出品 | CSDN云计算（ID：CSDNcloud）
有很多文章将谷歌云提供商（GCP）与亚马逊云服务（AWS）进行比较。但这篇文章并不想要做比较。
作者主要是一个AWS用户。但最近一直使用GCP工作。尽管AWS更加成熟并拥有许多服务。但GCP有一些服务和一些优势。使其成为某些用例的更好提供者。而本文则简要总结了GCP相对于AWS的优势。
本文将重点介绍GCP优于AWS的地方以及作者认为GCP可能是更好选择的用例。
1。网络协议栈
网络协议栈是GCP的一大亮点。它使用Google的全球超低延迟内部网络。GCP使用全球代号为Andromeda的软件定义网络（SDN）。可提供令人难以置信的性能。特别是针对低延迟的微服务和大数据处理。
GCP中的虚拟私有云（VPC）是全球性的。如果你选择的话。你可以在不同的区域中定义它们。整个网络都是软件定义的。具有很大的灵活性。你的负载均衡器在边缘位置工作。提供全球负载均衡和自动扩展。
借助GCP。你可以非常轻松地使用Geo分布式数据构建一个全球基础架构。这对于其他云提供商来说非常困难。
2。开发者经验
虽然我主要是AWS用户。但作为开发者。我必须承认我更喜欢使用GCP工作。它的cli很棒。它是一致的。快速的且容易使用。你也可以轻松访问alpha和beta特性。
GCP的控制台体验可能是所有云提供商中最好的。尤其是拥有云脚本（cloud shell）。你可以从浏览器直接获得终端。并从浏览器安全地连接到虚拟机（VM）。而无需设置任何SSH密钥。这非常完美！
GCP VM的启动速度非常快。比AWS快得多。这使得横向扩展特别敏感。它的定价很公道。你可以自定义所需的CPU和RAM数量。这样非常方便！ GCP几乎允许所有实例类型连接GPU。这可以将任何标准或自定义实例转换为支持机器学习（ML）的VM。
借助Cloud Identity。GCP的身份管理工作得非常出色。它与G suite集成并提供单点登录（SSO）。因此无需使用其他云提供商非常流行的解决方案（如OneLogin）。
最后。大多数服务都提供模拟器。这非常好。我可以立刻使用笔记本电脑测试所有应用程序。而无需使用任何第三方工具或复杂的集成。
3。Pub/Sub（发布/订阅）
AWS提供了许多用于消息传递的服务。例如SQS。SNS。Kinesis。Event Bridge。Kafka等。而GCP仅提供Pub/Sub。说实话。你不需要其他任何东西。它是一项非常好且便宜的服务。可用于从数据流到微服务的各种用例。这是一项全球服务。可以扩展来处理大量的数据。而且速度非常快。
Pub/Sub非常容易集成和使用。它支持许多客户端和协议。它还为消费者提供两种模式：push和pull。最重要的是它非常划算。也完全没有服务器!
4。数据库
Google特别关注数据。他们非常擅长管理和扩展大数据。为每个用例提供灵活的解决方案。
尤其是他们提供的3种解决方案。我认为这是其他竞争对手没有的。而这些就是大数据解决方案。公司与其他云提供商一起正在建立数据湖。将大量数据存储到S3之类的廉价存储中来提高成本效益。他们在电子医疗记录（EMR）上使用像Spark这样的传统框架来处理它并对其进行优化。以便能够使用Parquet这样的格式从S3查询它。
维护数据湖非常复杂。特别是在数据经常发生变化的情况下。这可能会变得难以管理。最终成本会升高。如果我们可以将大数据存储在可扩展且经济划算的数据库中。那不是很好吗？这样会容易得多。GCP有一些不错的选择。虽然对象存储一直很便宜。但只要这3个解决方案不太庞大。它们就可以用于大数据。
5。Big Table（大表）
Big Table是一个完全托管的NoSQL数据库。可以将其与AWS DynamoDB进行比较。但它们有所不同。DynamoDB是一种NoSQL。可以扩展以处理数百万个事务。但每个项只能存储400Kb。其目标不是处理大数据。
另一方面。Big Table是千万亿字节级的数据库。它提供一致的10ms以下的延迟。因此非常快速可靠。也易于扩展并且经济划算。
6。Big Query（大查询）
BigQuery是GCP的黄金产品。由于它是一个很大的产品。因此很难解释它到底是什么。它定义为：一个无服务器。高度可扩展且经济划算的云数据仓库。旨在帮助你快速做出明智的决策。以便你轻松地进行业务转型。
最接近的AWS产品是Redshift和Redshift Spectrum。BigQuery是无服务器的。并且可以扩展来查询大量数据。它内置了ML和BI模型。可用于各种用例。我喜欢BigQuery的地方是你可以用它来做任何事情。可以存储日志或帐单信息。它具有比BigTable高的延迟。但也更便宜一些。
