Google Cloud Platformは後発から巻き返せるのか：Google I/O 2013まとめレポート（2）（1/3 ページ）

PHPにも対応したPaaS「Google App Engine」、オブジェクトストレージ「Google Cloud Storage」、IaaS「Google Compute Engine」などについて、事例も交えて紹介する。

» 2013年07月08日 18時00分公開

[小林達，TIS株式会社]

　グーグルのCloud Platformは「Google App Engine」「Google Compute Engine」の2つを中心にオブジェクトストレージやDBなどデータストアや分析基盤など周辺のサービスを充実させている。Google I/O 2013では24セッションも用意され、注目度の高さがうかがえる。

　本稿では、Google Cloud Platformの全体の概要、サービスごとのトピック、事例を紹介する。Google I/O 2013の基調講演については、記事「Android、Chrome、Google+、Mapsは偉大なモノになれるのか～Google I/O 2013基調講演参加レポート」を参照してほしい。

Google Cloud Platformとは

　Google Cloud Platformの全体的な概要は次のセッションで紹介された。

Greg DeMichillie氏、Urs Holzle氏「Cloud Platform Track Kickoff: Ushering in the Next Generation of Cloud Computing」

　Google Cloud Platformは複数のサービスで構成されている。

管理や拡張を簡単に行えるPaaS「Google App Engine」
インスタンスやネットワーク構成が柔軟なIaaS「Google Compute Engine」
オブジェクトストレージ「Google Cloud Storage」
自動的に管理されるMySQL「Google Cloud DB」
SQLライクなインターフェイスを持つ分析基盤「Google BigQuery」

　Google IO 2013で新規に発表された内容は以下の通りである。

Google Cloud Datastore
- REST API＋JSONで通信するNoSQLサービス
Google Compute Engine
- 課金は最初の10分と1分単位での課金
- 共有型インスタンスタイプ追加
- オンプレミス環境からのVPN接続
- 10TbytesまでのPersistent Disk
Google App Engine
- PHPのサポート
- Modularized applications
- アプリケーションを複数のコンポーネントを導入し用途ごとに設定を変更できる
- Mobile Backend Starter
- Android StudioのGoogle Cloud Platformサポート
Google Cloud Store、Google Compute Engine、Google App Engineに対するISO27001:2005（ISMSの国際規格）取得

　セッションでは、これらのサービスを組み合わせた写真共有サイトのデモンストレーションが紹介された。

　このサイトはユーザーからのアクセスを「Google App Engine for PHP」を利用して受け付け、ユーザー管理データはGoogle Cloud DBに、写真はGoogle Cloud Storageに保存する。

　また、他のユーザーからの写真へのコメントはGoogle Cloud Datastoreを利用している。サムネイルへの写真の変換はGoogle Compute Engine上で行われ、大量に写真がアップロードされた場合にはインスタンスを増やすことで変換処理を並列に行い、負荷分散可能な構成になっている。

巨大データセットの「Google Coud Storage」への移行

Brian Dorsey氏、Dave Barth氏「Importing Large Data Sets into Google Cloud Storage」

　このセッションではGoogle Cloud Storageへ巨大データセット移行を「gsutil」で行う場合の取り扱い方を示した。

　「gsutil」はGoogle Compute Engineを管理するためのPythonで記述されたコマンドラインツールで、UNIXコマンドのように利用できる。巨大データセットの移行にはファイルを並列送信することで高速化できるオプションを用意している。1つのファイルが大きい場合には分割して、巨大データセットと同様のアプローチをすることで高速化する。