめ講座」
- 6 関連：Webサービス開発のためのプログラミング
- 7 関連：Google Apps Scriptの本
- 8 関連：最新おすすめのKindle端末
Google Cloud Platform(GCP)の本 人気・売れ筋の10冊
以下が「Google Cloud Platform(GCP)の本」人気・売れ筋の10冊詳細です。
(2021/07/28 12:02 更新)
Google Cloud Platform エンタープライズ設計ガイド
Google Cloud Platform エンタープライズ設計ガイド
(著)遠山 陽介, 深津 康行, 中庄谷 哲平, 小島 仁志
発売日 2018/05/17
(著)遠山 陽介, 深津 康行, 中庄谷 哲平, 小島 仁志
発売日 2018/05/17
おすすめ度
（2021/07/28 12:02時点）
Googleが提供するクラウドサービス
AWSとの違いを軸に徹底解説
「Google Cloud Platform」（GCP）は、Amazon Web Services（AWS）やMicrosoft Azureと同じく、企業向けのクラウドサービスとして提供されている。後発であることは否めないが、後発であるからこその特徴を備えている。
一般的な用途では「マネージドサービス」の充実が特徴と言える。そのほか、今注目の「機械学習」「ビッグデータ」関連のサービスが特に充実しており、AI関連のシステム基盤として要注目であることは間違いない。
本書では、「コンピューティング」「ストレージ」「ネットワーキング」「ビッグデータ」「機械学習」「アカウント管理」「運用監視」という７つのカテゴリーに分類し、GCPの特徴を、AWSとの違いを軸に解説している。
また、GCPのサービスを解説するほか、エンタープライズ用途のユースケースに基づいて、GCPを用いた設計ガイドをまとめている。技術力に定評のあるGoogleのクラウドサービスを検討するのに最適な１冊である。
AWSとの違いを軸に徹底解説
「Google Cloud Platform」（GCP）は、Amazon Web Services（AWS）やMicrosoft Azureと同じく、企業向けのクラウドサービスとして提供されている。後発であることは否めないが、後発であるからこその特徴を備えている。
一般的な用途では「マネージドサービス」の充実が特徴と言える。そのほか、今注目の「機械学習」「ビッグデータ」関連のサービスが特に充実しており、AI関連のシステム基盤として要注目であることは間違いない。
本書では、「コンピューティング」「ストレージ」「ネットワーキング」「ビッグデータ」「機械学習」「アカウント管理」「運用監視」という７つのカテゴリーに分類し、GCPの特徴を、AWSとの違いを軸に解説している。
また、GCPのサービスを解説するほか、エンタープライズ用途のユースケースに基づいて、GCPを用いた設計ガイドをまとめている。技術力に定評のあるGoogleのクラウドサービスを検討するのに最適な１冊である。
↓全て表示↑少なく表示
Users Voice
GCPの教科書
Google Cloud Platform(GCP)マニアの
クラウドエースが解説するクラウドエンジニア必携「GCPの教科書」!
Google Cloud Platform、略称「GCP」はグーグルが提供するプラットフォームで、
その中では、今注目の「機械学習」「ビッグデータ」関連のサービスが特に充実しており、
AI関連のシステム基盤として要注目の環境となっています。
【対象読者】
本書は、自他共に認めるGoogle CloudPlatform(以下、GCP)マニアであるクラウドエースが、
GCP をぜひ皆さんに使っていただきたいと考えて執筆したものです。
「GCPを使ってみたいけど使い方がよく分からない」方から、
「ある程度使っているけれども使いこなせてはないかも?」というクラウドに関して初級から中級の技術者の方を対象にしています。
【本書の内容】
GCPに触れたことのない方には、まずは触ってみて体感すること、
次に基礎的なことを押さえて効果的によりたくさんのプロダクトを活用できるようになることを体系的に解説した「教科書」です。
クラウドエンジニア必携の一冊です。
【本書の効用とゴール】
本書では、GCPの機能・操作法や他のクラウドとの比較など、
ひととおり解説してありますので、GCPの基本・特徴については理解できます。
GCP を理解し、触ってみて、今後の「クラウドネイティブ時代」を生きる一助となるべく一冊です。
【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
クラウドエースが解説するクラウドエンジニア必携「GCPの教科書」!
Google Cloud Platform、略称「GCP」はグーグルが提供するプラットフォームで、
その中では、今注目の「機械学習」「ビッグデータ」関連のサービスが特に充実しており、
AI関連のシステム基盤として要注目の環境となっています。
【対象読者】
本書は、自他共に認めるGoogle CloudPlatform(以下、GCP)マニアであるクラウドエースが、
GCP をぜひ皆さんに使っていただきたいと考えて執筆したものです。
「GCPを使ってみたいけど使い方がよく分からない」方から、
「ある程度使っているけれども使いこなせてはないかも?」というクラウドに関して初級から中級の技術者の方を対象にしています。
【本書の内容】
GCPに触れたことのない方には、まずは触ってみて体感すること、
次に基礎的なことを押さえて効果的によりたくさんのプロダクトを活用できるようになることを体系的に解説した「教科書」です。
クラウドエンジニア必携の一冊です。
【本書の効用とゴール】
本書では、GCPの機能・操作法や他のクラウドとの比較など、
ひととおり解説してありますので、GCPの基本・特徴については理解できます。
GCP を理解し、触ってみて、今後の「クラウドネイティブ時代」を生きる一助となるべく一冊です。
【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
↓全て表示↑少なく表示
内容サンプル
目次
Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｐｌａｔｆｏｒｍとは？
ＧＣＰの基本を知ろう
ＧＣＰの基本サービスを学ぼう
高度なサービスを知ろう
機械学習
ＧＣＰで使えるＡＰＩの紹介
ＡＷＳユーザーへ
ＧＣＰのまとめと今後の展望
ＧＣＰの基本を知ろう
ＧＣＰの基本サービスを学ぼう
高度なサービスを知ろう
機械学習
ＧＣＰで使えるＡＰＩの紹介
ＡＷＳユーザーへ
ＧＣＰのまとめと今後の展望
Users Voice
内容サンプル
著者略歴
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）
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）
Google Cloudではじめる実践データエンジニアリング入門[業務で使えるデータ基盤構築]
Google Cloudではじめる実践データエンジニアリング入門[業務で使えるデータ基盤構築]
(著)下田 倫大, 寳野 雄太, 饗庭 秀一郎, 吉田 啓二
発売日 2021/02/20
(著)下田 倫大, 寳野 雄太, 饗庭 秀一郎, 吉田 啓二
発売日 2021/02/20
おすすめ度
（2021/07/28 12:02時点）
(概要)
AIやIoTが実用化フェーズに入りつつあるのみならず、デジタルトランスフォーメーション(DX)への注目の高まりによって、事業やサービスを取り巻くデータを分析・活用・管理するためのインフラであるデータ基盤の重要性が増しています。 データ基盤を構築するにあたり、先行する事例から、Google Cloud(Google Cloud Platform, GCP)はデータ領域に強みがある、あるいは、BigQueryは高速に動作するデータウェアハウスである、と聞いたことがある方は多いでしょう。
本書では「データ基盤」そのものを体系的に整理しながら、Google Cloudの各サービスをどのように活用することで実用的なデータ基盤を構築できるか、また発展的なデータ分析ニーズに答えるデータ基盤をどのように設計できるか、といった点について解説しています。 特にGoogle Cloudはマネージドサービスを中心として提供されているため、その特性を正しくとらえることで、最大限の価値を発揮できるようになります。 実際にGoogle Cloudやオンプレミス、他のクラウドサービスを用いたデータ基盤の構築や設計に携わってきた筆者らによる一歩踏み込んだ解説が本書の特徴です。
(こんな方におすすめ)
・これからデータ基盤の構築に関わる可能性があるエンジニア
・Google Cloudや他のクラウドサービスを利用しており、これからデータ領域での活用を広げようとしている方
(目次)
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
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
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
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
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
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
第11章 発展的な分析
