Обзор Google Cloud: хранилище, Cloud Run, Vertex AI и IAM

Что в ролике
Ролик — быстрый старт по Google Cloud для разработчиков: автор проходит от создания проекта и платёжного аккаунта до деплоя ML-модели в Vertex AI, задевая все ключевые сервисы. В Cloud Storage он показывает создание бакета с глобально уникальным именем, выбор региона и класса хранения, загрузку файла через UI и gcloud CLI, объясняя разницу между настоящими и симулированными папками. Cloud Run демонстрируется на Flask-приложении: первый деплой из исходников падает из-за нехватки прав у дефолтного сервисного аккаунта, но после добавления роли Cloud Run Builder через IAM всё работает. Второй деплой — через Docker: образ собирается локально, пушится в Artifact Registry, а сервис запускается с отдельным сервисным аккаунтом, который имеет доступ на чтение только к одному приватному бакету. Compute Engine показан на виртуальной машине e2-micro с Debian 13 за $9 в месяц: автор подключается по SSH, запускает Python HTTP-сервер и открывает его по внешнему IP. Для Cloud SQL он создаёт инстанс PostgreSQL 15 с 1 vCPU и 3,84 ГБ памяти, подключается через Cloud SQL Auth Proxy и выполняет запрос из Python с psycopg; для BigQuery гоняет запрос по публичному Stack Overflow, который обрабатывает 1,98 ГБ. Vertex AI — два примера: вызов Gemini 2.5 через API с указанием региона europe-west1 и деплой собственной scikit-learn модели (random forest на iris) с предсказанием, причём развёртывание занимает около 40 минут. В конце автор напоминает, что GCP списывает деньги постфактум, показывает бюджеты и алерты и советует либо ставить лимиты на уровне сервисов, либо просто удалить проект.
Практика
- Что получишь
- После просмотра вы сможете ориентироваться в консоли GCP и gcloud CLI, создавать бакеты, деплоить контейнеры в Cloud Run, поднимать VM, управлять правами через IAM и понимать, где искать расходы.
- Первый шаг
- Зарегистрируйтесь на cloud.google.com, создайте проект и привяжите платёжный аккаунт — дальше можно повторять все команды из видео.
- Цифры
- —$9 в месяц — стоимость виртуальной машины e2-micro с Debian 13, показанная в консоли
- —1,98 ГБ — объём данных, обработанных запросом к публичному Stack Overflow в BigQuery
- —40 минут — примерно столько занимает развёртывание модели scikit-learn на Vertex AI
- —3,84 ГБ — минимальный объём памяти для инстанса Cloud SQL PostgreSQL 15
- Честно
- Видео содержит спонсорскую вставку Infisical (open-source менеджер секретов), автор также рекламирует свои услуги консультанта в конце. Все команды и настройки показаны на экране, но в описании нет полного кода — его придётся переписывать с паузой. Для практики нужен платёжный метод, даже если вы используете бесплатные ресурсы, а расходы списываются постфактум без жёсткого лимита по умолчанию.
Если слова незнакомы — 6 терминов
- IAMсистема управления правами доступа в Google Cloud
- сервисный аккаунтучётная запись для программ, а не для человека, с отдельными разрешениями
- Cloud Runсервис для запуска контейнеров без управления серверами
- Artifact Registryхранилище Docker-образов и других артефактов в GCP
- BigQueryоблачное хранилище данных для аналитических SQL-запросов
- Vertex AIплатформа Google Cloud для обучения и использования ML-моделей
Связки из этого ролика
4 шт.- GCP + Cloud Run + Docker
- Vertex AI + scikit-learn
- Cloud SQL + PostgreSQL
- BigQuery + SQL
Компоненты
16 шт.Формат: пошаговый урок · для новичков · уверенность разметки 0.9 · источник