Google Cloud

Vad det är

Google Cloud är den del av Google som hyr ut datorkraft från sina
egna datacenter: virtuella maskiner i Compute Engine, objektlagring
i Cloud Storage, hanterade databaser i Cloud SQL, Kubernetes-kluster
i GKE, analysdatalagret BigQuery och många fler tjänster, som alla
betalas efter användning. Det äldre namnet, Google Cloud Platform
eller GCP, används fortfarande flitigt, även i delar av Googles egen
dokumentation.

Allt som Google Cloud kör åt en kund finns inuti ett projekt. Ett
projekt är behållaren för resurser, för de API:er som är påslagna
för dem, för de kvoter de tar av och för kopplingen till det
faktureringskonto som betalar. Projektet har ett visningsnamn som
går att ändra och ett projekt-ID som är unikt i hela Google Cloud
och permanent när projektet väl finns. Projekt kan grupperas i
mappar, mappar kan innehålla andra mappar, och hela trädet hänger
från en organisationsresurs som hör till ett företags konto i Google
Workspace eller Cloud Identity. Roller och organisationspolicyer som
sätts på organisationen eller på en mapp ärvs av varje projekt
därunder, vilket gör ett väl ritat träd lätt att styra och ett
dåligt ritat träd svårt att reda ut.

Nätverket är uppritat på ett annat sätt än i de andra stora molnen.
Ett VPC-nätverk i Google Cloud är, tillsammans med sina rutter och
brandväggsregler, en global resurs som inte hör till någon region,
och det är bara dess subnät som är regionala. En virtuell maskin i
Belgien och en annan i Iowa kan därför dela ett privat nätverk och
nå varandra på interna adresser, helt utan VPN eller peering mellan
de två regionerna. I AWS hör däremot varje VPC till en enda region.

Identiteter finns i två slag. Människor loggar in med Google-konton
och får IAM-roller på ett projekt, en mapp eller hela
organisationen. Program använder tjänstekonton: identiteter som hör
till ett enda projekt och som en virtuell maskin, en container eller
en pipeline kan agera som. Koppla ett tjänstekonto till en instans i
Compute Engine, så kan koden som körs där anropa Googles API:er med
kontots roller, helt utan lösenord eller nyckelfil på disken.

Varför det spelar roll

För många team är data skälet att välja Google Cloud. BigQuery är
ett analysdatalager där det inte finns några servrar att
dimensionera: tabeller ligger i dataset inuti ett projekt,
databasfrågor skrivs i standard-SQL, och med on-demand-modellen
debiteras varje fråga efter antalet byte den läser, medan
kapacitetsprissättning i stället betalar för en reserverad mängd
bearbetning, mätt i slots. Lagringen är kolumnorienterad, så en
fråga betalar för de kolumner den rör och inte för hela rader. Cloud
Storage står bredvid som landningszon, och att läsa in filer från en
bucket är en vanlig väg in. Ett team som på andra ställen skulle
provisionera och trimma ett kluster för sitt analysdatalager kan
börja med en bucket, ett dataset och en fråga.

Projektgränsen är det andra skälet, eftersom så mycket fäster vid
den. Fakturering, kvoter, påslagna API:er och IAM möts alla i
projektet, så ett projekt per applikation och miljö drar en ren
gräns: produktion och test får separata behörigheter och separata
rader på fakturan. Att stänga ned ett projekt stoppar på en gång
faktureringen och varje resurs i det. Ägarna kan återställa det i 30
dagar, men vissa tjänster, bland dem Cloud Storage, kan radera sina
data tidigare. Ovanför projekten kan en organisationspolicy som
sätts en gång på en mapp förbjuda hela klasser av riskabla
inställningar, t.ex. standardnätverk eller nedladdningsbara nycklar
för tjänstekonton, i varje projekt under den. Så håller ett litet
team ett dussin projekt konsekventa utan att kontrollera vart och
ett för hand.

Så ser det ut i praktiken

Tre poster i portfolion visar Google Cloud som landningszon för ett
analysdatalager, som lagring på annan plats för säkerhetskopior och
som ena änden av ett privat nätverk.

I dataarbetet matade sex ETL/ELT-pipelines BigQuery från ett
datalager bakom ett IPsec-VPN. Kurerade dataset och tabeller
exporterades, komprimerades med gzip och fördes över till en bucket
i Google Cloud Storage, och uppladdningen och schemamappningen till
BigQuery automatiserades med bq CLI och skript i Python för
datainläsning. Arbete som hade tagit över 3 timmar för hand kördes
på under 20 minuter från början till slut, datafärskheten gick från
veckovis till daglig synkronisering, och de API:er i Python som
använde dessa data fick 30 % bättre prestanda.

På säkerhetskopieringssidan var det Google Cloud som förvarade
kopiorna på annan plats när hundra kritiska säkerhetskopior av data
automatiserades, medan Barman svarade för PostgreSQL-delen. Skript i
Bash och Python styrde och validerade flödet. Regler för lagringstid
höll säkerhetskopiorna aktuella, och för var och en bekräftade en
integritetskontroll att den var bra och inte bara låg där.
Säkerhetskopieringen kördes sedan automatiskt och gick att verifiera
för varje databas.

