サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
ニコニコ動画
cloud.google.com
Max SaltonstallDeveloper Relations Engineer, Google ※この投稿は米国時間 2024 年 6 月 14 日に、Google Cloud blog に投稿されたものの抄訳です。 Google のサイト信頼性エンジニア(SRE)が広く用いているシステム エンジニアリングの規範は、信頼性の高いシステム(コード、インフラストラクチャなどあらゆるもの)の作成と実装を通して形成されたものです。システム エンジニアリングの詳細とベスト プラクティスの実践方法を学んでいただけるよう、スタートガイドとなるリソースをいくつかまとめてみました。 The Systems Engineering Side of Site Reliability Engineering(USENIX の論文)システム エンジニアとは何でしょうか?また、SRE、ソフトウェア エンジニア
※この投稿は米国時間 2024 年 6 月 13 日に、Google Cloud blog に投稿されたものの抄訳です。 編集者注: Lightricks は、最新のコンピュータ ビジョンと AI のテクノロジーに基づいて写真や動画の革新的な制作アプリを開発し、魅力的でパフォーマンスの高いスケーラブルなコンテンツをクリエイターやブランドが制作できるようにしています。強力な動画エディタ Videoleap の検索機能を強化する必要が生じたとき、Lightricks は Cloud SQL for PostgreSQL の pgvector 拡張機能 を活用して検索機能を向上させ、取得率を 40% 上げました。 Lightricks の使命は、想像と創造のギャップを埋めることです。動画編集アプリ Videoleap を使用すると、プロでも初心者でも、どこでも楽しく簡単にクリップをカットしたりつ
プラットフォーム エンジニアリングにまつわる、さらなる 5 つの誤解: プラットフォームが対処すること、対処しないこと ※この投稿は米国時間 2024 年 6 月 7 日に、Google Cloud blog に投稿されたものの抄訳です。 前回のブログ投稿では、プラットフォーム エンジニアリングにまつわる根強い誤解を解消すべく、プラットフォーム エンジニアリングとは一体なのか、そして皆様がすでに行っているプラットフォーム エンジニアリングのコアタスクの実施方法について説明しました。今回はさらに 5 つの誤解を取り上げ、プラットフォームがどう構築されているか、何を行い、何を行わないかについて説明します。 6. 誤解: プラットフォーム エンジニアリングはインフラストラクチャ チームを不要にする 地球上で最も優れたデベロッパー プラットフォームを確保できたとしても、プラットフォームは複雑なイン
フィードバックを送信 サービス アカウントをリソースに関連付けるための権限を要求する コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 特定の Google Cloud リソースを作成した場合に、サービス アカウントを関連付けることができます。関連付けられたサービス アカウントは、リソースで実行されているジョブの ID として機能するため、Google Cloud APIs に対するジョブの認証を行うことができます。 ほとんどの Google Cloud サービスでは、サービス アカウントをリソースに関連付けるには、サービス アカウントになり代わる権限がユーザーに必要です。つまり、ユーザーにはサービス アカウントに対する iam.serviceAccounts.actAs 権限が必要です。 ただし、これまで特定のサービスでは、ユーザーがサービス アカウントに
フィードバックを送信 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 アクセスの透明性 このページでは、アクセスの透明性について説明し、よくある質問とその回答を紹介します。 概要 セキュリティ、透明性、データ保護は、Google がそのプロダクトを設計および構築するうえで中核をなしています。Google Cloud のすべてのお客様は、データを所有し、その使用方法を完全に制御できます。Google Cloud の信頼に関する原則は、Google Cloud に保存されているお客様のコンテンツのプライバシーを保護する Google の取り組みをまとめたものです。 アクセスの透明性は、透明性とユーザーの信頼に対する Google の長期的な取り組みの 1 つです。アクセスの透明性は、Google の担当者がお客様のコンテンツにアクセスした際に行った操作を記録と
