1,723,881 research outputs found
AGOCS – Accurate Google Cloud Simulator Framework
Full text linkThis paper presents the Accurate Google Cloud Simulator (AGOCS) – a novel high-fidelity Cloud workload simulator based on parsing real workload traces, which can be conveniently used on a desktop machine for day-to-day research. Our simulation is based on real-world workload traces from a Google Cluster with 12.5K nodes, over a period of a calendar month. The framework is able to reveal very precise and detailed parameters of the executed jobs, tasks and nodes as well as to provide actual resource usage statistics. The system has been implemented in Scala language with focus on parallel execution and an easy-to-extend design concept. The paper presents the detailed structural framework for AGOCS and discusses our main design decisions, whilst also suggesting alternative and possibly performance enhancing future approaches. The framework is available via the Open Source GitHub repository
Migration of a VoIP communication system from On-Premise infrastructure to a distributed solution on Google Cloud Platform
No full textreservedIl progetto di stage si inserisce nel contesto della re-ingegnerizzazione di un sistema di comunicazione VoIP basato sulla piattaforma UniContact, destinata a tecnici in mobilità che, tramite un’app Android, gestiscono chiamate da e verso i Clienti.
L’architettura, inizialmente composta da componenti software eseguiti su macchine virtuali Linux e Windows, viene migrata su container Docker ed eseguita all’interno di Google Cloud Platform (GCP).L’attività comprende lo sviluppo e il deployment in GCP di webservice REST, la progettazione dell’infrastruttura cloud utilizzando Kubernetes per l’orchestrazione dei container e Kafka per l’elaborazione di eventi in streaming.
Il progetto prevede inoltre l’implementazione di un sistema di monitoraggio e logging, la gestione dei permessi tramite IAM e l’adozione di pratiche di integrazione e deployment continui
Informe académico del curso Google Cloud Data Analytics
No full textEn la actualidad, el análisis de datos se ha consolidado como una herramienta clave para la toma de decisiones estratégicas en las organizaciones. La creciente disponibilidad de grandes volúmenes de información y la necesidad de interpretarlos de manera eficiente ha impulsado la adopción de servicios en la nube que facilitan su almacenamiento, procesamiento y análisis. Esta monografía presenta un análisis académico del curso Google Cloud Data Analytics, ofertado a través de la plataforma Google Cloud Skills Boost, destacando su relevancia en la formación de especialistas en analítica y ciencia de datos. El estudio se centra en el impacto de las herramientas de analítica en la nube, particularmente aquellas ofrecidas por Google Cloud, como BigQuery, Dataplex y Dataproc, así como en la estructura y el contenido del curso. A lo largo de cuatro módulos—introducción a la analítica, administración y almacenamiento de datos en la nube, transformación de datos y visualización de información—se exploran conceptos técnicos, metodologías y aplicaciones prácticas que permiten a los estudiantes desarrollar competencias fundamentales para el manejo de datos en entornos empresariales. En la era del big data, las organizaciones deben procesar grandes volúmenes de datos para extraer información útil que impulse la toma de decisiones. Según Marr (2016), el big data no solo se trata del volumen, sino también de la velocidad, variedad y veracidad de los datos. Las plataformas de computación en la nube, como Google Cloud Platform, permiten escalar el análisis de datos de forma flexible y eficiente, eliminando la necesidad de infraestructuras físicas costosas (Hashem et al., 2015). En este contexto, herramientas como BigQuery permiten realizar análisis SQL sobre conjuntos masivos de datos de manera rápida y eficiente, siendo especialmente útiles en ambientes empresariales (Owais & Benkhelifa, 2017). Además, la visualización de datos es esencial para comunicar los hallazgos de manera clara. Tableau, Power BI y Looker son herramientas ampliamente utilizadas en la industria (Few, 2009; Camm et al., 2020). El proceso de extracción, transformación y carga (ETL) también ha evolucionado hacia modelos más flexibles como ELT, en los cuales los datos se cargan antes de ser transformados directamente en plataformas como BigQuery (Wang et al., 2021). Este cambio ha permitido agilizar el flujo de datos en arquitecturas modernas como los Data Lakes y Data Warehouses (Inmon & Linstedt, 2014). Mediante escenarios de un problema común, se demuestra cómo la integración de estos servicios puede mejorar significativamente la eficiencia organizacional, optimizar recursos y fomentar una toma de decisiones más informada. En este sentido, el curso no solo aporta conocimientos técnicos, sino que también ofrece una visión estratégica del papel que juega la analítica en la nube en el contexto actual de transformación digital.Este trabajo académico se basa en la experiencia formativa del curso Google Cloud Data Analytics, el cual incluye contenidos interactivos, laboratorios prácticos y recursos audiovisuales disponibles en la plataforma Google Cloud Skills Boost.EspecializaciónEspecialista en Analítica y Ciencia de Dato
Síntesis académica del curso Introducción a la analítica de datos en Google Cloud
No full textLa monografía presenta una síntesis del curso “Introducción a la Analítica de Datos en Google Cloud”, enfocándose en los fundamentos teóricos y prácticos adquiridos en torno al análisis de datos en entornos cloud. Se abordan conceptos clave como computación en la nube, ciclo de vida de los datos, herramientas de Google Cloud Platform (GCP), y roles profesionales en analítica. El curso proporciona experiencias aplicadas mediante quizzes, retos y laboratorios, facilitando el desarrollo de habilidades técnicas y comunicativas relevantes para el ámbito profesional de la ciencia de datos. Se destaca el valor pedagógico del curso, aunque se sugieren mejoras en profundidad temática y diseño de actividades prácticas.EspecializaciónEspecialista en Analítica y Ciencia de Dato
Analysis of programming solutions using google cloud sources.