AIやIoTが実用化フェーズに入りつつあるのみならず、デジタルトランスフォーメーション(DX)への注目の高まりによって、事業やサービスを取り巻くデータを分析・活用・管理するためのインフラであるデータ基盤の重要性が増しています。 データ基盤を構築するにあたり、先行する事例から、Google Cloud(Google Cloud Platform, GCP)はデータ領域に強みがある、あるいは、BigQueryは高速に動作するデータウェアハウスである、と聞いたことがある方は多いでしょう。
本書では「データ基盤」そのものを体系的に整理しながら、Google Cloudの各サービスをどのように活用することで実用的なデータ基盤を構築できるか、また発展的なデータ分析ニーズに答えるデータ基盤をどのように設計できるか、といった点について解説しています。 特にGoogle Cloudはマネージドサービスを中心として提供されているため、その特性を正しくとらえることで、最大限の価値を発揮できるようになります。 実際にGoogle Cloudやオンプレミス、他のクラウドサービスを用いたデータ基盤の構築や設計に携わってきた筆者らによる一歩踏み込んだ解説が本書の特徴です。
(こんな方におすすめ)
・これからデータ基盤の構築に関わる可能性があるエンジニア
・Google Cloudや他のクラウドサービスを利用しており、これからデータ領域での活用を広げようとしている方
(目次)
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
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
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
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
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
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
第11章 発展的な分析
↓全て表示↑少なく表示
内容サンプル
目次
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
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
↓全て表示↑少なく表示
内容サンプル
著者略歴
GCPの教科書II 【コンテナ開発編】
GCP上でのコンテナベースの開発する際の御作法 すべて教えます！
近年、アプリケーションエンジニアにとってコンテナベースでの開発は「超必須」とも
言える重要な技術となっております。しかし、一通りの開発ができたとしても、コンテ
ナの利点を十分に活かすことは難しいものです。
Googleが提供するGCP（Google Cloud Platform）には、このコンテナ開発ができる
様々なツールが多く用意されています。本書では、この中でも開発者がよく使う
（けど、わかりづらい）Kubernetes、GKE、Cloud Runを中心に解説しました。
◆本書の主な内容
第1章 Google Cloud Platformの紹介
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
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
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
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
（以降については「目次」を参照）
第6章 Cloud Run
第7章 サービスメッシュ
近年、アプリケーションエンジニアにとってコンテナベースでの開発は「超必須」とも
言える重要な技術となっております。しかし、一通りの開発ができたとしても、コンテ
ナの利点を十分に活かすことは難しいものです。
Googleが提供するGCP（Google Cloud Platform）には、このコンテナ開発ができる
様々なツールが多く用意されています。本書では、この中でも開発者がよく使う
（けど、わかりづらい）Kubernetes、GKE、Cloud Runを中心に解説しました。
◆本書の主な内容
第1章 Google Cloud Platformの紹介
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
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
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
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
（以降については「目次」を参照）
第6章 Cloud Run
第7章 サービスメッシュ
↓全て表示↑少なく表示
目次
第１章 Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｐｌａｔｆｏｒｍの紹介
第２章 Ｇｏｏｇｌｅ Ｃｏｎｔａｉｎｅｒ Ｒｅｇｉｓｔｒｙ
第３章 Ｃｌｏｕｄ Ｂｕｉｌｄ
第４章 Ｋｕｂｅｒｎｅｔｅｓ
第５章 ＧＫＥ
第６章 Ｃｌｏｕｄ Ｒｕｎ
第７章 サービスメッシュ
第２章 Ｇｏｏｇｌｅ Ｃｏｎｔａｉｎｅｒ Ｒｅｇｉｓｔｒｙ
第３章 Ｃｌｏｕｄ Ｂｕｉｌｄ
第４章 Ｋｕｂｅｒｎｅｔｅｓ
第５章 ＧＫＥ
第６章 Ｃｌｏｕｄ Ｒｕｎ
第７章 サービスメッシュ
著者略歴
飯島宏太（イイジマコウタ）
ＧＣＰを用いたインフラ設計・構築に従事
高木亮太郎（タカギリョウタロウ）
ＳＲＥエンジニア。業務ではＩａＣやＣＩ／ＣＤの構築、ＧＣＰのアーキテクチャ設計やＧｏｏｇｌｅ Ｃｌｏｕｄ認定トレーナーとしてトレーニングに従事
妹尾登茂木（セノオトモキ）
業務ではＧＣＰのみならずＵｎｉｔｙとＣ＃を扱う案件にも従事。社内用ツールの開発も行うほか、オンライン勉強会への参加やＯＳＳの翻訳、開発もやっている
富永裕貴（トミナガユウキ）
ＧＣＰとコンテナを用いたアプリケーション開発。Ｇｏｏｇｌｅ Ｃｌｏｕｄ認定トレーナー（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）
ＧＣＰを用いたインフラ設計・構築に従事
高木亮太郎（タカギリョウタロウ）
ＳＲＥエンジニア。業務ではＩａＣやＣＩ／ＣＤの構築、ＧＣＰのアーキテクチャ設計やＧｏｏｇｌｅ Ｃｌｏｕｄ認定トレーナーとしてトレーニングに従事
妹尾登茂木（セノオトモキ）
業務ではＧＣＰのみならずＵｎｉｔｙとＣ＃を扱う案件にも従事。社内用ツールの開発も行うほか、オンライン勉強会への参加やＯＳＳの翻訳、開発もやっている
富永裕貴（トミナガユウキ）
ＧＣＰとコンテナを用いたアプリケーション開発。Ｇｏｏｇｌｅ Ｃｌｏｕｄ認定トレーナー（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）
プログラマのためのGoogle Cloud Platform入門 サービスの全体像からクラウドネイティブアプリケーション...
プログラマのためのGoogle Cloud Platform入門 サービスの全体像からクラウドネイティブアプリケーション構築まで
(著)阿佐 志保, 中井 悦司
発売日 2017/06/12
(著)阿佐 志保, 中井 悦司
発売日 2017/06/12
おすすめ度
（2021/07/28 12:02時点）
インフラ基礎知識とセットで学ぶ！
Google Cloud Platformの機能＆システム構築パターン！
本書は、Google Cloud Platform（GCP）でシステム、アプリケーションを
構築するための実践的な入門書です。
GCPを初めて利用する開発者をメインターゲットとし、GCPの提供する
サービス（コンポーネント）の全体像と、サービスを組み合わせて最適な
アプリケーションアーキテクチャを実現する方法を、具体的なサンプルを
使ってわかりやすく解説します。
Webアプリケーションを動かす具体的な手順の解説に加えて、コンテナ、
オーケストレーションといったテーマもカバーするため、業務で本格的な
利用を考えている方にも適しています。
単にGCPの使い方を説明する手順書にとどまらず、GCPを利用する上で
理解しておきたいインフラの基礎技術などを解説することで、技術動向の
変化が激しいクラウドの解説書でありながらも陳腐化を最小化するよう
工夫しています。
また、GCPの強みであるクラウドネイティブなアーキテクチャによる
アプリケーション実行環境の構築をサンプルとして挙げているのも
大きな特徴です。本書の強みは、具体的なサンプルを使って丁寧に
説明することで、GCPの良さを体得してもらえるところにあります。
GCPの利用や導入を検討している／初めて使う、あるいは、AWSなど
他のクラウドを使ったことがあるプログラマ／開発者の方におすすめの
一冊です。
※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。
↓全て表示↑少なく表示
内容サンプル
目次
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
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
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
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）
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）
仕事で使える！Google Cloud Platform 最新クラウドインフラ導入マニュアル (仕事で使える！シリーズ（...