フィードバックを送信 組織のログを集約して保存する コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 このドキュメントでは、非インターセプト集約シンクを使用して、Google Cloud 組織に含まれるリソースによって生成されたログを管理する方法について説明します。 子リソースのシンクでどのログをクエリできるか、またはシンクを介してルーティングできるログかを制御するかに応じて、集約シンクをインターセプトする、またはインターセプトしない構成にできます。このチュートリアルでは、組織の監査ログをログバケットにルーティングする集約シンクを作成します。シンクのフィルタは、他の種類のログエントリをルーティングするように構成できます。集約シンクの詳細については、組織レベルとフォルダレベルのログをサポートされている宛先に照合して転送するをご覧ください。 このチュートリアルで
※この投稿は米国時間 2022 年 3 月 31 日に、Google Cloud blog に投稿されたものの抄訳です。 このブログでは、Google Cloud 上の IP アドレス指定とサブネット化の話題について取り上げます。IP アドレス指定とサブネット化は複雑だと感じている人は多いかも知れません。しかし、アドレス指定はネットワークの中で非常に重要な要件です。 IP アドレスは、ネットワークとホストの一意の識別子です。IP アドレスをネットワーク セグメントとホスト セグメントに分けるには、サブネット マスクを使用します。これは、道路や建物に番号が割り振られている市街地(街区)に例えることができます。IP アドレスと街区の例えは次のように関連付けることができます。 ネットワーク部分 - 番地に相当します。1 本の通り沿いに多くの建物が立ち並んでいます。例えば、192.168.10.2
Gemini 1.5 モデル をお試しください。Vertex AI からアクセスできる、Google のもっとも先進的なマルチモーダル モデルです。 試す ※この投稿は米国時間 2024 年 5 月 31 日に、Google Cloud blog に投稿されたものの抄訳です。 Compute Engine では、インフラストラクチャの最適化から割引の活用まで、費用を削減するためのさまざまな方法が提供されています。この 2 回にわたるブログ投稿では、Compute Engine の費用削減に役立つ実用的なヒントをいくつかご紹介します。クラウドを使い始めたばかりの中小企業であれ、支出の最適化を検討している大企業であれ、このガイドには誰にとっても有益な情報が詰まっています。 1. 現在の支出構造を精査 Compute Engine の予算最適化に取り掛かる前に、現在の状況と支出構造を理解して次の
フィードバックを送信 Cloud SQL for MySQL を使用してベクトル エンベディングを操作する コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 このページでは、Cloud SQL を操作してベクトル エンベディングを使用するアプリケーションを構築する方法について説明します。 Cloud SQL for MySQL は、ベクトル エンベディングの保存をサポートしています。その後、ベクトル検索インデックスを作成し、Cloud SQL に保存する残りのデータとともに、これらのベクトル エンベディングに対して類似検索を実行できます。 ベクトル エンベディングの保存 Cloud SQL for MySQL を使用してベクトル エンベディングを保存するには、テーブルにベクトル エンベディング列を作成します。特別なベクトル エンベディング列は、VARBINA
フィードバックを送信 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 Packet Mirroring このページでは、Packet Mirroring の概要について説明します。 Packet Mirroring では、Virtual Private Cloud(VPC)ネットワーク内で特定のインスタンスのトラフィックのクローンを作成し、検査用として転送します。Packet Mirroring では、ペイロードとヘッダーを含むすべてのトラフィックとパケットデータをキャプチャします。キャプチャは、下り(外向き)トラフィックと上り(内向き)トラフィックの両方、上り(内向き)トラフィックのみ、または下り(外向き)トラフィックのみに対して構成できます。 ミラーリングは、ネットワークではなく、仮想マシン(VM)インスタンスで行われます。このため、Packet Mi
Google Cloud Japan は、クラウドへのインフラストラクチャ移行(Lift & Transform)に課題を抱えるお客様を支援するため、新たに「Infrastructure Modernization 支援パートナー」との連携を 4 月 18 日の Modern Infra Summit Tokyo ‘24 で発表します。本プログラムでは、Google Cloud がハイブリッド クラウド、マルチクラウドの知見を持つ Google Cloud 認定 パートナーと連携して、お客様のワークロード移行を起点とするクラウドジャーニーの成功への道筋を共に模索していきます。 Infrastructure Modernization 支援パートナー 発表の目的 クラウドへのインフラストラクチャ移行に課題を感じられているお客様に対して、クラウド ジャーニーの成功の道筋を「ともに考え、模索する