På nätverkssidan förvaltades och felsöktes åtta tunnlar med
WireGuard och IPsec mellan Google Cloud och lokalt driftade
Linux-system som en helhet. Konfigurationen standardiserades,
tunnlarnas tillstånd övervakades, och de återkommande problemen med
routning och nyckelutbyte åtgärdades vid roten i stället för med en
omstart, varefter alla åtta tunnlarna gick säkert och
tillförlitligt.

Var det går fel

Google Cloud har sina vassaste kanter i bekvämligheterna:
inställningar som gör den första eftermiddagen enkel och som
fortfarande finns kvar ett år senare, långt efter att alla har glömt
att de valde dem.

Standardnätverket förblir öppet. Om inte en organisationspolicy
förhindrar det börjar varje nytt projekt med ett standardnätverk som
har ett subnät i varje region och fyra förifyllda brandväggsregler.
Tre av dem tar emot trafik från 0.0.0.0/0, alltså hela internet: SSH
på tcp:22, Remote Desktop på tcp:3389 och ICMP. Den fjärde tillåter
all TCP-, UDP- och ICMP-trafik från

10.128.0.0/9 inne i nätverket. Varje virtuell maskin som får en
extern adress i det nätverket är därför öppen för SSH-försök från
var som helst. Villkoret `compute.skipDefaultNetworkCreation`
hindrar nya projekt från att få ett sådant nätverk, och ett eget
nätverk med regler som namnger sina källor ersätter det.

En nyckel för ett tjänstekonto hamnar i ett repo. En
användarhanterad nyckel är en JSON-fil som låter den som har den
agera som tjänstekontot, och som standard förblir den giltig tills
någon raderar den. Sådana filer sprids lätt: till hemligheterna i
CI, till containeravbildningar och, av misstag, till repon. Googles
vägledning är att välja ett säkrare alternativ varhelst ett sådant
finns. Arbetslaster i Google Cloud använder det tjänstekonto som är
kopplat till resursen de körs på, och arbetslaster på andra ställen,
t.ex. ett CI-system eller ett annat moln, använder Workload Identity
Federation, som byter det externa systemets egna
inloggningsuppgifter mot kortlivade token från Google.
Organisationer som har skapats den 3 maj 2024 eller senare har
skapande och uppladdning av nycklar avstängda som standard genom
villkor i organisationspolicyn, och äldre organisationer kan sätta
samma villkor.

En liten fråga läser en stor tabell. Med on-demand-modellen
debiterar BigQuery för de byte som en fråga läser, och på en tabell
som inte är klustrad lämnar en sats med `LIMIT` den siffran
oförändrad: `SELECT * ... LIMIT 10` returnerar tio rader och
debiterar varje byte i varje kolumn. Välj bara de kolumner som
behövs, partitionera stora tabeller efter datum så att frågor som
filtrerar på datumet hoppar över gamla partitioner, kontrollera
uppskattningen från en torrkörning innan något nytt körs, och sätt
ett tak för maximalt antal debiterade byte. En fråga vars
uppskattning överstiger taket misslyckas innan den körs, och det
kostar ingenting.

Kall lagring håller varma data. Cloud Storage erbjuder klasserna
Nearline, Coldline och Archive, som kostar mindre per lagrad
gigabyte än Standard i utbyte mot avgifter för hämtning och minsta
lagringstider på 30, 90 och 365 dagar. Ett objekt som raderas,
ersätts eller flyttas före sin minsta lagringstid debiteras som om
det hade lagrats under hela perioden. Säkerhetskopior som roteras
dagligen, eller tillfälliga filer som en pipeline skriver och tar
bort inom en timme, kan därför kosta mer i Archive än de skulle göra
i Standard. De kallare klasserna passar data som skrivs en gång och
läses sällan, och en livscykelregel kan flytta objekt dit när de
blir äldre.

Läs mer

  * Google Cloud Documentation — Googles register över guider,
referenser och handledningar för varje produkt i Google Cloud.

  * About resource hierarchy — hur organisationer, mappar och
projekt ligger i varandra, och hur roller och policyer flödar nedåt
genom dem.

  * VPC firewall rules — hur brandväggsregler utvärderas, inklusive
de regler som standardnätverket börjar med.

  * Best practices for managing service account keys — hur nycklar
läcker, hur de kan begränsas och vad som ska användas i stället.

  * Estimate and control costs — BigQuerys vägledning om
torrkörningar, maximalt antal debiterade byte och varför `LIMIT`
sparar lite.

  * Storage classes — klasserna sida vid sida, med minsta
lagringstider, avgifter för hämtning och tillgänglighet.

hDen här sidan på webben	URL:https://engineer.company/sv/glossary/google-cloud/	engineer.company	70
