现如今，跨国/跨区域公司协同办公，疫情下的混合办公已经越来越常见了。而随着这些情况的发生，如何高效协同办公也成为现如今企业所担心的问题。 随着需求的产生，越来越多的协同办公软件出现，如用于线上会议的软件、共享文档软件以及办公即时沟通软件等等，但是这些软件大多只拥有单一的功能，无法满足全部的需要，而 Google Workspace 可以满足协同办公的全部需求。 集线上会议、在线文档、邮箱功能为一体 谷歌 workspace 的产品一览 如图为谷歌 workspace 的产品一览，其中包括全球范围拥有十八亿用户的 Gmail、还有用于线上会议的 Meet，此外还有 Calendar 可同步会议活动，以及 Drive 云盘，而Docs、Sheets、slides 等可以满足日常办公文档编辑需求，而同时 Docs、Sheets 都可以共享给其他 Workspace用户编辑。 谷歌 Workspace 还可使用谷歌强大的搜索功能，在使用其他搜索引擎的时候，我们经常会发现搜索慢、结果不可靠，而谷歌 Workspace 的搜索功能相当强大，不仅可以搜索邮件内容，还可以检索云盘和他们共享文档。 相比起其他的单一协同办公服务，谷歌 Woskspace 集合了多项服务，且形成了协同办公的系统。用 Gmail…

在大数据时代，许多公司仍然在为数据而烦恼，烦恼如何使用高度相互依赖的技术，通过人工智能操作来同步数据并分析提取出有利的信息，以便于后续公司采取有意义的行动。 谷歌在过去的二十多年内积累了大量的数据，而在多年的应用过程中，谷歌已经具备了统一数据和人工智能分析数据的能力。谷歌云是市场上最完整和统一数据和人工智能解决方案供应商。 通过使用谷歌云上的连接数据和人工智能服务，数据分析师可以利用用户友好的、可访问的ML工具，可以从其组织的数据中获得最大的收益。 所有谷歌云服务都与内置的 MLOps 结合在一起，以确保所有人工智能工作--跨团队--为生产使用做好准备。 在这篇文章中，我们将向您展示谷歌云是如何运作以实现数据统一和人工智能分析数据。 使用机器学习来统一各个格式的数据 分析数据仓库中的结构化数据，如在 BigQuery 中使用 SQL，是许多数据分析师的面包和黄油。一旦在数据库中拥有数据，就可以看到趋势，生成报告，并更好地了解业务信息。 不幸的是，许多有用的业务数据并不是以整齐的表格格式的行和列。它往往分散在多个地方，并以不同的格式存在，经常是所谓的 "非结构化数据" ，以图像、视频、音频记录、PDF 等形式存在，麻烦且难以处理。 不过在这里，谷歌云可以帮助客户统一数据格式。 谷歌的机器学习模型可用于转录音频和视频，分析语言，并从图像中提取文本，也就是说，将非结构化数据的元素翻译成可在 BigQuery 等数据库中存储和查询的形式。例如，谷歌云的 Document AI platform，使用 ML 来理解表格和合同等文件。 下面，你可以看到这个平台如何从简历这样的非结构化文件中智能地提取结构化文本数据。一旦这些数据被提取出来，就可以存储在像 BigQuery 这样的数据仓库中。 通过熟悉的工具将机器学习带给数据分析师 今天，机器学习的最大障碍之一是对机器学习所需的工具和框架是新的和不熟悉的，大部分数据分析师很难熟悉并且掌握…

如今，制造商正在推进他们的数字化转型之旅，押注于云和人工智能等创新技术，以增强竞争力并实现可持续增长。据麦肯锡称，近三分之二的制造商已经在使用云解决方案。然而，分析师表示，数字化转型从概念扩展到实际的生产工作中对很多制造商来说仍然是一个挑战。 可扩展性挑战围绕两个因素——缺乏对置于上下文背景下的操作数据的访问，以及在工厂车间使用复杂数据科学和人工智能工具的技能差距。 为确保制造商能够将其数字化转型工作扩展到生产，Google Cloud 宣布推出新的制造解决方案，专为满足制造商的需求而设计。 来自 Google Cloud 的新制造解决方案使制造工程师和工厂经理能够访问来自其不同资产和流程的统一和情境化数据。 让我们看看从工厂车间到云端的数据旅程中的新解决方案： Manufacturing Data Engine（制造数据引擎）：该引擎是用于处理、上下文和存储工厂数据的基础云解决方案。云平台可以通过边缘和云之间的私有、安全和低成本连接，从任何类型的机器获取数据，支持从遥测到图像数据的广泛数据。凭借内置的数据规范化和上下文丰富功能，它提供了一个通用数据模型，以及一个工厂优化的数据湖库进行存储。 Manufacturing Connect（制造连接）：这是谷歌云与Litmus Automation共同开发的工厂边缘平台，可通过包含 250 多种机器协议的广泛库快速连接几乎任何制造设备。它将机器数据转换为可消化的数据集，并将其发送到制造数据引擎进行处理、置于上下文中理解和存储。通过支持容器化工作负载，它允许制造商直接在边缘运行低延迟数据可视化、分析和机器学习功能。 建立在Manufacturing Data Engine（制造数据引擎）之上的是一组不断增长的数据分析和人工智能方案，由 Google Cloud 和合作伙伴共同提供支持，该方案包括： 制造分析和洞察：与 Looker 模板的开箱即用集成，可提供仪表板和分析体验。作为一种易于使用的无代码数据和分析模型，它使制造工程师和工厂经理能够快速创建和修改自定义仪表板，自动添加新机器、设置和工厂。该解决方案可以根据 KPI 或按需深入挖掘数据，以发现整个工厂的新见解和改进机会。可共享的见解开启了整个企业以及与合作伙伴的协作。 预测性维护：预先构建的预测性维护机器学习模型允许制造商在数周内部署，而不会影响预测准确性。制造商可以与…

