{"canonical_url":"https://engineer.company/sv/glossary/google-cloud/","content_markdown":"# Google Cloud\n\n## Vad det är\n\nGoogle Cloud är den del av Google som hyr ut datorkraft från sina egna datacenter: virtuella\nmaskiner i Compute Engine, objektlagring i Cloud Storage, hanterade databaser i Cloud SQL,\nKubernetes-kluster i GKE, analysdatalagret BigQuery och många fler tjänster, som alla betalas efter\nanvändning. Det äldre namnet, Google Cloud Platform eller GCP, används fortfarande flitigt, även i\ndelar av Googles egen dokumentation.\n\nAllt som Google Cloud kör åt en kund finns inuti ett projekt. Ett projekt är behållaren för\nresurser, för de API:er som är påslagna för dem, för de kvoter de tar av och för kopplingen till det\nfaktureringskonto som betalar. Projektet har ett visningsnamn som går att ändra och ett projekt-ID\nsom är unikt i hela Google Cloud och permanent när projektet väl finns. Projekt kan grupperas i\nmappar, mappar kan innehålla andra mappar, och hela trädet hänger från en organisationsresurs som\nhör till ett företags konto i Google Workspace eller Cloud Identity. Roller och\norganisationspolicyer som sätts på organisationen eller på en mapp ärvs av varje projekt därunder,\nvilket gör ett väl ritat träd lätt att styra och ett dåligt ritat träd svårt att reda ut.\n\nNätverket är uppritat på ett annat sätt än i de andra stora molnen. Ett VPC-nätverk i Google Cloud\när, tillsammans med sina rutter och brandväggsregler, en global resurs som inte hör till någon\nregion, och det är bara dess subnät som är regionala. En virtuell maskin i Belgien och en annan i\nIowa kan därför dela ett privat nätverk och nå varandra på interna adresser, helt utan VPN eller\npeering mellan de två regionerna. I AWS hör däremot varje VPC till en enda region.\n\nIdentiteter finns i två slag. Människor loggar in med Google-konton och får IAM-roller på ett\nprojekt, en mapp eller hela organisationen. Program använder tjänstekonton: identiteter som hör till\nett enda projekt och som en virtuell maskin, en container eller en pipeline kan agera som. Koppla\nett tjänstekonto till en instans i Compute Engine, så kan koden som körs där anropa Googles API:er\nmed kontots roller, helt utan lösenord eller nyckelfil på disken.\n\n## Varför det spelar roll\n\nFör många team är data skälet att välja Google Cloud. BigQuery är ett analysdatalager där det inte\nfinns några servrar att dimensionera: tabeller ligger i dataset inuti ett projekt, databasfrågor\nskrivs i standard-SQL, och med on-demand-modellen debiteras varje fråga efter antalet byte den\nläser, medan kapacitetsprissättning i stället betalar för en reserverad mängd bearbetning, mätt i\nslots. Lagringen är kolumnorienterad, så en fråga betalar för de kolumner den rör och inte för hela\nrader. Cloud Storage står bredvid som landningszon, och att läsa in filer från en bucket är en\nvanlig väg in. Ett team som på andra ställen skulle provisionera och trimma ett kluster för sitt\nanalysdatalager kan börja med en bucket, ett dataset och en fråga.\n\nProjektgränsen är det andra skälet, eftersom så mycket fäster vid den. Fakturering, kvoter, påslagna\nAPI:er och IAM möts alla i projektet, så ett projekt per applikation och miljö drar en ren gräns:\nproduktion och test får separata behörigheter och separata rader på fakturan. Att stänga ned ett\nprojekt stoppar på en gång faktureringen och varje resurs i det. Ägarna kan återställa det i 30\ndagar, men vissa tjänster, bland dem Cloud Storage, kan radera sina data tidigare. Ovanför projekten\nkan en organisationspolicy som sätts en gång på en mapp förbjuda hela klasser av riskabla\ninställningar, t.ex. standardnätverk eller nedladdningsbara nycklar för tjänstekonton, i varje\nprojekt under den. Så håller ett litet team ett dussin projekt konsekventa utan att kontrollera vart\noch ett för hand.