仕事で使える！Google Cloud Platform 最新クラウドインフラ導入マニュアル (仕事で使える！シリーズ（NextPublishing）)
(著)吉積 礼敏, 福田 潔
発売日 2016/03/25
(著)吉積 礼敏, 福田 潔
発売日 2016/03/25
おすすめ度
（2021/07/28 12:02時点）
本書はGoogleによるクラウド環境Google Cloud Platform（GCP）を仕事の現場に導入し、生産性と効率を高めるためのガイドブックです。GCPのしくみと特徴、その強みをはじめとして、ビッグデータ処理に定評のあるBigQueryなど各サービスの概要を紹介しています。現在AWSやAzureなど他社サービスからの乗り換えを検討していたり、オンプレミス環境からクラウドへの移行を考えている方にまず最初に読んでいただきたい一冊です。
【目次】
第1章 Google Cloud Platformとは?
Googleは15年以上のクラウドの経験/世界最大級のコンピュータ/グローバルネットワーク/分散コンピューティングの革新をリードするソフトウェア
第2章 Google Cloud Platformの製品・サービス
基本構成/製品・サービス全体像/コンピュート/ストレージ/Big Data/APIサービス/ネットワーク/管理/他のクラウドとの比較/GCPの特徴とメリット/GCPに足りないところ
第3章 Google Cloud Platformを使ってみる！
簡単登録・無料試用/GCEでサーバを起ち上げ/BigQueryでログ検索を試す/Cloud Storageにバックアップ/GAEで静的サーバを起ち上げる
第4章 やっぱり不安？セキュリティについて
クラウドに対する漠然とした不安/Googleにとってセキュリティは最優先事項/Googleのセキュリティの特徴/データの所有権/独立した第三者による認定/クラウドに何を預けるのを決めるのは自分自身
第5章 まとめ
特にGCPを薦めたい５つのケース/あえて挙げる「お薦めできない」ケース/複数のクラウド利用によるさらなるメリット/サポート情報等
【目次】
第1章 Google Cloud Platformとは?
Googleは15年以上のクラウドの経験/世界最大級のコンピュータ/グローバルネットワーク/分散コンピューティングの革新をリードするソフトウェア
第2章 Google Cloud Platformの製品・サービス
基本構成/製品・サービス全体像/コンピュート/ストレージ/Big Data/APIサービス/ネットワーク/管理/他のクラウドとの比較/GCPの特徴とメリット/GCPに足りないところ
第3章 Google Cloud Platformを使ってみる！
簡単登録・無料試用/GCEでサーバを起ち上げ/BigQueryでログ検索を試す/Cloud Storageにバックアップ/GAEで静的サーバを起ち上げる
第4章 やっぱり不安？セキュリティについて
クラウドに対する漠然とした不安/Googleにとってセキュリティは最優先事項/Googleのセキュリティの特徴/データの所有権/独立した第三者による認定/クラウドに何を預けるのを決めるのは自分自身
第5章 まとめ
特にGCPを薦めたい５つのケース/あえて挙げる「お薦めできない」ケース/複数のクラウド利用によるさらなるメリット/サポート情報等
↓全て表示↑少なく表示
仕事で使える！Google Cloud Platform 最新クラウドインフラ導入マニュアル (仕事で使える！シリーズ（NextPublishing）)
発売日 2016/03/25
発売日 2016/03/25
（2021/07/28 12:02時点）
ゲーム開発が変わる！GCPゲームインフラ実践ガイド (NextPublishing)
ゲーム開発が変わる！GCPゲームインフラ実践ガイド (NextPublishing)
(著)實方 和幸, 邵 正, 粟田 大樹, 石川 泰式
発売日 2019/11/22
(著)實方 和幸, 邵 正, 粟田 大樹, 石川 泰式
発売日 2019/11/22
おすすめ度
（2021/07/28 12:02時点）
本書はGCP（Google Cloud Platform）のゲーム基盤としての活用を、ゲーム業界のエンジニアが解説します。各社のエンジニアが寄稿により生の声を寄せ、さらにGCPのディープな情報も盛り込んでいます。
【目次】
第1章 Google Cloud Platformの特徴
1.1 コンピューティング
1.2 データベース
1.3 ストレージ
1.4 ネットワーク
1.5 運用／監視／管理ツール
1.6 データ分析
1.7 AIと機械学習
第2章 GCP Deep Dive
2.1 Helmで構築するGKEモニタリング環境構築（株式会社grasys）
2.2 リージョン間通信とCloud Spanner（ジェットブラックフラワーズ合同会社）
2.3 BigQueryとLooker（アイレット株式会社）
2.4 まとめ
第3章 ゲームインフラにおけるワークロード
3.1 ワークロードごとの特徴
3.2 本章のまとめ
第4章 ゲームサーバーホスティングにおける活用事例
4.1 リファレンスアーキテクチャー
4.2 GKEとCloud Spannerで実現する大規模ゲームサーバー（株式会社コロプラ）
4.3 ポコロンダンジョンズのGCP移行とマネージドサービス活用実例（株式会社グレンジ）
第5章 プラットフォームサービスにおける活用事例
5.1 リファレンスアーキテクチャー
5.2 Google App Engineによる運用レスなゲームサーバー（株式会社バンダイナムコスタジオ）
5.3 無停止の課金基盤をGAEで構築するための設計と運用（株式会社アカツキ）
5.4 Google Maps Platform：既存ゲームへのマップ機能の追加について-モンスターストライクの事例-（株式会社ミクシィ）
第6章 データ分析における活用事例
6.1 リファレンスアーキテクチャー
6.2 データ分析の生産性を高める、データ基盤とKPIダッシュボード（株式会社サイバード）
6.3 BigQueryで作るクラウド活用型データ基盤（KLab株式会社）
6.4 機械学習を活用した分析（澪標アナリティクス株式会社）
【目次】
第1章 Google Cloud Platformの特徴
1.1 コンピューティング
1.2 データベース
1.3 ストレージ
1.4 ネットワーク
1.5 運用／監視／管理ツール
1.6 データ分析
1.7 AIと機械学習
第2章 GCP Deep Dive
2.1 Helmで構築するGKEモニタリング環境構築（株式会社grasys）
2.2 リージョン間通信とCloud Spanner（ジェットブラックフラワーズ合同会社）
2.3 BigQueryとLooker（アイレット株式会社）
2.4 まとめ
第3章 ゲームインフラにおけるワークロード
3.1 ワークロードごとの特徴
3.2 本章のまとめ
第4章 ゲームサーバーホスティングにおける活用事例
4.1 リファレンスアーキテクチャー
4.2 GKEとCloud Spannerで実現する大規模ゲームサーバー（株式会社コロプラ）
4.3 ポコロンダンジョンズのGCP移行とマネージドサービス活用実例（株式会社グレンジ）
第5章 プラットフォームサービスにおける活用事例
5.1 リファレンスアーキテクチャー
5.2 Google App Engineによる運用レスなゲームサーバー（株式会社バンダイナムコスタジオ）
5.3 無停止の課金基盤をGAEで構築するための設計と運用（株式会社アカツキ）
5.4 Google Maps Platform：既存ゲームへのマップ機能の追加について-モンスターストライクの事例-（株式会社ミクシィ）
第6章 データ分析における活用事例
6.1 リファレンスアーキテクチャー
6.2 データ分析の生産性を高める、データ基盤とKPIダッシュボード（株式会社サイバード）