Overview 谷歌云作为一个公有云平台，提供网络、计算、存储、数据分析、机器学习等服务。谷歌云平台由于其稳定覆盖面广的网络、多重的安全性、高级的数据分析和机器学习服务，以及较低的价格受到广泛的欢迎。 谷歌云平台 (GCP) 的关键组件之一是计算引擎。Compute Engine 是一种安全且可自定义的计算服务，可让客户从 Google 基础架构上的标准或自定义映像创建和运行虚拟机。 客户可以通过以下三种方式之一访问项目操作谷歌云，并且创建/登录/删除虚拟机实例： 谷歌云平台控制台 命令行界面 客户端库 在本文中，我们将演示如何在 Google Cloud Platform (GCP) 中使用控制台动磁盘映像创建和管理虚拟机 (vm)。 1. 创建第一个linux实例： 1.1 点击导航菜单-Compute Engine-虚拟机实例 1.2 点击“创建实例”按钮 1.3 进入创建实例页面,根据需求自定义实例名称-区域-可用区-机器配置-启动磁盘，勾选允许HTTP流量，允许HTTPS流量，点击创建 2.…

随着公司的发展和技术的更迭，许多公司原有的基础架构难以满足现有的需求。在过去的几十年里，公司的数据呈指数级增长，由此衍生出来了数据分析的需求。随着消费者行为的转型，许多电商平台或者是零售行业的公司都迫切需要机器学习等技术来帮助理解消费者的行为方式以便于及时调整业务方向。 而在这种情况下，许多公司转向了谷歌云平台。谷歌云使用与谷歌搜索、谷歌学术、Youtube等相同的基础设施和技术，在数据分析和机器学习等领域拥有巨大的优势，使用谷歌云平台可以轻松使用Big Query分析PB级数据，也可以用Vertex AI 分析平台来进行机器学习，用较低的价格提供优质的服务。 如何从AWS搬迁到GCP，成为上述公司的关注重点和热门话题，本文将一个步骤一个步骤地分解，演示如何从AWS搬迁到GCP。 其主要的步骤包括： VPN 设置 GCP 环境设置 AWS 环境设置 AWS 虚拟机中的迁移代理安装 迁移过程 详细内容请参考如下文所示。 1. VPN 设置 AWS 和 GCP 环境之间需要设置一个VPN通道 1.1 GCP设置VPC 1.1.1　创建vpc 名称随意，然后按照下图所示输入信息（区域按照自己的需要选择），其余默认。 1.1.2 创建外部IP…

1.目标 假设这里有一个image-1，用image-1创建一个服务器，然后登陆进去，安装好软件，改密码，然后关机，然后删掉image-1，再用这个服务器制作一个image-1，以后后台开出来的机器都是以这个image-1为基础来的服务器 2.配置 2.1 制作image-1的虚拟机 2.1.1 点击console 界面的CREATE INSTANCE，进入创建虚拟机界面 2.1.2 在New VM instance 处右边，在Name*下面填写image-1，在Region*下面选择us-central-1(lowa)，在Machine type下面选择e2-micro机器配置 2.1.3 在Boot disk下面，点击CHANGE，在右侧Operating system选择Debian，点击下方的SELECT，最后点击CREATE，创建虚拟机 2.1.4 image-1虚拟机制作完成图 2.2 制作image-1的镜像image-img 2.2.1 在INSTANCE 下面 ，点击image-1右侧的三点，选择Create new machine image…

1、背景

 目标：创建多个虚拟机和VPC网络，不同VPC网络的虚拟机跨VPC网络互相访问，并测试多台虚拟机之间网络的连通性

 思路：如下图：

(more…)

