Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

[Cloud OnAir] #01 徹底解剖 GCP のここがすごい

6,477 views

Published on

#CloudOnAir 記念すべき第一回目の放送では、皆様に Google Cloud Platform の概要や Google Cloud のビジョンなどをお話します。
Google Cloud Platform の製品で何ができるのか?何がビジネスに役立つのかなど、分かりやすくポイントを交えながらご紹介していきます。

番組動画はこちら:
https://youtu.be/VSV9AJWjMCI

Published in: Technology
  • Be the first to comment

[Cloud OnAir] #01 徹底解剖 GCP のここがすごい

  1. 1. Cloud Onr Cloud OnAir Cloud OnAir 徹底解剖 GCP のここがすごい 第 1 回放送 - 10 月 5 日
  2. 2. Agenda Cloud OnAir 1 3 2 4 Google Cloud 何ができる? Google Cloud 何が違う? Google Cloud 事例 Questions
  3. 3. Cloud OnAir Cloud OnAir Google Cloud 何ができる?
  4. 4. Cloud OnAir Google Cloud 10 億人ユーザーを抱えるプロダクト
  5. 5. Cloud OnAir Google Cloud 革新的なアプリ、 ユーザーエクス ペリエンスの開発 セキュアな モバイル・デバイスを 通じてチームの 生産性向上 インフラコストの最適 化及び スケールの達成 データの 有効利用とビジネスの 見通し予測 サービスそしてパー トナーの ビジネス プラットフォームとの 接続 ビジネスのクラウド化が進む複数の要因
  6. 6. Cloud OnAir Google Cloud LANGUAGE API VISION API APP ENGINE COMPUTE ENGINE CONTAINER ENGINE BIG QUERY DATA FLOW MACHINE LEARNING CLOUD STORAGE NETWORKING COMPUTE ENGINE 組織, モビリティ, デバイス ビジネスプラットフォームの接続 アプリ開発 & 運用 データ分析 & 機械学習 インフラ, ストレージ, ネットワーク セキュリティ / スケール / 管理
  7. 7. Cloud OnAir Cloud OnAir Google Cloud 何が違う?
  8. 8. 新規アプリの開発 App Engine, Kubernetes, Firebase, Cloud Functions 安全で信頼性の 高いインフラ 100+ POPs globally; 750+ security engineers エコシステムの 接続及び成長 Ready APIs (Maps, Vision, Translate etc.), Apigee, OrbitEra データの有効活用 Machine Learning & Data Analytics: Cloud ML, TensorFlow, BigQuery 生産性の高い組織・ モバイル & デバイス G-Suite; Chrome and Android
  9. 9. グローバル拠点 現在のリージョンとゾーン数 POP ネットワーク経路 2017年に作成されるリージョンとゾーン数 # # https://peering.google.com https://cloud.google.com/compute/docs/regions-zones/regions-zones 2 3 シンガポール2 サウスカロライナ バージニア北部 ベルギー ロンドン 東京 台湾 ムンバイ シドニー オレゴン アイオワ フランクフルト サンパウロ フィンランド 3 3 3 3 3 3 2 4 3 3 3
  10. 10. Google のセキュリティ専任部門 ● 750 名を超えるセキュリティエンジニア ● アプリ設計からインフラ運用まで深く関与 ● 自社だけではなく、世界へも貢献   Heartbleed (OpenSSLの脆弱性)   “デフォルトで暗号化” ポリシー   脆弱性発見報奨プログラム   Windows OS の脆弱性   250 以上のセキュリティ研究論文
  11. 11. セキュリティ認証 データの利用と保護 Prepared for Hong Leong Bank. Google Proprietary and Confidential. その他 独立した機関による認証
  12. 12. Cloud OnAir Cloud OnAir Big Data
  13. 13. Proprietary + Confidential 現在: 典型的な Big Data 作業 次世代: Big Data with Google 分析及び洞察 リソース・プロビ ジョニング パフォーマンス チューニング モニタリング 信頼性向上配布・展開及び設定 スケールアップ の取扱 利用率改善 分析及び洞察 理解 全てを自動化
  14. 14. Cloud OnAir BigQuery とは? SQL, ODBC, JDBC といった業界標準対応 フルマネージド及び NoOps ペタ規模のデータに対する高速クエリー Google 発のデータウェアハウス
  15. 15. Cloud OnAir Cloud OnAir 機械学習
  16. 16. Cloud OnAir Proprietary & Confidential 検索 検索ランキング 音声認識 Android キーボード及び 音声入力 Gmail スマートリプライ スパムの分類 ドライブ 知能をもったアプリ Chrome 画像検索 アシスタント 横断的な機能活用 マップ 地域検索のパース 翻訳 テキスト、画像、音声の翻訳 Cardboard スマートスティッチング フォト 写真検索 機械学習もたらすユーザー・エクスペリエンス
  17. 17. Cloud OnAir カスタムデータ及びカスタムモデル 利用可能な機械学習モデル Cloud Vision API Cloud Translation API Cloud Natural Language API Cloud Speech API Cloud Machine Learning Engine TensorFlow Cloud Jobs API Cloud Video Intelligence 2種類の機械学習形態