\n\n## Så ser det ut i praktiken\n\nTre poster i portfolion visar Google Cloud som landningszon för ett analysdatalager, som lagring på\nannan plats för säkerhetskopior och som ena änden av ett privat nätverk.\n\nI dataarbetet\n[matade sex ETL/ELT-pipelines BigQuery från ett datalager bakom ett IPsec-VPN](/sv/portfolio/designed-and-ran-6-etl-elt-pipelines/).\nKurerade dataset och tabeller exporterades, komprimerades med gzip och fördes över till en bucket i\nGoogle Cloud Storage, och uppladdningen och schemamappningen till BigQuery automatiserades med bq\nCLI och skript i Python för datainläsning. Arbete som hade tagit över 3 timmar för hand kördes på\nunder 20 minuter från början till slut, datafärskheten gick från veckovis till daglig\nsynkronisering, och de API:er i Python som använde dessa data fick 30 % bättre prestanda.\n\nPå säkerhetskopieringssidan var det Google Cloud som förvarade kopiorna på annan plats när\n[hundra kritiska säkerhetskopior av data automatiserades](/sv/portfolio/automated-100-critical-data-backups-using-barman/),\nmedan Barman svarade för PostgreSQL-delen. Skript i Bash och Python styrde och validerade flödet.\nRegler för lagringstid höll säkerhetskopiorna aktuella, och för var och en bekräftade en\nintegritetskontroll att den var bra och inte bara låg där. Säkerhetskopieringen kördes sedan\nautomatiskt och gick att verifiera för varje databas.\n\nPå nätverkssidan förvaltades och felsöktes\n[åtta tunnlar med WireGuard och IPsec mellan Google Cloud och lokalt driftade Linux-system](/sv/portfolio/managed-8-wireguard-and-ipsec-vpn-connections/)\nsom en helhet. Konfigurationen standardiserades, tunnlarnas tillstånd övervakades, och de\nåterkommande problemen med routning och nyckelutbyte åtgärdades vid roten i stället för med en\nomstart, varefter alla åtta tunnlarna gick säkert och tillförlitligt.\n\n## Var det går fel\n\nGoogle Cloud har sina vassaste kanter i bekvämligheterna: inställningar som gör den första\neftermiddagen enkel och som fortfarande finns kvar ett år senare, långt efter att alla har glömt att\nde valde dem.\n\n**Standardnätverket förblir öppet.** Om inte en organisationspolicy förhindrar det börjar varje nytt\nprojekt med ett standardnätverk som har ett subnät i varje region och fyra förifyllda\nbrandväggsregler. Tre av dem tar emot trafik från 0.0.0.0/0, alltså hela internet: SSH på tcp:22,\nRemote Desktop på tcp:3389 och ICMP. Den fjärde tillåter all TCP-, UDP- och ICMP-trafik från\n10.128.0.0/9 inne i nätverket. Varje virtuell maskin som får en extern adress i det nätverket är\ndärför öppen för SSH-försök från var som helst. Villkoret `compute.skipDefaultNetworkCreation`\nhindrar nya projekt från att få ett sådant nätverk, och ett eget nätverk med regler som namnger sina\nkällor ersätter det.\n\n**En nyckel för ett tjänstekonto hamnar i ett repo.** En användarhanterad nyckel är en JSON-fil som\nlåter den som har den agera som tjänstekontot, och som standard förblir den giltig tills någon\nraderar den. Sådana filer sprids lätt: till hemligheterna i CI, till containeravbildningar och, av\nmisstag, till repon. Googles vägledning är att välja ett säkrare alternativ varhelst ett sådant\nfinns. Arbetslaster i Google Cloud använder det tjänstekonto som är kopplat till resursen de körs\npå, och arbetslaster på andra ställen, t.ex. ett CI-system eller ett annat moln, använder Workload\nIdentity Federation, som byter det externa systemets egna inloggningsuppgifter mot kortlivade token\nfrån Google. Organisationer som har skapats den 3 maj 2024 eller senare har skapande och uppladdning\nav nycklar avstängda som standard genom villkor i organisationspolicyn, och äldre organisationer kan\nsätta samma villkor.