No full textThis bachelor's thesis analyzes possible programming solutions using Google Cloud resources. The theoretical part examines the Google Cloud Platform and Google Cloud provided tools and services with an accessible API and a free usage level. Evaluation criteria are selected for Google Cloud tools and 4 Google Cloud tools are evaluated and recommended based on the selected evaluation criteria. Prototypes, which will demonstrate the usage and integration of Google Cloud tools into web applications are analyzed. In the design part, 3 prototypes are designed, for which various UML diagrams are created. In the prototype implementation part, using the React JavaScript library, Node.js server environment and Google Cloud, designed prototypes are created and tested
Google Cloud SQL
Full text linkCloud SQL este un serviciu oferit de Google Cloud Platform care permite utilizatorilor să ruleze, administreze și întrețină instanțe de baze de date relationale în cloud. Acesta oferă suport pentru mai multe tipuri de baze de date, cum ar fi MySQL și PostgreSQL. Cu Cloud SQL, utilizatorii pot beneficia de avantajele cloud-ului, cum ar fi scalabilitatea, disponibilitatea ridicată și flexibilitatea. Serviciul oferă, de asemenea, instrumente de administrare și monitorizare pentru a ajuta la gestionarea bazelor de date și la detectarea problemelor. Cloud SQL poate fi utilizat împreună cu alte servicii Google Cloud pentru a construi și a deplasa aplicații în cloud
Google Cloud Full Stack alustana
Full text linkOpinnäytetyön tavoitteena oli tutustua Google Cloudin tarjoamiin web-palveluihin, Googlen tarjoamiin työkaluihin, luoda Full Stack -esimerkkisovellus ja julkaista se Google Cloud -alustalla. Sovellus luotiin käyttäen moderneja Vue.js ja Ex-press.js JavaScript-sovelluskehyksiä. Sovelluksen visuaalinen tyyli toteutettiin helppokäyttöisen Bootstrap CSS-sovelluskehyksen ja ilmaisten Pexels-kuvapankkikuvien avulla (Pexels 2021). Kehitystyö tehtiin Visual Studio Codella ja Node.js JavaScript- suoritusympäristöllä.
Työssä esitellään Googlen tarjoamia web-kehitykseen soveltuvia palveluja, pääasiassa Google Firebasea ja Google Cloud App Engineä. Tiedot on kerätty käytettyjen palveluiden ja työkalujen dokumentaatioista. Esimerkkisovelluksen tietokantaratkaisut on toteutettu Googlen Firebase-palveluilla ja back end -sovellusta suoritetaan Google Cloud App Engine -sovelluksen palveluna.
Työ on toiminnallinen opinnäytetyö, joka on toteutettu projektina, projektisuunnitelman avulla. Projektissa on hyödynnetty aiempaa osaamista, työharjoittelujaksoilla kertynyttä tietoa Googlen palveluista sekä web-ohjelmoinnin kursseilla opittuja moderneja JavaScript-tekniikoita.
Projektin tuloksena valmistui yksinkertainen Full Stack web-sovellus, joka on julkaistu Googlen pilvipalvelussa. Sovellus toimii pääosin kaikilla moderneilla selaimilla ja myös mobiilissa. Kehityskohteita havaittiin olevan useita, varsinkin mobiilikäyttöön ja latausnopeuksien parantamiseen koodin pilkkomisen avulla
Google Cloud Platform IoT ratkaisuissa
Full text linkTämän opinnäytetyön tavoitteena oli tutkia mitä on IoT eli esineiden internet ja miten Google Cloud Platform toimii IoT-laitteiden pilvipalveluna. Tarkoituksena oli myös selvittää mitä eri tekniikoita ja protokollia tarvitaan laitteen yhdistämiseksi Googlen pilvipalveluun. Työn teoriaosuuden tutkimuksen lisäksi aihetta tutkittiin toiminnallisessa tutkimuksessa.