6.3 BigQueryで作るクラウド活用型データ基盤（KLab株式会社）
6.4 機械学習を活用した分析（澪標アナリティクス株式会社）
↓全て表示↑少なく表示
ゲーム開発が変わる！Google Cloud Platform 実践インフラ構築 (NextPublishing)
ゲーム開発が変わる！Google Cloud Platform 実践インフラ構築 (NextPublishing)
(著)野下 洋, 芝尾 幸一郎, シリコンスタジオ株式会社, 長谷川 祐介
発売日 2016/03/04
(著)野下 洋, 芝尾 幸一郎, シリコンスタジオ株式会社, 長谷川 祐介
発売日 2016/03/04
おすすめ度
（2021/07/28 12:02時点）
本書はゲームインフラエンジニア向けのGCP解説書です。AWS一本のインフラ構築からマルチクラウドへとニーズが変化していく中でゲーム業界でもGCPの検討は進みつつあります。コンソール系、アーケード系、モバイル系などそれぞれの分野で必要な情報を横断的な情報をまとめ、GCPの全体的な紹介から事例までをわかりやすく解説します。【執筆者：野下 洋、芝尾 幸一郎（株式会社Aiming）、野邉 宏一郎、岡田 正之、渡邊 宏樹（シリコンスタジオ株式会社）、長谷川 祐介（株式会社grasys）、橋口 剛】
【目次】
第1章 GCPの概要
GCPのサービス概要／GCPの各サービスにおけるゲームインフラとしてのユースケース
第2章 GCPの特徴
“The Datacenter as a Computer”／一般的なクラウドサービス、オンプレミスとの比較
GCEのベンチマークとコスト比較
第3章 ゲームインフラとしてのGCP
ゲームインフラの特徴／最近のトレンド／GCPのゲームでの活用／ゲームインフラとMSP
第4章 オンプレミスからGCPへ
シリコンスタジオゲームフレームワークの概要／事例： 開発途中にGCPへ移行、運用中ゲームタイトルの移行、新規の運用予測
第5章 Aimingでのゲームサーバ構築事例
GCPへの移行について／GCPでのサーバ運用
第6章 GCPでのゲームサーバアーキテクチャ
ゲームインフラ構築／ゲームアーキテクチャ事例／データベース構成／常時接続／構築・運用からみた他社クラウドの違い
第7章 Aimingでのデータ分析環境の紹介
過去の分析環境／BigQueryを使った分析環境／データ分析環境／ログを収集、集計、可視化／データの活用とKPI／BigQueryのコスト／SQL実例
【目次】
第1章 GCPの概要
GCPのサービス概要／GCPの各サービスにおけるゲームインフラとしてのユースケース
第2章 GCPの特徴
“The Datacenter as a Computer”／一般的なクラウドサービス、オンプレミスとの比較
GCEのベンチマークとコスト比較
第3章 ゲームインフラとしてのGCP
ゲームインフラの特徴／最近のトレンド／GCPのゲームでの活用／ゲームインフラとMSP
第4章 オンプレミスからGCPへ
シリコンスタジオゲームフレームワークの概要／事例： 開発途中にGCPへ移行、運用中ゲームタイトルの移行、新規の運用予測
第5章 Aimingでのゲームサーバ構築事例
GCPへの移行について／GCPでのサーバ運用
第6章 GCPでのゲームサーバアーキテクチャ
ゲームインフラ構築／ゲームアーキテクチャ事例／データベース構成／常時接続／構築・運用からみた他社クラウドの違い
第7章 Aimingでのデータ分析環境の紹介
過去の分析環境／BigQueryを使った分析環境／データ分析環境／ログを収集、集計、可視化／データの活用とKPI／BigQueryのコスト／SQL実例
↓全て表示↑少なく表示
Google Cloud Platform GAEソフトウェア開発入門――Google Cloud Authorized...
Google Cloud Platform GAEソフトウェア開発入門――Google Cloud Authorized Trainerによる実践解説 Software Design plus
(著)小林 明大, 北原 光星
発売日 2020/02/20
(著)小林 明大, 北原 光星
発売日 2020/02/20
おすすめ度
（2021/07/28 12:02時点）
（概要）
Google Cloudは、すぐにクラウドでアプリを開発できるので、ビジネスをすばやくIT化できます。フルマネージド（サーバー管理が要らない！）なので、Googleの技術基盤にフルに任せながら、安心してソフトウェア開発に注力できます。しかもGoogle App Engineを使うならば、必要なプログラミング言語はPythonだけです。しかもWebブラウザだけで開発できます。本書はGoogle Cloudの優れた機能を紹介しながら、Python＋Flaskフレームワークを使いWebアプリ方を紹介します。この開発工程をともに学ぶことでクラウド上でのソフトウェア開発の要諦を学ぶことができるでしょう。Google Cloudのパワーとテクノロジーを習得しましょう！
（こんな方におすすめ）
・Google Cloudを使ってみたい、試してみたいエンジニアに！
（目次）
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
Google Cloudは、すぐにクラウドでアプリを開発できるので、ビジネスをすばやくIT化できます。フルマネージド（サーバー管理が要らない！）なので、Googleの技術基盤にフルに任せながら、安心してソフトウェア開発に注力できます。しかもGoogle App Engineを使うならば、必要なプログラミング言語はPythonだけです。しかもWebブラウザだけで開発できます。本書はGoogle Cloudの優れた機能を紹介しながら、Python＋Flaskフレームワークを使いWebアプリ方を紹介します。この開発工程をともに学ぶことでクラウド上でのソフトウェア開発の要諦を学ぶことができるでしょう。Google Cloudのパワーとテクノロジーを習得しましょう！
（こんな方におすすめ）
・Google Cloudを使ってみたい、試してみたいエンジニアに！
（目次）
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
↓全て表示↑少なく表示
内容サンプル
目次
Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｐｌａｔｆｏｒｍ
Ｇｏｏｇｌｅ Ａｐｐ Ｅｎｇｉｎｅ
開発環境の構築
ＧＡＥアプリケーション作成
Ｗｅｂアプリケーション概要
ＦｌａｓｋによるＨＴＴＰリクエストの処理
ログ
Ｃｌｏｕｄ Ｄａｔａｓｔｏｒｅを使う
エンティティグループ
Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｓｔｏｒａｇｅを使う
そのほかのサービス
Ｇｏｏｇｌｅ Ａｐｐ Ｅｎｇｉｎｅ
開発環境の構築
ＧＡＥアプリケーション作成
Ｗｅｂアプリケーション概要
ＦｌａｓｋによるＨＴＴＰリクエストの処理
ログ
Ｃｌｏｕｄ Ｄａｔａｓｔｏｒｅを使う
エンティティグループ
Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｓｔｏｒａｇｅを使う
そのほかのサービス
↓全て表示↑少なく表示
内容サンプル
Google Cloud Platform GAEソフトウェア開発入門――Google Cloud Authorized Trainerによる実践解説 Software Design plus
発売日 2020/02/20
発売日 2020/02/20
（2021/07/28 12:02時点）
Pepper最新事例に学ぶロボアプリ開発 Google Cloud PlatformとWeb APIを活用したPeppe...