作为BI的数据仓库。Redshift可能更好。但对人工智能（AI）和机器学习（ML）来说。 BigQuery更好。
7。Spanner
Cloud Spanner是针对区域和全球应用程序数据的完全托管。可扩展的关系数据库服务。我认为其他云提供商中没有与之类似的数据库。这是庞大的。但也是完全相关的。它使你可以大规模使用常规SQL并具有强大的一致性事务。
你还记得SQL与NoSQL之间的权衡吗？现在它们已经不存在了。你可以使用SQL并在全球范围内进行扩展。但是价格并不便宜。
8。ML/AI
Google拥有最好的机器学习平台。它为所有类型的用户和用例提供了工具。从用于深度学习的低级虚拟机到高级API。服务数量巨大。
借助SageMaker。AWS正在慢慢迎头追赶。并且已经非常接近GCP。但是GCP仍然提供了更新的和准确的工具集。它提供了专门用于深度学习。与Kubernetes和机器学习训练等更好集成的虚拟机。
9。Kubernetes
关于Kubernetes。没有什么可说的。与其他云提供商相比。GCP具有优势。 GCP比其他云提供商更便宜。更新。更快。更易于使用。由于其灵活性和价格优势。GKE可能是世界上最好的云服务。它允许轻松地从本地迁移到云。它安全并且易于设置。提供出色的自动缩放。很容易监视。
最好的是GCP赋予了Kubernetes权力。并提供了一个友好的生态系统来运行几乎所有工作负载。从微服务或数据流到大数据管道。Kubernetes生态系统非常庞大。所有这些工具都已在GCP中进行了验证和测试。
AWS更加专注于无服务器。而GCP专注于Kubernetes。这两种技术都很棒。
10。成本
一般来说。GCP比其他云提供商便宜。因为它始终取决于你使用的服务以及使用方式。如果你使用Kubernetes。就成本效率而言。GCP无疑是赢家。
在计算和存储成本方面。它也是显而易见的赢家。GCP提供了一种更好的方法来补贴长期使用。并且秒杀抢购的虚拟机则非常便宜。
在秒杀抢购虚拟机上运行的GKE群集的价格很难与之匹敌。
11。用例
AWS仍然是最好的云提供商。它具有比GCP更成熟的产品和更多的服务。它还拥有庞大的用户群和更好的支持。如果你有疑问。请使用AWS。亚马逊在追赶GCP 机器学习功能方面做得非常出色。还降低了某些服务的成本。但我仍然认为。对于以下某些用例。GCP可能是更好的选择：
机器学习。特别是深度学习或使用Kubernetes时。
归功于Pub/Sub和DataFlow大数据流处理。得益于网络协议栈。GCP的延迟降低了。管道运行速度更快且成本更低。对于批处理。两个提供者都同样出色。
分布式实时系统。如果你的微服务要求极低的延迟。则Google SDN + pub/sub是一个很好的解决方案。例如Go微服务+ gRPC运行得非常快。另外。Akka非常适合GCP。
Kubernetes。这是GCP的主要优势。如果你想要以低成本高效运行便携基础架构。GKE是一个很好的工具。对于无服务器。AWS可能是一个更好的选择。
全球大数据数据库。如果你不想使用数据湖。而又想大规模存储大数据。那么Spanner或Big Table是令人惊叹的数据库。它们可以使你的生活更加轻松。
简而言之。如果你想在Kubernetes上运行快速低延迟的微服务或你有大量数据。请考虑使用GCP。
12。最重要的资产。是开发者们
强烈建议你在两个平台上试用服务并开发小型概念验证模型（POC）。以便在两个平台上获得经验。两家提供商都有免费套餐。不要只考虑来自咨询人士的报告。你需要自己做判断。并尝试这两种平台。
我个人喜欢Kubernetes。它使你的代码可跨平台移植。从而使它们之间的切换变得容易得多。
如果你是AWS用户。请先阅读平台概述。然后检查最佳实践。之后。请阅读适用于AWS专业人士的指南。
与AWS相比。GCP还非常易于保护和管理。最后看看GCP必须提供的所有服务。它正在迅速赶上。
我们正处于软件开发的关键时刻。因此无论你选择哪种平台。都将是一个很好的选择。只要记住最重要的资产是什么。并对其进行投资。这个资产就是：开发者们！
腾讯云。阿里云。Google谷歌云。华为云。天翼云。移动云。AWS亚马逊云代理商哪家好?推荐找。可享受全网最高折扣。高额返现优惠。详询电话官网：wwW.IdCbeSt.cOm
本文地址：https://gpu.xuandashi.com/38678.html，转载请说明来源于：渲大师
声明：本站部分内容来自网络，如无特殊说明或标注，均为本站原创发布。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。分享目的仅供大家学习与参考，不代表本站立场！