\n\n**En liten fråga läser en stor tabell.** Med on-demand-modellen debiterar BigQuery för de byte som\nen fråga läser, och på en tabell som inte är klustrad lämnar en sats med `LIMIT` den siffran\noförändrad: `SELECT * ... LIMIT 10` returnerar tio rader och debiterar varje byte i varje kolumn.\nVälj bara de kolumner som behövs, partitionera stora tabeller efter datum så att frågor som\nfiltrerar på datumet hoppar över gamla partitioner, kontrollera uppskattningen från en torrkörning\ninnan något nytt körs, och sätt ett tak för maximalt antal debiterade byte. En fråga vars\nuppskattning överstiger taket misslyckas innan den körs, och det kostar ingenting.\n\n**Kall lagring håller varma data.** Cloud Storage erbjuder klasserna Nearline, Coldline och Archive,\nsom kostar mindre per lagrad gigabyte än Standard i utbyte mot avgifter för hämtning och minsta\nlagringstider på 30, 90 och 365 dagar. Ett objekt som raderas, ersätts eller flyttas före sin minsta\nlagringstid debiteras som om det hade lagrats under hela perioden. Säkerhetskopior som roteras\ndagligen, eller tillfälliga filer som en pipeline skriver och tar bort inom en timme, kan därför\nkosta mer i Archive än de skulle göra i Standard. De kallare klasserna passar data som skrivs en\ngång och läses sällan, och en livscykelregel kan flytta objekt dit när de blir äldre.\n\n## Läs mer\n\n- [Google Cloud Documentation](https://cloud.google.com/docs) — Googles register över guider,\n  referenser och handledningar för varje produkt i Google Cloud.\n- [About resource hierarchy](https://cloud.google.com/resource-manager/docs/cloud-platform-resource-hierarchy)\n  — hur organisationer, mappar och projekt ligger i varandra, och hur roller och policyer flödar\n  nedåt genom dem.\n- [VPC firewall rules](https://cloud.google.com/firewall/docs/firewalls) — hur brandväggsregler\n  utvärderas, inklusive de regler som standardnätverket börjar med.\n- [Best practices for managing service account keys](https://cloud.google.com/iam/docs/best-practices-for-managing-service-account-keys)\n  — hur nycklar läcker, hur de kan begränsas och vad som ska användas i stället.\n- [Estimate and control costs](https://cloud.google.com/bigquery/docs/best-practices-costs) —\n  BigQuerys vägledning om torrkörningar, maximalt antal debiterade byte och varför `LIMIT` sparar\n  lite.\n- [Storage classes](https://cloud.google.com/storage/docs/storage-classes) — klasserna sida vid\n  sida, med minsta lagringstider, avgifter för hämtning och tillgänglighet.\n\n\u003chttps://engineer.company/sv/glossary/google-cloud/\u003e\n","date_modified":"2026-10-21T06:22:55Z","description":"Hur Google hyr ut datorkraft genom projekt, mappar och ett globalt nätverk, och var Google Cloud-miljöer läcker pengar, nycklar och öppna portar.","formats":{"gemtext":"https://engineer.company/sv/glossary/google-cloud/index.gmi","gopher":"https://engineer.company/sv/glossary/google-cloud/gophermap","html":"https://engineer.company/sv/glossary/google-cloud/","json":"https://engineer.company/sv/glossary/google-cloud/index.json","markdown":"https://engineer.company/sv/glossary/google-cloud/index.md","pdf":"https://engineer.company/sv/glossary/google-cloud/index.pdf"},"kind":"page","language":"sv","title":"Vad är Google Cloud?","url":"https://engineer.company/sv/glossary/google-cloud/","version":1}