Pepper最新事例に学ぶロボアプリ開発 Google Cloud PlatformとWeb APIを活用したPepper機能拡張の実践編
(著)株式会社ジーアングル 森 宏晃, 株式会社ブレインパッド 下田 倫大, 株式会社ブレインパッド 師岡 一成
発売日 2017/12/20
(著)株式会社ジーアングル 森 宏晃, 株式会社ブレインパッド 下田 倫大, 株式会社ブレインパッド 師岡 一成
発売日 2017/12/20
おすすめ度
（2021/07/28 12:02時点）
これからのAI時代、ロボット時代を切り開く先頭集団にPepperはいます。本書では、Pepperの活用範囲を広げるために、クラウドの中でも機械学習やビッグデータ解析の先端的な技術を提供するGoolge Cloud Platformとの連携を取り上げます。
※この電子書籍は、「固定レイアウト型」で配信されております。説明文の最後の「固定レイアウト型に関する注意事項」を必ずお読みください。
Pepperが街中で活躍する姿が多数見られるようになってきました。すでにPepperは物珍しいものではなくなりつつあります。そうなると、次の段階としてPepperを使ってどのようなユーザー体験を作るかが重要になってきます。
一方で、Pepper単体だとハードウェア上の制約などから実現困難なことも数多くあります。Pepper単体でできないことを実現するための1つの答えがクラウドとの連携です。クラウドでは、たくさんの計算資源やストレージを確保でき、また最近では、いわゆるIaaS的なリソース貸しだけでなく、PaaSとしてアプリケーションをホストする、SaaSとして特定の機能を提供するなども行えます。Pepperをネットワークにつなげられる環境なら、さまざまなクラウドのメリットを享受できます。
本書では、クラウドの中でも機械学習やビッグデータ解析の先端的な技術を提供するGoolge Cloud Platformとの連携を取り上げます。Google Cloud Platformが提供している画像解析サービスであるGoogle Cloud Vision APIでは、写真内の人物の感情を推定する機能やOCRによる画像からの文字認識、セーフサーチ機能による有害コンテンツの判断などが行えます。
いずれもGoogleが独自に構築した機械学習のモデルを核としたサービスで、たいへん高精度の結果が得られます。これ以外にも音声認識や翻訳、自然言語処理などの機能も提供されています。最近では動画の分析を行うサービスも登場しました。今後、Google Cloud Platformからより多くの便利な機械学習やデータ分析のサービスが登場することが予想されます。これらの機能をPepperと組み合わせることで、Pepper単体では実現できなかったアプリケーション開発が可能になるでしょう。
●目次
Chapter 1 Google Cloud Platformの基本
Chapter 2 PepperとWeb APIを使ったロボアプリ構築
Chapter 3 PepperとGCPを組み合わせたアプリケーション構築
Chapter 4 Google Cloud Next’17 in TokyoでのIoTデモ～今後のPepperの展開～
固定レイアウト型に関する注意事項（必ずお読みください）
この電子書籍は、全ページ画像の「固定レイアウト型」で配信されております。以下の点にご注意し、購入前にプレビュー表示をご確認の上、ご購入ください。
■使用できない機能
・文字拡大（ピンチイン・ピンチアウトは可能ですが、画面におさまらない場合は画面をスワイプ）／文字のコピー／マーク／ハイライト／文字列検索／辞書の参照／Web検索／引用
■推奨環境
・タブレットなど大きいディスプレイを備えた端末
・Wi-Fiネットワーク経由でのダウンロード（Kindle端末の場合）
※この電子書籍は、「固定レイアウト型」で配信されております。説明文の最後の「固定レイアウト型に関する注意事項」を必ずお読みください。
Pepperが街中で活躍する姿が多数見られるようになってきました。すでにPepperは物珍しいものではなくなりつつあります。そうなると、次の段階としてPepperを使ってどのようなユーザー体験を作るかが重要になってきます。
一方で、Pepper単体だとハードウェア上の制約などから実現困難なことも数多くあります。Pepper単体でできないことを実現するための1つの答えがクラウドとの連携です。クラウドでは、たくさんの計算資源やストレージを確保でき、また最近では、いわゆるIaaS的なリソース貸しだけでなく、PaaSとしてアプリケーションをホストする、SaaSとして特定の機能を提供するなども行えます。Pepperをネットワークにつなげられる環境なら、さまざまなクラウドのメリットを享受できます。
本書では、クラウドの中でも機械学習やビッグデータ解析の先端的な技術を提供するGoolge Cloud Platformとの連携を取り上げます。Google Cloud Platformが提供している画像解析サービスであるGoogle Cloud Vision APIでは、写真内の人物の感情を推定する機能やOCRによる画像からの文字認識、セーフサーチ機能による有害コンテンツの判断などが行えます。
いずれもGoogleが独自に構築した機械学習のモデルを核としたサービスで、たいへん高精度の結果が得られます。これ以外にも音声認識や翻訳、自然言語処理などの機能も提供されています。最近では動画の分析を行うサービスも登場しました。今後、Google Cloud Platformからより多くの便利な機械学習やデータ分析のサービスが登場することが予想されます。これらの機能をPepperと組み合わせることで、Pepper単体では実現できなかったアプリケーション開発が可能になるでしょう。
●目次
Chapter 1 Google Cloud Platformの基本
Chapter 2 PepperとWeb APIを使ったロボアプリ構築
Chapter 3 PepperとGCPを組み合わせたアプリケーション構築
Chapter 4 Google Cloud Next’17 in TokyoでのIoTデモ～今後のPepperの展開～
固定レイアウト型に関する注意事項（必ずお読みください）
この電子書籍は、全ページ画像の「固定レイアウト型」で配信されております。以下の点にご注意し、購入前にプレビュー表示をご確認の上、ご購入ください。
■使用できない機能
・文字拡大（ピンチイン・ピンチアウトは可能ですが、画面におさまらない場合は画面をスワイプ）／文字のコピー／マーク／ハイライト／文字列検索／辞書の参照／Web検索／引用
■推奨環境
・タブレットなど大きいディスプレイを備えた端末
・Wi-Fiネットワーク経由でのダウンロード（Kindle端末の場合）
↓全て表示↑少なく表示
Pepper最新事例に学ぶロボアプリ開発 Google Cloud PlatformとWeb APIを活用したPepper機能拡張の実践編
発売日 2017/12/20
発売日 2017/12/20
（2021/07/28 12:02時点）
Google Cloud Platform(GCP)の本 最新・高評価のおすすめの5冊
以下が「Google Cloud Platform(GCP)の本」最新・高評価のおすすめの5冊詳細です。
(2021/07/28 12:02 更新)
| Rank | 製品 | 価格 |
|---|---|---|
1 |  ゲーム開発が変わる！GCPゲームインフラ実践ガイド (NextPublishing)... 発売日 2019/11/22 實方 和幸, 邵 正, 粟田 大樹, 石川 泰式 (インプレスR&D) Kindle Unlimited対象 おすすめ度 | 1,210円 |
2 |  Google Cloudではじめる実践データエンジニアリング入門[業務で使えるデータ基盤構築]... 発売日 2021/02/20 下田 倫大, 寳野 雄太, 饗庭 秀一郎, 吉田 啓二 (技術評論社) おすすめ度 | |
3 |  Google Cloud Platform GAEソフトウェア開発入門――Google Cloud Authorized Trainerによ... 発売日 2020/02/20 小林 明大, 北原 光星 (技術評論社) おすすめ度 | |
4 |  | |
5 |  |
ゲーム開発が変わる！GCPゲームインフラ実践ガイド (NextPublishing)
ゲーム開発が変わる！GCPゲームインフラ実践ガイド (NextPublishing)
(著)實方 和幸, 邵 正, 粟田 大樹, 石川 泰式
発売日 2019/11/22
(著)實方 和幸, 邵 正, 粟田 大樹, 石川 泰式
発売日 2019/11/22
おすすめ度
（2021/07/28 12:02時点）
本書はGCP（Google Cloud Platform）のゲーム基盤としての活用を、ゲーム業界のエンジニアが解説します。各社のエンジニアが寄稿により生の声を寄せ、さらにGCPのディープな情報も盛り込んでいます。
【目次】
第1章 Google Cloud Platformの特徴
