BigQuery ML

APIs preentrenadas

Custom training

AutoML

Mirrored

Gated ingress and egress

Mesh

Hub-and-spoke

Cloud Code.

Cloud Logging.

Cloud Build.

Cloud Deploy.

Disponibilidad del sistema y tiempo de respuesta.

Tiempo de respuesta de la API y throughput del servidor.

Uso de CPU y memoria de GKE.

Latencia de las solicitudes y tasa de errores.

Es una herramienta de línea de comandos para cargar datos en BigQuery.

Servicio gestionado para programar transferencias de datos a BigQuery desde múltiples orígenes.

Funcionalidad para consultar datos entre Cloud Storage y otros almacenes de objetos cloud.

Es un servicio que permite consultar datos directamente en Cloud Storage.

Deshabilitar Pub/Sub a las service accounts de las VM y enrutar el acceso por Identity-Aware Proxy.

Conceder los roles de IAM necesarios de Pub/Sub a la service account adjunta a cada VM.

Insertar una Cloud Run Function como gateway ante Pub/Sub y dar roles IAM a su service account.

Usar una clave de service account por VM y guardarla en Secret Manager.

Vertex AI

Storage Transfer Service

Transfer Appliance

gcloud storage

NotebookLM envía automáticamente invitaciones de calendario a los participantes con agenda sugerida.

NotebookLM puede predecir las preguntas que hará tu equipo y preparar respuestas por adelantado.

NotebookLM genera automáticamente una presentación con diapositivas y talking points para reunión.

NotebookLM resume hallazgos, identifica retos y da talking points a partir de tus documentos.

Activar SCC Standard con descubrimiento y Security Health Analytics; PCI-DSS en Compliance.

Activar SCC Premium con descubrimiento y Security Health Analytics; PCI-DSS en Vulnerabilities.

Activar SCC Premium con descubrimiento y Security Health Analytics; PCI-DSS en Compliance.

Activar SCC Standard con descubrimiento y Security Health Analytics; PCI-DSS en Vulnerabilities.

Configurar reglas de fault injection en Istio para devolver errores HTTP o introducir latencia.

Eliminar temporalmente el Deployment del microservicio y observarlo en Cloud Monitoring.

Usar un taint en el nodo y configurar una regla de pod anti-affinity para el microservicio.

Usar Cloud Load Balancing para redirigir el tráfico fuera del microservicio.

Analítica avanzada

Grounding

Búsqueda multimodal

Controles de acceso granulares

Proyecto

Cuenta de facturación

Organización

Carpeta

Dar soporte solo a cargas de trabajo en una única nube.

Gestionar Kubernetes a pequeña escala.

Ejecutar cargas de trabajo entre varias nubes de forma segura y escalable.

Sustituir a todos los proveedores cloud existentes.

Google Cloud Spanner, una base de datos relacional ajustada para transacciones de alto throughput.

Google Cloud Storage, que ofrece almacenamiento de objetos escalable para archivos sin procesar.

Google BigQuery, una plataforma analítica serverless para datos estructurados a gran escala.

Google Dataproc, que ejecuta jobs de Apache Spark y Hadoop.

Informes de facturación

Informes de seguridad

Informes de compliance

Informes de transparencia

Usar Cloud IAM con mínimo privilegio para que solo usuarios autorizados accedan a datos sensibles.

Desplegar Security Command Center para detectar activamente vulnerabilidades que incumplan GDPR.

Diseñar una estrategia integral de protección de datos en toda la plataforma alineada con GDPR.

Confiar solo en los servicios nativos GCP: sus certificaciones garantizan el cumplimiento GDPR.

Usar un clúster de Dataproc con workers preemptible para maximizar la eficiencia en costes.

Desplegar manualmente un clúster Hadoop en Compute Engine con instancias de VM estándar.

Usar Google Kubernetes Engine para ejecutar un job de Hadoop sobre nodos preemptible.

Aprovisionar un clúster Dataproc con nodos worker on-demand y máquinas personalizadas.

Proporcionar el hardware físico para sistemas de IA.

Permitir que los usuarios interactúen con capacidades de IA.

Automatizar, estandarizar y gestionar el ciclo de vida de los proyectos de ML.

Aprender cuál es la mejor forma de alcanzar un objetivo a partir de entradas y herramientas.

GKE solo da soporte a aplicaciones pequeñas.

GKE no funciona con los servicios de IA y ML de Google Cloud.

GKE dificulta el uso de GPU.

GKE es un entorno gestionado para desplegar y escalar apps en contenedores, ideal para cargas.

Automatizar el proceso de limpieza y transformación de datos.

Permitir un intercambio de datos seguro y controlado tanto dentro como fuera de una organización.

Proporcionar una plataforma centralizada para visualización de datos.

Realizar tareas complejas de machine learning sobre grandes datasets.

Usar Cloud Storage Transfer Service para mover los archivos a otro bucket cada 4 años protegidos.

Config org policy `constraints/storage.retentionPolicySeconds` a nivel de proyecto: 4 años.

Aplicar una política de retención de 4 años en el bucket y bloquearla para impedir cambios.

Usar una solución de compliance de Google Cloud y la inmutabilidad durante 4 años con Cloud DLP.