Gemini 1.5 モデル をお試しください。Vertex AI からアクセスできる、Google のもっとも先進的なマルチモーダル モデルです。 試す はじめに 時折、とても使いやすくて便利な機能に出会うことがあります。今まで、その機能を使わずにどのように生活していたのかわからなくなるほど便利な機能に。私にとって、Vertex AI の Google 検索によるグラウンディングは、まさにそうした機能の一つです。 このブログ投稿では、大規模言語モデル(LLM)にグラウンディングが必要となる理由と、Vertex AI の Google 検索によるグラウンディングによって、開発者の労力が最小限になるしくみについて説明します。 LLM にグラウンディングが必要な理由 LLM は十分素晴らしいのに、なぜグラウンディングが必要なのか、不思議に思っているのではないですか? LLM は確かに、コンテン
フィードバックを送信 トラブルシューティング コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 Cloud Interconnect で発生する可能性がある一般的な問題を解決するために、トラブルシューティング ガイドをお役立てください。 一般的なトラブルシューティング Dedicated Interconnect Partner Interconnect Cloud Interconnect を介した HA VPN Cloud Interconnect の MACsec Cross-Cloud Interconnect Cloud Interconnect のアーキテクチャと機能に関する一般的な質問とその回答については、Cloud Interconnect に関するよくある質問をご覧ください。 このページで使用している用語の定義については、Cloud Int
私たちは、生成 AI の登場により、歴史上重要な技術的変化を経験しています。生成 AI は、ビジネスや産業全体を変える可能性を秘めています。Google Cloud では、AI の未来は開かれたものになると考えています。Google の幅広いパートナー エコシステムは、イノベーションの機会を最大化しながら、お客様に選択肢を提供します。
これらの指標は、単純なバッチ パイプラインに基づいています。これは I/O コネクタ間でのパフォーマンスの比較を目的としており、必ずしも実際のパイプラインを表すものではありません。Dataflow パイプラインのパフォーマンスは複雑で、VM タイプ、処理されるデータ、外部のソースとシンクのパフォーマンス、ユーザーコードに左右されます。指標は Java SDK の実行に基づくものであり、他の言語 SDK のパフォーマンス特性を表すものではありません。詳細については、Beam I/O のパフォーマンスをご覧ください。 ベスト プラクティス このセクションでは、Dataflow から BigQuery に書き込むためのベスト プラクティスを説明します。 一般的な考慮事項 Storage Write API には割り当て上限があります。コネクタは、ほとんどのパイプラインでこれらの上限を処理します。
Gurmeet (GG) GoindiDirector Product Management, Databases ※この投稿は米国時間 2024 年 6 月 12 日に、Google Cloud blog に投稿されたものの抄訳です。 Google Cloud とオラクルは本日、新しい戦略的クラウド パートナーシップを発表しました。これにより、お客様はミッション クリティカルなエンタープライズ ワークロードを Google Cloud と Oracle Cloud Infrastructure (OCI) 間でシームレスに移行して実行できるようになります。 今回発表したパートナーシップを通して、両社のお客様がクラウド上でオラクル ベースのアプリケーションを簡単に移行、最新化、管理できる、相互運用可能なソリューションを提供します。エンジニアリング、製品、商用モデルが統合されたこのソリューシ
Erin RifkinGoogle Cloud Learning, Managing Director Gemini 1.5 モデル をお試しください。Vertex AI からアクセスできる、Google のもっとも先進的なマルチモーダル モデルです。 試す ※この投稿は米国時間 2024 年 6 月 5 日に、Google Cloud blog に投稿されたものの抄訳です。 私は Google Cloud Learning のマネージング ディレクターとして、努力を惜しまず学習を続けているクラウド デベロッパーが優位に立つ様子を目の当たりにしてきました。Google Cloud 認定プロフェッショナルは業界でも特に高い報酬を得ており、Google は世界で最も報酬の高い IT 認定資格トップ 10 のうち 7 つを提供しています1。Google は、デベロッパーの皆様が、これまでになく簡