Teoriaosuudessa tutkittiin ja esiteltiin esineiden internettiä sekä sen sisältämiä tekniikoita ja protokollia. IoT:n teoria tutkimuksen perusteella syvennyttiin Google Cloud alustaan esineiden internetin näkökulmasta keskittyen olennaisiin ominaisuuksiin tämän tutkimuksen kannalta. Teoriaosuuden tavoitteena oli myös antaa selkeä ymmärrys toiminnallisessa osuudessa käytettävistä tekniikoista.
Toiminnallisen osuuden tutkimuksessa rakennettiin Raspberry Pi älylämpömittari, joka kytkettiin Googlen Cloud Platform alustan sisältämään Cloud IoT palveluun. Yhdistämistä ja laitteen lähettämän datan käsittelyprosessia tutkittiin yleisestä IoT-laitteiden näkökulmasta, jotta tutkimuksesta olisi hyötyä myös muiden IoT-laitteiden ja Googlen pilvipalvelun välisessä käytössä. Toiminnallisella osuudella pyrittiin tukemaan teoriaosuudessa esiteltyjä asioita ja antamaan tarvittavaa tietotaitoa, jotta lukija osaisi yhdistää IoT-laitteen ja Google Cloud Platform alustan
Google Cloud Platform & IoT Core
Full text linkTämän opinnäytetyön tavoitteena oli esitellä yleisesti, mikä on Google Cloud Platformin IoT Core ja miten sen ja IoT-laitteen välille luodaan yhteys. Työn toimeksiantajana oli Hämeen ammattikorkeakoulun Älykkäät palvelut, jonne IoT Core on mahdollisesti tulossa käyttöön. Työ tarjoaa toimeksiantajalle pohjatietoa.
Opinnäytetyön teoriaosuudessa esitellään aluksi IoT lyhyesti käsitteenä ja käydään läpi työssä käytetty IoT-laite Raspberry Pi, sen käyttöjärjestelmä Raspbian ja laitteeseen kuuluvia lisäkomponentteja. Tämän jälkeen esi-tellään Google Cloud Platform ja sen sisältämiä palveluita. Käytännön osuudessa esitellään demo, jossa toteutetaan yhteyden luominen ja esitellään sen toimivuutta lähettämällä mittaustuloksia Google Cloud Platformiin.
Luodussa demossa luotiin yhteys Raspberry Pin ja Google Iot Coren välille MQTT-protokollaa hyödyntäen. Tätä luotua yhteyttä hyödynnetiin lähet-tämällä Raspberry Pihin liitetyn lämpötila- ja ilmankosteusanturin mittaamaa dataa Cloud Platformin palveluihin jatkokäsittelyä varten
BigBlueButtonin asennus Google Cloud -palveluun
Full text linkOpinnäytetyössä esitellään aluksi pilvipalveluiden toiminta- ja palvelumallit. Lisäksi vertaillaan kahta suurta ja tunnettua PaaS-palveluntarjoajaa niin hinnoil-taan kuin palveluiltaan. Vertailun kohteina ovat Microsoft Azure ja Google Cloud. Ensiksi esitellään palveluntarjoajat kummatkin omina lukuinaan. Niissä käydään läpi verkkosivustojen laskentamalleja. Tämän jälkeen näitä kahta vertaillaan hinnoiltaan ja yleiseltä tasoltaan toisiinsa. Näistä kahdesta valitaan edullisempi vaihtoehto, tässä tapauksessa Google Cloud. Neljännessä luvussa Google Cloudin instanssiin asennetaan BigBlueButton-opetusympäristö.
Asennusvaiheessa käydään läpi yksityiskohtaisesti, miten BigBlueButton asennetaan onnistuneesti instanssiin, ja mitä täytyy ottaa huomioon ennen itse varsinaista asentamista ja kuinka FreeSWITCH-kommunikointialusta saadaan toimimaan instanssiin asennetussa BigBlueButtonissa. Tämän jälkeen vielä esitetään komennot, joiden avulla palvelu saadaan yhdistettyä yrityksen domainiin halutulla tavalla.
Työn lopussa käydään työn tulokset läpi ja pohditaan, miten projektia voitaisiin jatkaa vielä eteenpäin.This thesis studied cloud computing and SPI models. Additionally, the prices and services of two large and well-known PaaS service providers were compared. The selected services were Microsoft Azure and Google Cloud. Firstly, both service providers were introduced separately, and compute models were reviewed. After that the prices and general standards of the two services were compared. The cheaper one was chosen, which in this case was Google Cloud.
The fourth chapter introduces the installing process of the BigBlueButton learning environment to the Google Cloud instance. The BigBlueButton’s successful installation and things to consider before the actual installation are reviewed in detail in the installation chapter. Additionally, the FreeSWITCH communication platform’s execution to the instance, in which BigBlueButton was installed, is introduced. After that the commands with which the service connects to the company’s domain are presented. In the last chapter the results are revived, and it is dis-cussed how the project could be extended
- …