1.1 コンピューティング
1.2 データベース
1.3 ストレージ
1.4 ネットワーク
1.5 運用／監視／管理ツール
1.6 データ分析
1.7 AIと機械学習
第2章 GCP Deep Dive
2.1 Helmで構築するGKEモニタリング環境構築（株式会社grasys）
2.2 リージョン間通信とCloud Spanner（ジェットブラックフラワーズ合同会社）
2.3 BigQueryとLooker（アイレット株式会社）
2.4 まとめ
第3章 ゲームインフラにおけるワークロード
3.1 ワークロードごとの特徴
3.2 本章のまとめ
第4章 ゲームサーバーホスティングにおける活用事例
4.1 リファレンスアーキテクチャー
4.2 GKEとCloud Spannerで実現する大規模ゲームサーバー（株式会社コロプラ）
4.3 ポコロンダンジョンズのGCP移行とマネージドサービス活用実例（株式会社グレンジ）
第5章 プラットフォームサービスにおける活用事例
5.1 リファレンスアーキテクチャー
5.2 Google App Engineによる運用レスなゲームサーバー（株式会社バンダイナムコスタジオ）
5.3 無停止の課金基盤をGAEで構築するための設計と運用（株式会社アカツキ）
5.4 Google Maps Platform：既存ゲームへのマップ機能の追加について-モンスターストライクの事例-（株式会社ミクシィ）
第6章 データ分析における活用事例
6.1 リファレンスアーキテクチャー
6.2 データ分析の生産性を高める、データ基盤とKPIダッシュボード（株式会社サイバード）
6.3 BigQueryで作るクラウド活用型データ基盤（KLab株式会社）
6.4 機械学習を活用した分析（澪標アナリティクス株式会社）
【目次】
第1章 Google Cloud Platformの特徴
1.1 コンピューティング
1.2 データベース
1.3 ストレージ
1.4 ネットワーク
1.5 運用／監視／管理ツール
1.6 データ分析
1.7 AIと機械学習
第2章 GCP Deep Dive
2.1 Helmで構築するGKEモニタリング環境構築（株式会社grasys）
2.2 リージョン間通信とCloud Spanner（ジェットブラックフラワーズ合同会社）
2.3 BigQueryとLooker（アイレット株式会社）
2.4 まとめ
第3章 ゲームインフラにおけるワークロード
3.1 ワークロードごとの特徴
3.2 本章のまとめ
第4章 ゲームサーバーホスティングにおける活用事例
4.1 リファレンスアーキテクチャー
4.2 GKEとCloud Spannerで実現する大規模ゲームサーバー（株式会社コロプラ）
4.3 ポコロンダンジョンズのGCP移行とマネージドサービス活用実例（株式会社グレンジ）
第5章 プラットフォームサービスにおける活用事例
5.1 リファレンスアーキテクチャー
5.2 Google App Engineによる運用レスなゲームサーバー（株式会社バンダイナムコスタジオ）
5.3 無停止の課金基盤をGAEで構築するための設計と運用（株式会社アカツキ）
5.4 Google Maps Platform：既存ゲームへのマップ機能の追加について-モンスターストライクの事例-（株式会社ミクシィ）
第6章 データ分析における活用事例
6.1 リファレンスアーキテクチャー
6.2 データ分析の生産性を高める、データ基盤とKPIダッシュボード（株式会社サイバード）
6.3 BigQueryで作るクラウド活用型データ基盤（KLab株式会社）
6.4 機械学習を活用した分析（澪標アナリティクス株式会社）
↓全て表示↑少なく表示
Google Cloudではじめる実践データエンジニアリング入門[業務で使えるデータ基盤構築]
Google Cloudではじめる実践データエンジニアリング入門[業務で使えるデータ基盤構築]
(著)下田 倫大, 寳野 雄太, 饗庭 秀一郎, 吉田 啓二
発売日 2021/02/20
(著)下田 倫大, 寳野 雄太, 饗庭 秀一郎, 吉田 啓二
発売日 2021/02/20
おすすめ度
（2021/07/28 12:02時点）
(概要)
AIやIoTが実用化フェーズに入りつつあるのみならず、デジタルトランスフォーメーション(DX)への注目の高まりによって、事業やサービスを取り巻くデータを分析・活用・管理するためのインフラであるデータ基盤の重要性が増しています。 データ基盤を構築するにあたり、先行する事例から、Google Cloud(Google Cloud Platform, GCP)はデータ領域に強みがある、あるいは、BigQueryは高速に動作するデータウェアハウスである、と聞いたことがある方は多いでしょう。
本書では「データ基盤」そのものを体系的に整理しながら、Google Cloudの各サービスをどのように活用することで実用的なデータ基盤を構築できるか、また発展的なデータ分析ニーズに答えるデータ基盤をどのように設計できるか、といった点について解説しています。 特にGoogle Cloudはマネージドサービスを中心として提供されているため、その特性を正しくとらえることで、最大限の価値を発揮できるようになります。 実際にGoogle Cloudやオンプレミス、他のクラウドサービスを用いたデータ基盤の構築や設計に携わってきた筆者らによる一歩踏み込んだ解説が本書の特徴です。
(こんな方におすすめ)
・これからデータ基盤の構築に関わる可能性があるエンジニア
・Google Cloudや他のクラウドサービスを利用しており、これからデータ領域での活用を広げようとしている方
(目次)
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
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
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
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
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
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
第11章 発展的な分析
AIやIoTが実用化フェーズに入りつつあるのみならず、デジタルトランスフォーメーション(DX)への注目の高まりによって、事業やサービスを取り巻くデータを分析・活用・管理するためのインフラであるデータ基盤の重要性が増しています。 データ基盤を構築するにあたり、先行する事例から、Google Cloud(Google Cloud Platform, GCP)はデータ領域に強みがある、あるいは、BigQueryは高速に動作するデータウェアハウスである、と聞いたことがある方は多いでしょう。
本書では「データ基盤」そのものを体系的に整理しながら、Google Cloudの各サービスをどのように活用することで実用的なデータ基盤を構築できるか、また発展的なデータ分析ニーズに答えるデータ基盤をどのように設計できるか、といった点について解説しています。 特にGoogle Cloudはマネージドサービスを中心として提供されているため、その特性を正しくとらえることで、最大限の価値を発揮できるようになります。 実際にGoogle Cloudやオンプレミス、他のクラウドサービスを用いたデータ基盤の構築や設計に携わってきた筆者らによる一歩踏み込んだ解説が本書の特徴です。
(こんな方におすすめ)
・これからデータ基盤の構築に関わる可能性があるエンジニア
・Google Cloudや他のクラウドサービスを利用しており、これからデータ領域での活用を広げようとしている方
(目次)
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
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
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
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
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
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
第11章 発展的な分析
↓全て表示↑少なく表示
内容サンプル
目次
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
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
↓全て表示↑少なく表示
内容サンプル
著者略歴
Google Cloud Platform GAEソフトウェア開発入門――Google Cloud Authorized...