  18. 18. Cloud OnAir Cloud OnAir アプリ開発
  19. 19. Cloud OnAir IaaS と PaaS PaaS Java, Go, PHP, Python 焦点はアプリケーションロジック 使用した分だけの支払い 管理オーバーヘッドの削減 IaaS コンピュート ストレージ、ネットワーク よりきめ細かなコントロール 割り当てた分の支払い 管理オーバーヘッドの増大 マネージド  イ ンフラ ストラクチャ マネージド サービス Compute Engine App Engine
  20. 20. Cloud OnAir Google App Engine とは ● スケーラブルなウェブアプリケーションや、モバイ ルバックエンドを構築するためのプラットフォーム (Platform as a Service) ● App Engine がデプロイやメンテナス、 スケーラビリティを容易にし、貴社は アプリケーションの開発に集中することが できます。
  21. 21. Cloud OnAir Cloud OnAir G Suite 生産性向上
  22. 22. 連絡・共有 コメント付与 資料を統合新規作成 従来の働き方 G Suite による働き方 共同編集新規作成 G Suite
  23. 23. Confidential + Proprietary “ 検索せずに 必要な情報を得る” メール、カレンダー、ドライブ等のアプリ横断検索 スケジュールに合わせたコンテンツのプッシュ表示 チームメンバーが作成編集、参照したコンテンツ表示 Google Cloud Search
  24. 24. 機械学習 コミュニケーション Gmail Hangouts Calendar Google+ Drive ストレージ Docs Sheets Forms Slides Sites コラボレーション Admin Vault 管理・監査
  25. 25. Cloud OnAir Cloud OnAir Google Cloud 事例
  26. 26. スケールするユーザーエ クスペリエンス “Google の助けが無ければ、我々 は持続不可能でした。” Niantic CEO
  27. 27. 府川 幸太郎 氏 任天堂株式会社 ビジネス開発本部 スマートデバイス事業部 事業システム開発グループ グループマネージャー “ 『スーパーマリオ ラン』の想定トラフィックが、これまで多くのスマホアプ リを手がけてきた我々の目から見てもあまりにもケタ違い。そこで、 Google AppEngine(GAE)のような マネージドサービスを利用して、いくつかの業務を Google さんにシフトするということを提案しました。 ”(DeNA) “ 負荷試験においても、Google は徹底的にこれにコミッ ト。アメリカ本社の SRE(Site Reliability Engineering=サイト信頼性 エンジニアリング)担当者も来日し、『スーパーマリオ ラン』の配信に耐え うる堅牢なバックエンドを構築。最終的には Datastore へのトラフィックテ ストにおいて、秒間 300 万アクセスのテストを完了。想定さ れる数字の数倍ものアクセスにも耐えるシステムが完成 しました ” 事例 PDF はこちら
  28. 28. 川田 雅人氏 ソニーネットワークコミュニケーションズ株式会社 クラウド&アプリ事業部門 クラウド開発運用部 2 課 課長 “ データ分析の業務において問題となる 80:20 ルールとは、作業時間の 8 割が分 析ではなく、その準備に割かれてしまう状況のこと。データを集めたり、 それを変換・加工したりする前準備にほとんどの時間を費やしてしまい、価値のある ことには 2 割の時間しか割けていないんです。長らくこの問題に悩まされていたので すが、マネージドサービスである BigQuery が、我々をこうした準備やインスタ ンスの容量・性能設計業務から開放、運用に パラダイムシフトをもたらしてくれました。 マネジメントサービスを導入したことで、これまで頭を悩ませていた監視・メンテナ ンス業務からデータ分析チームが開放 されたということも 大きかったそう。雑事に謀殺されず、データの利用や、データ構造の 最適化に注力できる ようになったことも大きな変化だった。” 事例 PDF はこちら
  29. 29. 荻野武 氏 キユーピー株式会社 生産本部 生産技術部 次世代技術担当 担当次長 “ ベビーフードの原料となるダイスポテトを検査対象に設定し、 約 1 万 8,000 枚のライン写真をTensorFlow に読み込ませ、 良品・不良品の閾値(しきいち)を徹底的に学習させました。 グローバルかつオープンなTensorFlow は、論文で発表されているアルゴリズ ムが既に実装されているケースも多く、トライの閾値が低いのです。こう したエコシステムができあがっていることも TensorFlow の強みと言えるでしょ う。またブレインパッドさんのおかげで、開発も順調に推移。概念実証(POC)を 11 月頃に行い、 年末にそれを踏まえた構想設計を開始。約 2 ヶ月後の 2 月にはプ ロトタイプが完成し、4 月上旬にはそれを工場に持ち込んで実証実験を 実施しています。その際、あえて人力で取り除いた不良品を混ぜ込んだ原料を 検査させたのですが、ほぼ正確にそれを指摘してくれるなど、 結果は上々でした ” 事例 PDF はこちら
  30. 30. 矢部 俊男氏 森ビル株式会社 都市開発本部 計画企画部 メディア企画部 部長 “ 業務システムの置き換えを検討。いくつかの選択肢の中から、 G Suite が選ばれることになった。私たち不動産会社にとって、 地図は毎日のように使うとても大切なもの。 Google には、Google Maps や、Google Earth など地図サービスが多数用意されていたの が大きかったですね。ほか、 YouTube の存在も大きかった。独立した 機能をむりやり 1 つのパッケージにしたようなものが多い中、 G Suite はオールインワンで、上手にまとまっているとこ ろに感心しました。私の部署では、 こうした事務支援ツール “以外” の、他のソリューションとの連 携を特に評価しています。 また ”新しい働きかたができる 可能性を感じた” という声もあります ” 事例 PDF はこちら

×