El 8 de junio de 2017, nuestro equipo de innovación tuvo la oportunidad de acudir a Google Cloud Next en Madrid donde se trató de nuevas formas de trabajar, de tecnologías Cloud y de la mayor seguridad alrededor de estas soluciones.
El evento se dividió en tres secciones enfocadas en una variedad de charlas. Los principales temas discutidos estaban relacionados con Big Data, Aprendizaje Automático, Compute Engine y Business Security.
Las sesiones comenzaron con una visión general de las posibilidades que ofrece la Plataforma de Google Cloud .
La principal ventaja de la plataforma es la posibilidad de trabajar con grandes volúmenes de datos que no requieren la instalación de varios servidores, todo esto a bajo coste (solo pagas por el almacenamiento de la información) y en pocos segundos. Su estructura está basada en su propio Cloud Db llamado BigQuery e utiliza SQL como principal lenguaje de programación.
La principal ventaja de la plataforma es la posibilidad de trabajar con grandes volúmenes de datos que no requieren la instalación de varios servidores, todo esto a bajo coste y en pocos segundos.
Cloud Spanner, la primera base de datos en Cloud
Más tarde, presentaron Cloud Spanner. Sin duda, uno de los productos más interesantes de Google Cloud para la mayoría de las empresas, ya que es la primera Base de Datos Relacional (RDS) en Cloud que ofrece estabilidad técnica y alta disponibilidad.
En otras palabras, esto significa que las organizaciones pueden usar el entorno SQL / Schema como siempre, pero sin las limitaciones que estas herramientas implican. Por lo tanto, este tipo de plataformas se pueden utilizar en aplicaciones críticas previamente reservadas sólo para las bases de datos NoSQL.
Big Data y machine learning
La sesión de Big Data se centró en Cloud Dataproc y Cloud Datalab.
Cloud Dataproc es el complemento que se utilizará junto con las soluciones Big Data que ya hemos mencionado (es decir, BigQuery) y que gestiona eficientemente varios clusters al mismo tiempo tomando en cuenta la carga de trabajo de cada uno. Además, funciona con Spark, Hadoop, Pig y Hive.
Google Cloud Platform, casos de éxito
Una de las mayores ventajas del uso de Google Cloud Platform (GPC) es que proporciona una serie de servicios y herramientas para que los desarrolladores puedan aprovechar la infraestructura de Google. Java, Python, Go, Node.js, Ruby, PHP y C # son algunos de los idiomas soportados. Dependiendo del ciclo de vida de TI de una empresa determinada, existen varias opciones para desarrollar e implementar aplicaciones.
El uso de la infraestructura de Google Cloud es adecuado tanto para las primeras empresas que están iniciando sus actividades como para los entornos científicos que deben utilizar cientos de núcleos para resolver cálculos complejos, como Fluid Dynamics.
Un buen ejemplo de ello es CENER (Centro Nacional de Energías Renovables), que decidió trasladar una parte significativa de sus actividades de HT Condor en premisa a Google Cloud Platform, después de comparar los problemas de optimización y presupuesto entre Amazon y Google Cloud Services. El Jefe del Servicio de Informática y Desarrollo de Software de CENER, dio un discurso detallado sobre cómo GCP mejoró las operaciones diarias en su empresa.
Otro buen ejemplo de las mejoras que GPC nos aporta al mundo arquitectónico, es la implantación que realizó BBVA dentro de su empresa. Las soluciones de Google Cloud se utilizan actualmente en BBVA para gestionar algunas aplicaciones internas así como su Intranet.
Google Cloud Solutions ahorra tiempo y dinero
Por último, uno de los ingenieros de Google Cloud Solutions demostró la facilidad con que GKE (Google Container Engine) puede integrarse con los procesos de control de calidad y las tuberías de integración y herramientas como Jenkins o GITHUB, reduciendo así el tiempo y dinero relacionados con las actividades de SCM.
Desde el punto de vista de la empresa, el uso de tecnologías Kubernetes y contenedores Docker pueden ser de interés para desplegar modelos y productos de datos ya que ya han sido desarrollados y probados como pruebas de concepto o prototipos.
Tomar modelos en producción requiere un flujo de trabajo profesional, altos estándares de calidad, código escalable e infraestructura, y sin duda Kubernetes y contenedores Docker, junto con Google Container Engine (GKE) que pueden ayudar a hacer este proceso tan sencillo como sea posible.
Reinventando la forma de hacer Consultoría
Continuamos explorando las nuevas oportunidades que las nuevas tecnologías están creando para ofrecer las mejores soluciones a nuestros clientes y convertirnos en el motor del proceso de innovación en nuestras áreas de negocio.
Estamos trabajando muy duro para estar en la vanguardia de esta nueva era.