GKE 是 Google Cloud 的托管 Kubernetes 服务，可以让您更轻松地部署和维护复杂的容器化工作负载。在这篇文章中，我们将分享四种不同的技术来减少 GKE 上的冷启动延迟，以便您可以提供响应式服务。

Google Cloud 移动应用是一款功能强大的工具，可以帮助您随时随地排查问题并管理云应用程序。使用该应用程序，您可以快速轻松地检查资源的状态、查看账单详细信息并对问题采取措施。

客户可以在 BigQuery 中轻松地为 Document AI 中的自定义提取器创建远程模型，并使用它们大规模执行文档分析和生成 AI，从而开启数据驱动的洞察和创新的新时代。

Dataflow + Vertex AI 是为批处理和流式预测请求提供机器学习模型的强大组合。Dataflow 可以以实时和批处理模式处理数据，并且非常适合需要高吞吐量和低延迟的用例。Vertex AI 提供了一个部署和管理模型的平台，还提供了许多额外的好处，如用于模型监控的内置工具、利用优化的 Tensorflow 运行时和模型注册表。

我们都经历过这样的情况：淹没在数据的海洋中，努力驾驭复杂的管道，感觉数据令人头晕。管理大量充满不同工具和 Google 搜索的选项卡以及花费大量时间筛选数据和代码以创建满足您需求的模型所带来的挫败感，真的会让人失去数据发现的乐趣。 但是，有什么东西可以节省时间——甚至可能带来一点乐趣吗？它就是Duet AI！它将其视为您的个人数据科学指南，引导您了解 Google Cloud 的任何不熟悉的深度。

随着越来越多的组织采用多云数据架构，我们不断收到客户的一个最重要的请求，那就是如何在BigQuery中实现跨云分析，使其变得非常简单和具有成本效益。为了帮助客户实现跨云分析之旅，我们今天非常高兴地宣布 BigQuery Omni 跨云物化视图（即跨云 MV）的公共预览。跨云 MV 允许客户非常轻松地在 GCP 上从另一个云上的基础数据资源创建摘要物化视图。跨云 MV 会在基础表更改时自动和增量地进行维护，这意味着只需要进行最小的数据传输即可保持 GCP 上的物化视图同步。其结果是一种具有行业先进性、具有成本效益和可扩展能力的能力，使客户能够进行无摩擦、高效和经济的跨云分析。

软件即服务 (SaaS) 是希望为最终客户提供交钥匙且可靠的产品体验的软件供应商的首选交付方法。公司在构建 SaaS 产品时必须考虑许多因素，其中之一当然是用于运行 SaaS 应用程序的框架。由于现代软件开发使用软件容器，运行现代 SaaS 平台的一个自然且最受欢迎的选择是 Kubernetes，即流行的容器编排器。在这篇文章中，我们将回顾在Google Kubernetes Engine (GKE) 上构建 SaaS 平台时决定选择何种架构的基础知识。

Looker Studio 支持对临时数据进行自助分析，并与 Looker 一起为每月访问 Looker 系列产品的超过 1000 万用户做出贡献。今天，我们为分析师推出新方法，为业务用户提供探索数据和自助业务决策的选项，扩展所有用户分析和探索数据的方式，从而做出更快、更明智的决策。

Google Cloud 于11月9日宣布了 Cloud TPU 平台的两项重要更新： 首先，在最新的 MLPerf™ Training 3.1 结果中，与上一代 TPU v4 相比，TPU v5e 在训练大型语言模型 (LLM) 方面表现出 2.3 倍的性价比提升。 其次，Cloud TPU v5e 现已普遍可用，Singlehost推理和Multislice训练技术也同时提供。这些进步为 Google Cloud 客户带来了成本效益、可扩展性和多功能性，可以使用统一的 TPU 平台来进行训练和推理工作负载。

生成式人 AI 标志着重大的技术转变，与互联网或移动电话一样，它对个人和企业生产力的潜在影响是巨大的。事实上，82% 正在考虑或正在使用生成式 AI 的组织相信它将显著改变或改变他们的行业（Google Cloud Gen AI 基准研究，2023 年 7 月）。 在零售业，生成式人工智能的价值已经开始显现。组织正在利用生成式人工智能来启用和增强相关领域的用例，并以此重塑员工和客户的体验。 任何技术都不会夺走您的价值主张和零售核心价值链的基础。不过，可以改变的是如何使用这项技术来让您的团队更高效、更有意义地工作。借助正确的工具，您不仅可以改进核心产品并解决阻碍其交付的基本问题，甚至还可以为您的零售业务带来新的差异点。