Google Cloud Platform GAEソフトウェア開発入門――Google Cloud Authorized Trainerによる実践解説 Software Design plus
(著)小林 明大, 北原 光星
発売日 2020/02/20
(著)小林 明大, 北原 光星
発売日 2020/02/20
おすすめ度
（2021/07/28 12:02時点）
（概要）
Google Cloudは、すぐにクラウドでアプリを開発できるので、ビジネスをすばやくIT化できます。フルマネージド（サーバー管理が要らない！）なので、Googleの技術基盤にフルに任せながら、安心してソフトウェア開発に注力できます。しかもGoogle App Engineを使うならば、必要なプログラミング言語はPythonだけです。しかもWebブラウザだけで開発できます。本書はGoogle Cloudの優れた機能を紹介しながら、Python＋Flaskフレームワークを使いWebアプリ方を紹介します。この開発工程をともに学ぶことでクラウド上でのソフトウェア開発の要諦を学ぶことができるでしょう。Google Cloudのパワーとテクノロジーを習得しましょう！
（こんな方におすすめ）
・Google Cloudを使ってみたい、試してみたいエンジニアに！
（目次）
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
Google Cloudは、すぐにクラウドでアプリを開発できるので、ビジネスをすばやくIT化できます。フルマネージド（サーバー管理が要らない！）なので、Googleの技術基盤にフルに任せながら、安心してソフトウェア開発に注力できます。しかもGoogle App Engineを使うならば、必要なプログラミング言語はPythonだけです。しかもWebブラウザだけで開発できます。本書はGoogle Cloudの優れた機能を紹介しながら、Python＋Flaskフレームワークを使いWebアプリ方を紹介します。この開発工程をともに学ぶことでクラウド上でのソフトウェア開発の要諦を学ぶことができるでしょう。Google Cloudのパワーとテクノロジーを習得しましょう！
（こんな方におすすめ）
・Google Cloudを使ってみたい、試してみたいエンジニアに！
（目次）
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
↓全て表示↑少なく表示
内容サンプル
目次
Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｐｌａｔｆｏｒｍ
Ｇｏｏｇｌｅ Ａｐｐ Ｅｎｇｉｎｅ
開発環境の構築
ＧＡＥアプリケーション作成
Ｗｅｂアプリケーション概要
ＦｌａｓｋによるＨＴＴＰリクエストの処理
ログ
Ｃｌｏｕｄ Ｄａｔａｓｔｏｒｅを使う
エンティティグループ
Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｓｔｏｒａｇｅを使う
そのほかのサービス
Ｇｏｏｇｌｅ Ａｐｐ Ｅｎｇｉｎｅ
開発環境の構築
ＧＡＥアプリケーション作成
Ｗｅｂアプリケーション概要
ＦｌａｓｋによるＨＴＴＰリクエストの処理
ログ
Ｃｌｏｕｄ Ｄａｔａｓｔｏｒｅを使う
エンティティグループ
Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｓｔｏｒａｇｅを使う
そのほかのサービス
↓全て表示↑少なく表示
内容サンプル
Google Cloud Platform GAEソフトウェア開発入門――Google Cloud Authorized Trainerによる実践解説 Software Design plus
発売日 2020/02/20
発売日 2020/02/20
（2021/07/28 12:02時点）
GCPの教科書II 【コンテナ開発編】
GCP上でのコンテナベースの開発する際の御作法 すべて教えます！
近年、アプリケーションエンジニアにとってコンテナベースでの開発は「超必須」とも
言える重要な技術となっております。しかし、一通りの開発ができたとしても、コンテ
ナの利点を十分に活かすことは難しいものです。
Googleが提供するGCP（Google Cloud Platform）には、このコンテナ開発ができる
様々なツールが多く用意されています。本書では、この中でも開発者がよく使う
（けど、わかりづらい）Kubernetes、GKE、Cloud Runを中心に解説しました。
◆本書の主な内容
第1章 Google Cloud Platformの紹介
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
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
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
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
（以降については「目次」を参照）
第6章 Cloud Run
第7章 サービスメッシュ
近年、アプリケーションエンジニアにとってコンテナベースでの開発は「超必須」とも
言える重要な技術となっております。しかし、一通りの開発ができたとしても、コンテ
ナの利点を十分に活かすことは難しいものです。
Googleが提供するGCP（Google Cloud Platform）には、このコンテナ開発ができる
様々なツールが多く用意されています。本書では、この中でも開発者がよく使う
（けど、わかりづらい）Kubernetes、GKE、Cloud Runを中心に解説しました。
◆本書の主な内容
第1章 Google Cloud Platformの紹介
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
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
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
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
（以降については「目次」を参照）
第6章 Cloud Run
第7章 サービスメッシュ
↓全て表示↑少なく表示
目次
第１章 Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｐｌａｔｆｏｒｍの紹介
第２章 Ｇｏｏｇｌｅ Ｃｏｎｔａｉｎｅｒ Ｒｅｇｉｓｔｒｙ
第３章 Ｃｌｏｕｄ Ｂｕｉｌｄ
第４章 Ｋｕｂｅｒｎｅｔｅｓ
第５章 ＧＫＥ
第６章 Ｃｌｏｕｄ Ｒｕｎ
第７章 サービスメッシュ
第２章 Ｇｏｏｇｌｅ Ｃｏｎｔａｉｎｅｒ Ｒｅｇｉｓｔｒｙ
第３章 Ｃｌｏｕｄ Ｂｕｉｌｄ
第４章 Ｋｕｂｅｒｎｅｔｅｓ
第５章 ＧＫＥ
第６章 Ｃｌｏｕｄ Ｒｕｎ
第７章 サービスメッシュ
著者略歴
飯島宏太（イイジマコウタ）
ＧＣＰを用いたインフラ設計・構築に従事
高木亮太郎（タカギリョウタロウ）
ＳＲＥエンジニア。業務ではＩａＣやＣＩ／ＣＤの構築、ＧＣＰのアーキテクチャ設計やＧｏｏｇｌｅ Ｃｌｏｕｄ認定トレーナーとしてトレーニングに従事
妹尾登茂木（セノオトモキ）
業務ではＧＣＰのみならずＵｎｉｔｙとＣ＃を扱う案件にも従事。社内用ツールの開発も行うほか、オンライン勉強会への参加やＯＳＳの翻訳、開発もやっている
富永裕貴（トミナガユウキ）
ＧＣＰとコンテナを用いたアプリケーション開発。Ｇｏｏｇｌｅ Ｃｌｏｕｄ認定トレーナー（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）
ＧＣＰを用いたインフラ設計・構築に従事
高木亮太郎（タカギリョウタロウ）
ＳＲＥエンジニア。業務ではＩａＣやＣＩ／ＣＤの構築、ＧＣＰのアーキテクチャ設計やＧｏｏｇｌｅ Ｃｌｏｕｄ認定トレーナーとしてトレーニングに従事
妹尾登茂木（セノオトモキ）
業務ではＧＣＰのみならずＵｎｉｔｙとＣ＃を扱う案件にも従事。社内用ツールの開発も行うほか、オンライン勉強会への参加やＯＳＳの翻訳、開発もやっている
富永裕貴（トミナガユウキ）