フィードバックを送信 Memorystore for Redis の概要 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 Memorystore for Redis は、Redis インメモリ データストアを活用したフルマネージド サービスを提供し、ミリ秒未満のデータ アクセスを実現するアプリケーション キャッシュをビルドします。 Memorystore for Redis には、セルフマネージド Redis と比較して、次のような利点がいくつかあります。 ニーズに合わせてデプロイできる。 Memorystore for Redis では、パフォーマンスとオペレーションのニーズに合わせてさまざまなサービス階層とサイズを柔軟に選択できます。数回クリックするだけで、基本階層のスタンドアロン Redis インスタンスをデプロイするか、最大 300 GB まで拡張
Darren EvansEMEA Practice Solutions Lead, Application Platform ※この投稿は米国時間 2024 年 5 月 30 日に、Google Cloud blog に投稿されたものの抄訳です。 なぜ新しいトピックに対して否定的になってしまう人がいるのか、その理由は、群盲象を評すの寓話からわかります。その人自身の視点からのみで物事を見てしまうと、その全体像を見失ってしまうということです。プラットフォーム エンジニアリングはソフトウェア デリバリーの比較的新しい手法です。現在、IT 組織やソフトウェア エンジニアのチームの多くがプラットフォーム エンジニアリングについて検討している段階にあるのですが、プラットフォーム エンジニアリングとは何なのか、プラットフォーム エンジニアリングで何ができるのか、プラットフォーム エンジニアリングを導入す
「Retail」は「小売業向け Vertex AI Search」に名称変更されます。現在、新しいブランディングを反映するようにコンテンツの更新を進めています。 このページでは、BigQuery にエクスポートされた小売データに基づいて、Vertex AI から予測を取得するためのガイダンスを示します。小売商品とユーザー イベントのデータを Vertex AI で使用可能な形式に変換するための SQL コードブロックがいくつも用意されています。これらのコードブロックの説明に続いて、Vertex AI コンソールでデータセットを作成し、モデルをトレーニングして、予測を生成する手順を示します。 始める前に 小売データを使用して販売予測を生成する前に、次のことを行う必要があります。 Vertex AI Search for Retail を使用して小売データをアップロードします。詳細については、
このページでは、カタログ情報の作成とカタログ データの入力に関するベスト プラクティスについて説明します。 概要 小売業向け Vertex AI Search にインポートするカタログデータは、結果として得られるモデルの品質に直接影響するため、検索とレコメンデーション結果の品質に影響します。一般に、提供できる正確で特定のカタログ情報が多いほど、モデルの品質が高くなります。 カタログを最新の状態に保つ必要があります。カタログの変更は必要に応じて何度でもアップロードできます。変更頻度が高いカタログの場合は、毎日アップロードするのが理想的です。既存の商品アイテムをアップロード(パッチ適用)できます。この場合、変更されたフィールドのみが更新されます。カタログ情報のアップロードは無料です。詳細については、カタログを最新の状態に保つをご覧ください。 カタログのブランチ 検索を使用する場合、カタログ ブ
このページでは、ユーザー イベントタイプの見込みのリストを含むユーザー イベント オブジェクトについて説明し、すべてのユーザー イベントタイプのサンプルデータを提供します。 小売業向け Vertex AI Searchl は、リアルタイムのユーザー イベントを使用してレコメンデーションと検索結果を生成します。データをアップロードすると、レコメンデーションと検索の両方でそのデータを使用できるため、両方のサービスを使用する場合に、同じイベントを 2 回アップロードする必要はありません。 ユーザー イベントの記録については、リアルタイム ユーザー イベントの記録をご覧ください。 ユーザー イベントタイプ ユーザーが販売店サイトを閲覧する際に記録できるユーザー イベントには、次のようないくつかの種類があります。 ユーザー イベント名 ユーザーの操作
デジタル トランスフォーメーションを加速 お客様がデジタル トランスフォーメーションに乗り出したばかりでも、あるいはすでに進めている場合でも、Google Cloud は困難な課題の解決を支援します。
