Spaningar från Google Cloud Summit

I förra veckan var det dags för Google Cloud Summit, C.A.G var där även i år och spanade. Här följer en sammanfattning av mina personliga intryck och reflexioner.

Spaningar från Google Cloud Summit

1600 1200 C.A.G
  • GKE on-prem kommer snart, det vill säga en Google-managerad Kubernetes-tjänst som man kan köra hemma i den egna datahallen, en produkt som kanske tas fram något motvilligt av Google, men många kunder har efterfrågat den
  • Istio kommer inbyggt på GKE, bra! Istios stora grej är Canary Deploys (=försiktig deploy av ny version av tjänsten på t.ex.10% av trafiken för att se hur den nya versionen funkar). Istio kräver att man konfigurerar så kallade sidecars, vilket gör att Kubernetes-konfigurationen sväller lite. Istio stödjer dessutom integration with CDN (worldwide HTTP cache), IAP (klistra inloggning utanpå applikationer), Cloud Armor (attackförsvar) numera enkelt och direkt från Kubernetes konfigurationsfiler, bra! Container native load balancing är också en ny bra grej om man har mycket last
  • Artificiell intelligens och Machine Learning (AI/ML) pratas det om nästan överallt och i nästan allting. Praktiska kundcase går det dock trögare med
  • Knative är på G, vilket är Open Source implementation av Cloud Functions ovanpå Kubernetes, vilket innebär att vi får Cloud Functions som är portabla mellan Cloud-leverantörerna, t.ex. Azure, AWS och GCP. En tanke jag får är hur Fn Project relaterar till detta
  • Stackdriver (loggning och monitorering) är nu utbyggt med bättre stöd för monitorering av Kubernetes. Nya är också Stackdriver Profiler och Stackdriver Indicent
  • Datadog var där. Datadog är bra på monitorering, ett alternativ till Stackdriver. De visade ganska detaljinriktade problemborrningsscenarier, och inte flexibla alerts och feta och kompakta övervakningspaneler som jag efterfrågar. Men det kanske också finns fastän vi inte fick se
  • Vi fick en demo av enkla ML/AI-tjänster där man kan träna upp en egen bildanalysmodell baserad på Google tränade modeler utan att skriva kod. Man kan också göra ML-grejor direkt med SQL. Det är mycket fokus på att bredda användningen av ML/AI genom att göra det enklare
  • Vi har fått fler och förbättrade databastjänster. Cloud Datastore, som kan jämföras med Mongodb, blir äntligen konsistent, och inte bara eventuellt, vilket förvirrat oss tidigare
  • GCP har nu stöd för nya diskar som stödjer multi regions, vilket krävs för att få fem nior uptime (99.999%)
  • Vi fick en genomgång av Googles plattform för Continuous Integration/Continuous Delivery i molnet, vilket bygger på Cloud Build (container image builder), Cloud Repository (container image repository) samt Spinnaker. Spinnaker är ett deploy-verktyg. Det saknas fortfarande ett automattesttänk här, i alla fall för att jag ska bli nöjd
  • Vi fick se Kubeflow = Cloud Native ML on Kubernetes, vilket jag blev mycket nyfiken på. Det ska vi snarast springa igång och se hur det fungerar!

Det är nu ännu tydligare att Kubernetes är en mycket viktig teknologi, och att även om Cloud Functions är på frammarsch så är det än så länge inte en speciellt tongivande teknik. Om jag vänder blicken inåt och tittar på de tjänsteplattformar jag själv vardagligen bygger så av den moderniserade delen av systemen är kanske 10% Cloud Functions, resten Kubernetes podar, och om man istället räknar antalet endpoints så är andelen Cloud Functions betydligt mindre.

 

Googles molntjänster är i stort enkla att använda och är ganska kompletta. De har mycket av det vi efterfrågar, och i år blev de ännu lite enklare och ännu lite mer kompletta.

Kontaktperson

Daniel Marell

+46 70 563 10 52

daniel.marell@cag.se

X
X