ＧＣＰとコンテナを用いたアプリケーション開発。Ｇｏｏｇｌｅ Ｃｌｏｕｄ認定トレーナー（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）
スケーラブルデータサイエンス データエンジニアのための実践Google Cloud Platform
スケーラブルデータサイエンス データエンジニアのための実践Google Cloud Platform
(著)Valliappa Lakshmanan
発売日 2019/06/05
(著)Valliappa Lakshmanan
発売日 2019/06/05
おすすめ度
（2021/07/28 12:02時点）
身近な例からデータサイエンスの深淵を体感し
スケールさせるノウハウを学ぶ
【本書の内容】
「膨大なデータを分析して傾向を探り意思決定に援用する」とはよく耳にするフレーズですが、「膨大なデータ」から「援用する」までの間に、どのようなことがなされているのでしょうか。その各段階における必要な知識や技能やツールやインフラにはなにがあるのでしょうか。
本書はそういった疑問を、身近な例（フライトスケジュールからミーティングの参加・不参加確定）から説き起こします。とはいえ、それは単に米国運輸省のデータをダウンロードし、フライトの傾向を時間軸に合わせて分析し、スケジュールとして提示する、という“シンプル”なストーリーではありません。
「データ分析を実行してビジネスで成果を出す」ことができる人を「データエンジニア」と呼ぶ、Googleならではの文化が色濃く出た1冊です。すなわち、クエリの構築やレポート、グラフ化が最終目標ではなく、それらをひっくるめたスケーラブルで反復可能なシステムを構築できる人材への足がかりとなる1冊であり、肩書としての「データサイエンティスト」から、真に求められているデータサイエンティストへと、自身をスケールしていくための手引書です。
本書は、
Valliappa Lakshmanan,
"Data Science on the Google Cloud Platform: Implementing End-to-End Real-Time Data Pipelines: From Ingest to Machine Learning", O'Reilly Media, January 12, 2018.
の邦訳版です。
【本書のポイント】
・Google Cloud Platformの具体的な活用方法
・データ分析からサービス構築まで、必要な知識
・データサイエンスをスケールするという考え方
【読者が得られること】
・データサイエンスに必要な知識を段階を追って習得できる
・データ収集からサービス構築までの一連の流れを理解できる
・各ステージにおける勘所や肝となる考え方を学べる
・Google Cloud Platformにある一群のツールを使えるようになる
・統計学や機械学習を理解していれば、モデルをコード化できるようになる
【対象読者】
・データエンジニア、データサイエンティスト
・データアナリスト、データベース管理者
・システムプログラマ
※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。
↓全て表示↑少なく表示
内容サンプル
Users Voice
内容サンプル
Google Cloud Platform(GCP)の本「新書一覧(2020年、2021年刊行)」
以下がGoogle Cloud Platform(GCP)の本の新書(2020年,2021年発売)の一覧(発売日の新しい順)です。
(2021/07/28 12:02 更新)
| 製品 | 価格 |
|---|---|
 | |
 | |
Google Cloudではじめる実践データエンジニアリング入門[業務で使えるデータ基盤構築]... 発売日 2021/02/20 下田 倫大, 寳野 雄太, 饗庭 秀一郎, 吉田 啓二 (技術評論社) おすすめ度 | |
| |
Google Cloud Platform GAEソフトウェア開発入門――Google Cloud Authorized Trainerによ... 発売日 2020/02/20 小林 明大, 北原 光星 (技術評論社) おすすめ度 | |
 APIではじめるディープラーニング・アプリケーション開発－Google Cloud API活用入門－... 発売日 2020/02/07 渡辺政彦, 坂本伸, 森嶋晃介, 柳澤伸紘 (オーム社) おすすめ度 |
Google Cloud Platform(GCP)の本「Kindle Unlimited 読み放題 人気本ランキング」
「Kindle Unlimited」は、Amazonの定額本読み放題サービス。
最近はKindle Unlimitedで読める本もどんどん増えており、雑誌、ビジネス書、実用書などは充実のラインナップ。
以下がKindle Unlimitedで読み放題となるGoogle Cloud Platform(GCP)の本の一覧です。
30日無料体験も可能なので、読みたい本があれば体験期間で無料で読むことも可能です。
(2021/07/28 12:02 更新)
| Rank | 製品 | 価格 |
|---|---|---|
1 |  Google Cloud Platform エンタープライズ設計ガイド 発売日 2018/05/17 遠山 陽介, 深津 康行, 中庄谷 哲平, 小島 仁志 (日経BP) Kindle Unlimited対象 おすすめ度 | |
2 |  仕事で使える！Google Cloud Platform 最新クラウドインフラ導入マニュアル (仕事で使える！シリーズ（NextPublis... 発売日 2016/03/25 吉積 礼敏, 福田 潔 (インプレスR&D) Kindle Unlimited対象 おすすめ度 | 385円 |
3 | ゲーム開発が変わる！GCPゲームインフラ実践ガイド (NextPublishing)... 発売日 2019/11/22 實方 和幸, 邵 正, 粟田 大樹, 石川 泰式 (インプレスR&D) Kindle Unlimited対象 おすすめ度 | 1,210円 |
4 |  ゲーム開発が変わる！Google Cloud Platform 実践インフラ構築 (NextPublishing)... 発売日 2016/03/04 野下 洋, 芝尾 幸一郎, シリコンスタジオ株式会社, 長谷川 祐介 (インプレスR&D) Kindle Unlimited対象 おすすめ度 | 770円 |
おまけ：本より高コスパ？「Udemy GCPおすすめ講座」
UdemyではGCPを基礎から応用までトータルで学べる学習講座があります。
こちらが、セール時には2千円程度で購入可能で、講座によっては本よりコスパよく学習が可能です。
講座は、買い切り型ながら更新あり、質問可能、30日間返金も可能、という本以上の手厚いサポートがあるのが魅力。
以下の表が、GCPの学習講座例。セールの場合、かなりおすすめなのでぜひトライしてみください。
Udemyについては、以下のページでも詳しく紹介しているので覗いてみてください。
| 人気 Rank | 学習コース | 評価 |
|---|---|---|
1 |  | 総評価数 331件 |
2 |  | 総評価数 824件 |
3 |  | 総評価数 106件 |
4 |  【GCP認定資格】Google Cloud Platform Associate Cloud Engineer模擬問題集... 発売日 2020/04/05 受講者 1,633人 通常 2,400円 現在 1,800円 | 総評価数 210件 |
5 |  | 総評価数 15件 |
関連：Webサービス開発のためのプログラミング
以下では、GCPで使える代表的なNode.js(JavaScript)やPHPといったWeb開発向けの参考書も紹介しています。合わせて参照ください。
関連：Google Apps Scriptの本
以下では同じくGoogle系のサービスで活用可能な「Google Apps Script(GAS)」に関する書籍をまとめています、合わせてのぞいて見てください。
関連：最新おすすめのKindle端末
以下では最新のKindle端末について比較、おすすめ紹介しています、合わせてのぞいて見てください。
いじょうでっす。
コメント