一、背景：

                CDN是指一组分布在不同地理位置上的服务器，它们共同工作以提供快速的Internet内容分发。CDN允许快速传输加载Internet内容所需的资源，包括HTML页面、javascript文件、样式表、图像和视频。CDN服务的受欢迎程度持续增长，如今大部分的网络流量都是通过CDN提供的，包括来自Facebook、Netflix和亚马逊等主要网站的流量。cdn是缓解传统主机带来的一些主要问题的流行选择，通过利用缓存来减少主机带宽，帮助防止服务中断，并提高安全性。

               现在利用CDN搭配负载均衡器，通过在负载均衡器上设置特定的URLMaps，实现对源服务器的web服务NGINX根目录下特定的文件目录选择缓存或不缓存，如下：

•         问题：是/cloud/文件目录的不缓存，非/cloud/的文件目录都缓存
•         回源：34.96.248.158
•         测试url: http://34.107.155.96/cloud/cloud.ace.html                          http://34.107.155.96/ (more…)

一、 谷歌云相关介绍 谷歌云为谷歌推出的云服务器平台，云服务器的出现原是为了减少小公司或者个人在配置硬件上的潜在成本。在云服务器没出现的时候，大部分的公司都是自己配置电脑等硬件，除了硬件成本外，还会支出保管维修费用，以及需要专门的IT人员来管理服务器，机房。 对于大型互联网企业来说，通常也会购置大量的服务器，但是服务器的使用率并没有很高，比如阿里，为了双十一的流量而购置超量的服务器，而其余时间都是闲置的，所以大型互联网企业也想到了将服务器租赁出去这一个商业模式，由此产生的云服务。 目前随着云服务的发展，云服务已经不仅仅局限在提供服务器租赁，更提供了一系列IT解决方案，比如小公司需要分析数据，于是云平台就提供数据分析系统和工具，比如需要机器学习来实现自动翻译或者是图片识别，于是云平台就提供机器学习的工具。 发展至今，云服务已经越来越全面，基本上包揽小公司的IT任务，IT人员只需要会使用云平台即可。 二、 谷歌云的优势 前面提到了云平台提供多样化的服务给到用户，像谷歌，其产品包括google 搜索，谷歌广告、Youtube，还有Deepmind，waymo等，谷歌本身的业务就使得其技术能力尤为突出，特别是在大数据分析和人工智能机器学习上。 谷歌将其公司原先使用的技术工具包装成谷歌云上的服务，甚至于是开源。比如说现在流行的且成为行业公认的Kubernetes，又称K8s，本身就是谷歌内部使用的Borg，后来又在谷歌云平台上正式以kubernetes的名字和公众见面，随后又开源，成为业内都在使用的容器编排引擎。虽然k8s已经开源，但是谷歌作为开发者，最为熟悉k8s，谷歌云平台上搭载的Google Kubernetes Engine也是目前最为成熟的K8s托管平台了。 而除了k8s外，谷歌还贡献了其数据分析系统，像Cloud Spanner，Firestore等等都是，还有BigQuery，可以说，如果用户需要一个数据分析技术最强的公有云平台，那么选谷歌云绝对没错。 除此外，谷歌还有其机器学习的平台tensorflow，谷歌云平台上有Vertex AI, Vision AI，Translation, Natural language等机器学习平台和功能，以便于用户使用，因此想要用云平台进行机器学习，也可选谷歌云！ 三、 免费申请300美金，开始试用吧！ 1. 搜索谷歌云（需要翻墙） 2. 点击进入谷歌云页面，新用户会显示以下界面，可以享受300美金的免费试用金，点击右上角的【免费开始使用】 3. 用邮箱注册一个谷歌云账号，填写密码。 4.…

机器学习目前在学术界和工业界十分流行，大数据推荐为其最常见的使用场景，购物APP如何通过大数据分析和模型训练对每个用户进行分析，并且根据用户习惯推送适当的内容，这一切都依赖于机器学习。 Tensorflow 永远是机器学习绕不过去的机器学习软件库，至今为止仍是机器学习最流行的软件库。Tensorflow 最初由谷歌大脑团队开发，用于Google 的研究和生产，于2015年11月9日在 Apache 2.0开源许可证下发布。谷歌利用 Tensorflow 支持其谷歌翻译、谷歌地图、谷歌相册、Gmail 等多项业务，Tensorflow 使用了谷歌专为机器学习研发的集合电路 TPU，TPU 是一个可编程的人工智能加速器，提供高吞吐量的低精度计算（如8位），面向使用或运行模型而不是训练模型。Google 在公布 TPU 的时候就宣称他们已经在数据中心中运行 TPU 长达一年多，发现它们对机器学习提供一个数量级更优的每瓦特性能。 Tensorflow同样应用在谷歌云平台上，目前谷歌云平台上搭载了以下的机器学习工具： AutoML：分析图像、视频、text files、tabular data 的自定义机器学习训练模型； Natural Language AI：提取、分析和存储非结构语言的机器学习产品； Vision AI: 识别人脸、普通图像，从图像中识别情绪等； Translation…