UNC5537 Targets Snowflake Customer Instances for Data Theft and Extortion UPDATE (June 17): We have released our Snowflake threat hunting guide, which contains guidance and queries for detecting abnormal and malicious activity across Snowflake customer database instances. Default retention policies for the relevant views enable threat hunting across the past 1 year (365 days). Introduction Through
フィードバックを送信 XML API マルチパート アップロード コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 このページでは、Cloud Storage での XML API マルチパート アップロードについて説明します。このアップロード メソッドでは、ファイルを分割してアップロードし、最終リクエストを使用して単一のオブジェクトにまとめます。XML API マルチパート アップロードは、Amazon S3 マルチパート アップロードと互換性があります。 概要 XML API マルチパート アップロードを使用すると、データを複数のパートでアップロードし、最終的なオブジェクトにできます。特に大きなファイルの場合、この動作にはいくつかのメリットがあります。 同時にパートをアップロードすることで、データ全体のアップロード時間を短縮できます。 いずれかのアップロ
フィードバックを送信 リージョン移行または障害復旧のためにレプリカを昇格させる コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 このページでは、リージョン移行または障害復旧を目的とするクロスリージョン リードレプリカ(プライマリのリージョンとは異なるリージョンで作成されたレプリカ)の使用とプロモートの方法について説明します。 概要 クロスリージョン レプリカを昇格させる一般的なシナリオは次の 2 つです。 リージョン移行: 計画に従って異なるリージョンにデータベースを移行します。 障害復旧: プライマリ リージョンが利用できなくなった場合に、データベースを別のリージョンにフェイルオーバーします。 どちらの場合も、クロスリージョン レプリケーションを設定してレプリカを昇格させます。主な違いはレプリカの昇格が計画的かどうかです。リージョン移行は計画的ですが、障
フィードバックを送信 不適切なコンテンツを検出する(セーフサーチ) コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 セーフサーチ検出は、アダルト コンテンツや暴力的コンテンツなど、画像に含まれる不適切なコンテンツを検出します。この機能は 5 つのカテゴリ(adult、spoof、medical、violence、racy)を使用し、それぞれのカテゴリが特定の画像に存在する可能性を返します。フィールドの詳細については、SafeSearchAnnotation ページをご覧ください。 セーフサーチ検出リクエスト Google Cloud プロジェクトと認証のセットアップ Google Cloud プロジェクトをまだ作成していない場合は、ここで作成します。手順については、このセクションを開いてください。 Sign in to your Google Cloud
フィードバックを送信 Vertex AI の用語集 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 アノテーション セット アノテーション セットには、データセット内でアップロードされたソースファイルに関連付けられたラベルが含まれます。アノテーション セットは、データ型と目標(動画や分類など)の両方に関連付けられます。 API エンドポイント API エンドポイントは、ネットワーク アドレスを指定するサービス構成要素であり、サービス エンドポイントとも呼ばれます(例: aiplatform.googleapis.com)。 近似最近傍探索(ANN) 近似最近傍探索(ANN)サービスは、大規模なコーパスで類似したベクトル(より具体的には「エンべディング」)を見つけるための大規模で低レイテンシのソリューションです。 アーティファクト アーティファクトは、ML
次のページ
このページを最初にブックマークしてみませんか?
『Cloud Computing Services | Google Cloud』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く