구글 클라우드 개발자는 참 좋겠다, 이 책이 나와서 아마존 웹 서비스(AWS)와 애저(Azure)에 이어 클라우드 업계 3위를 달리고 있는 구글 클라우드는 2023년 1분기 점유율 10%를 달성하면서 사업에 속도를 내고 있다. 하지만 국내에는 구글 클라우드를 배우고자 하는 사람들을 위한 책이 전무하다. 그래서 구글 클라우드 개론서를 오매불망 기다리던 사람들을 위해 이 책을 출간했다. 저자는 구글 클라우드 문서 수천 장을 읽고 거의 모든 구글 클라우드 제품을 사용해본 경험을 이 책에서 한 장 크기의 시각화 자료들로 요약했다. 그림을 보면서 쉽고 빠르게 구글 클라우드의 기술 개념을 익히고 싶은 사람들에게 안성맞춤인 책이다. 책의 각 장에서는 인프라스트럭처, 스토리지, 데이터베이스, 데이터 분석, 애플리케이션 개발과 현대화, 네트워킹, 데이터 과학/머신러닝/인공지능, 보안에 관련된 구글 클라우드의 솔루션의 개념, 작동 방식, 사용법, 사용 사례 등을 그림과 함께 설명한다. 이 책은 클라우드 이전과 신규 클라우드 배포를 계획하고, 클라우드 자격증을 준비하고, 구글 클라우드를 최대한 활용하고자 하는 모든 이들을 위한 안내서다. 클라우드 솔루션 아키텍트, IT 의사결정자, 데이터 엔지니어, 혹은 머신러닝 엔지니어에게 이 책은 좋은 출발점이 될 것이다. 주요 내용 ● 인프라스트럭처, 스토리지, 데이터베이스: 애플리케이션을 원활하게 실행하고 확장 ● 데이터 분석, 머신러닝: 데이터에서 인사이트 도출 ● 네트워킹: 인프라스트럭처 연결, 확장, 보안, 현대화, 최적화 ● 애플리케이션 개발과 모더니제이션: 컨테이너와 마이크로서비스를 사용하여 애플리케이션 구축 ● 보안: 클라우드에서 데이터, 사용자, 애플리케이션 보호

지은이·옮긴이 소개 iv 옮긴이 머리말 v 추천의 글 vi 베타리더 후기 vii 감사의 글 viii 이 책에 대하여 ix 1장 인프라스트럭처 2 2장 스토리지 30 3장 데이터베이스 44 4장 데이터 분석 63 5장 애플리케이션 개발과 현대화 99 6장 네트워킹 135 7장 데이터 과학, 머신러닝, 인공지능 169 8장 보안 207

하이브리드와 멀티 클라우드에서 애플리케이션을 구축한다면 이식성이 가장 중요하다. 이런 경우에는 오픈소스 쿠버네티스 기반의 GKE를 추천한다. 온프레미스와 클라우드 환경 모두를 일관성 있게 유지하는 데 도움이 될 것이다. 추가적으로 Anthos는 하이브리드와 멀티 클라우드 Deploy를 위해 특별히 설계된 플랫폼이다. 인프라에서 애플리케이션 성능과 토폴로지까지 모든 클러스터에 걸쳐 단일 시각화(대시보드)를 제공한다. (27쪽) Cloud SQL은 자동화된 백업과 특정 시점 복구 옵션을 제공한다. 백업에 대한 시간 슬롯과 위치를 지정할 수 있다. 운영 애플리케이션용으로는 99.95% SLA를 지원하는 고가용성(high availability, HA) 옵션을 활성화하도록 권고한다. 이 옵션을 통해 구글 클라우드는 하트비트(heartbeat) 신호로 Cloud SQL 인스턴스를 지속적으로 감시하고, 정전이 발생해 첫 번째 인스턴스가 실패하면 자동 장애 복구가 선택한 지역의 다른 영역에서 인스턴스를 시작한다. 지역 오류로부터 보호하도록 다중 지역에 복제본을 생성할 수도 있다. 그리고 용량이 거의 다 채워지면 더 많은 저장소를 추가할 수 있도록 자동 저장소 증가 옵션을 활성화할 수 있다. (49쪽) 게임에서 사이버 보안, 소셜 미디어까지 현대의 많은 애플리케이션은 실시간 경험을 제공하기 위해 밀리초 미만의 대기 시간으로 데이터를 처리해야 한다. 확장된 규모와 줄어든 비용으로 낮은 대기 시간 요구를 충족하려면 인메모리 데이터스토어가 필요한데, 레디스(Redis)와 멤캐시디(Memcached)를 가장 많이 사용한다. Memorystore는 구글 클라우드의 레디스와 멤캐시디에 대한 완전 관리형 인메모리 데이터스토어 서비스다. 다른 구글 클라우드 서비스와 같이 빠르고 확장 가능하고 가용성이 높으며 안전하다. 다른 작업에 더 많은 시간을 할애할 수 있도록 프로비저닝, 복제, 장애 복구, 패치와 같은 복잡한 작업을 자동화한다. 99.9% SLA를 제공하고 구글 클라우드 내에서 애플리케이션과 원활하게 통합된다. (59쪽) Dataproc은 저장소와 컴퓨팅을 세분화해 비용을 관리하고 워크로드를 보다 유연하게 확장하도록 도움을 준다. 외부 애플리케이션이 분석을 위해 로그를 보내는 사용 사례를 가정해보자. Cloud Storage, BigQuery, Bigtable과 같은 데이터 저장소에 데이터를 저장한다. 그런 다음 Dataproc에서 처리된 데이터는 다시 Cloud Storage, BigQuery 또는 Bigtable에 저장된다. 또한 데이터를 노트북에서 분석하기 위해 사용하고 로그를 Cloud Monitoring에 보낼 수 있다. 저장소가 분리돼 있으므로 길게 유지하는 클러스터에는 작업당 하나의 클러스터를 할당하지만, 비용을 절약하기 위해 라벨별로 그룹화하여 선택한 임시 클러스터만 사용할 수 있다. 또한 애플리케이션의 요구에 맞게 정확한 양의 메모리, CPU, 디스크 공간을 사용할 수 있다. (75쪽) 간단한 API를 작성하는 중 코드가 다른 애플리케이션의 호출이 필요하다고 가정해보자. 엔드포인트 정보가 정적인 정보라면 코드에 해당 지점을 하드코딩하거나 작은 설정 파일에 이를 저장할 수 있다. 그러나 마이크로서비스와 멀티 클라우드에서 이 문제는 인스턴스, 서비스, 환경이 모두 변경될 수 있으므로 다루기가 훨씬 더 어렵다. 서비스 디렉터리가 이 문제를 해결해준다! 각 서비스 인스턴스는 서비스 디렉터리에 등록되고, 여기서 도메인 이름 시스템에 즉시 반영되며, 구현과 환경에 관계없이 HTTP/gRPC를 사용해 질의할 수 있다. 여러 환경에 걸쳐 사용할 수 있는 범용적인 서비스 이름을 생성하고, DNS를 통해 서비스를 제공한다. 네트워크, 프로젝트, 서비스 계정의 역할에 기반해 서비스에 접근 제어를 적용할 수 있다. (163쪽)