클라우드 자격증 중 기본인
MS Azure Fundamentals과
Amazon AWS Practitioner 자격증을 취득했고
이제 구글 클라우드를 공부하려고 한다.
문제는 구글은 기초 자격증이 없어서
Associate 등급부터 볼 수 있는 점이다.
애저와 AWS 자격증은 3~4일 공부하고 취득했지만
Associate 등급은 그렇지 않을 것 같다.
우선 올해 목표였던 클라우드 기본 자격증을 1월에 벌써 2개나 취득했으니
너무 조급하게 생각하지 않고 공부를 먼저 시작해보겠다.
우선 Associate Cloud Enginner는 ACE라고 부르며
클라우드 애플리케이션을 구축, 배포, 모니터링, 관리하는 역할을 할 수 있어야 한다.
Associate 자격증은 모든 기술 직군에 도움 되는 지식과 기술을 증명하는 수준으로 알고 있다.
Azure Fundamentals, AWS Practitioner과 같은 영업 수준 레벨의 자격증은 아니다.
참고로 인터넷 강의로는 아래 사이트들이 있는 것 같다.
Coursera
Linux Academy
A Cloud Guru
Qwiklabs
먼저 구글은 어떤 클라우드 서비스가 있는지부터 살펴보고자 한다.
먼저 내가 자격증 취득하면서 공부했던
애저, AWS 서비스와 GCP를 비교해보겠다
그러면 좀 더 이해가 쉬울 것 같다.
|
Amazon Web Service
|
Microsoft Azure
|
Google Cloud Platform
|
|
Amazon EC2
|
Azure Virtual Machine
|
Google Compute Engine
|
|
AWS Elastic Beanstalk
|
Azure App Services
|
Google App Engine
|
|
Amazon EC2 Container Service
|
Azure Container Service
|
Google Kubernetes Engine
|
|
Amazon DynamoDB
|
Azure Cosmos DB
|
Google Cloud Bigtable
|
|
Amazon Redshift
|
MS Azure SQL Data warehouse
|
Google BigQuery
|
|
Amazon Lambda
|
Azure Functions
|
Google Cloud Functions
|
|
Amazon S3
|
Azure Blob Storage
|
Google Storage
|
|
AWS Direct Connect
|
Azure ExpressRoute
|
Google Cloud Interconnect
|
|
AWS SNS
|
Azure Service Bus
|
Google Cloud Pub/Sub
|
|
AWS Cloudwatch
|
Application Insights
|
Google Cloud Monitoring
|
위와 같이 서비스 별로 비교가 되는데
AWS 이름이 가장 직관적이지 않은 것 같고
그리고 Azure와 GCP가 비슷한 것 같다.
Azure SQL Data warehouse, App Service 얼마나 직관적인가
GPCP는 Storage, Interconnect, Monitoring 등
직관적으로 이름 짓는 게 정말 중요한 것 같다.
우선 저 위에 GCP의 주요 서비스에 대해 차례대로 설명하는데
AWS 서비스와 비교를 하면서 진행해보겠다.
Google Compute Engine
클라우드 환경의 기본 구성 요소로
해당 플랫폼에서 거의 모든 유형의 작업을 실행하기 위해 사용하는 가상 머신이다.
Google, Amazon, MS는 모두 IaaS 서비스에 대해 비슷한 접근 방식을 사용한다.
AWS와 비교해보면 용어와 개념은 비슷하다.
|
기능
|
Amazon EC2
|
Google Compute Engine
|
|
가상 머신
|
인스턴스
|
인스턴스
|
|
임시 가성 머신
|
스팟 인스턴스
|
선점형 VM
|
|
방화벽
|
보안 그룹
|
Compute Engine 방화벽 규칙
|
|
자동 인스턴스 확장
|
자동 확장
|
Compute Engine 자동 확장 처리
|
|
로컬 연결 디스크
|
임시 디스크
|
로컬 SSD
|
|
VM 가져오기
|
RAW, OVA, VMDK, VHD
|
RAW, OVA, VMDK, VHD
|
|
배포 지역
|
영역
|
영역
|
가상머신 인스턴스는 다음을 수행할 수 있음
- 저장된 디스크 이미지에서 인스턴스를 만든다
- 주문형으로 인스턴스를 시작하고 종료한다
- 제한 없이 인스턴스를 관리한다
- 인스턴스에 태그를 지정한다
- 인스턴스에 사용 가능한 여러 운영체제를 설치한다.
머신 액세스
EC에서 인스턴스에 대한 터미널 액세스 필요시 사용자 고유의 SSH 키를 포함하는데
Compute Engine은 인스턴스가 이미 실행 중이더라도 필요할 때 키를 만들 수 있음
로컬 머신에 키를 저장할 필요 없이 Google Cloud Console에서 제공되는
Compute Engine의 브라우저 기반 SSH 터미널을 사용할 수 있음
인스턴스 유형
특정 양의 가상 CPU, RAM, 네트워크가 포함된 사전 정의된 다양한 인스턴스 구성을 제공하는데
EC2는 인스턴스 유형이라고 부르고, Compute Engine은 머신 유형이라고 부름
Compute Engine에서는 작업 부하에 맞게 인스턴스의 CPU 및 RAM 맞춤 설정도 가능함
임시 인스턴스 차이
EC2의 스팟 인스턴스는 스팟 시장에서 경매로 판매, 입찰 수락 시 시작,
사용자 또는 AWS가 중단할 때까지 활성 상태로 유지
스팟 블록은 주문형보다 낮은 고정 가격 적용 및 할인된 요율로 최대 6시간으로 제한
Compute Engine의 선점형 VM은 가격이 고정되며 머신 유형에 따라 주문형 요율보다 80%까지 할인됨
Compute Engine에서 회수되지 않을 경우, 선점형 VM이 최대 24시간 동안 실행된 후 자동으로 종료됨
라이선스 요금이 포함된 프리미엄 운영체제 사용 시
해당 선점형 VM을 사용하는 동안 라이선스의 전체 비용이 청구됨
Google Storage
많은 수의 바이너리 객체 또는 다양한 크기의 blob를 저장하고 액세스하는데 사용하는 호스트형 서비스
각 서비스는 높은 확장성을 갖춘 키-값 저장소로 볼 수 있으며 키는 문자열, 값은 임의 바이너리 객체
Amazon S3, Google Storage 모두 버킷에 객체를 저장함
버킷 내의 각 객체는 버킷 내에서 고유한 키로 식별되며
각 객체에는 연결된 메타데이터 레코드가 있음
사실 S3와 Storage의 기능은 거의 비슷하다.
특히 요금 정책인 월별 저장 데이터양, 네트워크 이그레스,
공통 API 요청 수에 따라 가격이 책정되는 것이 동일했다
굳이 다른 점을 찾자면 S3는 배포 지역이 리전만 해당되는데
Storage의 경우 멀티 리전 및 리전 모두 가능한 점이다.
GCP의 다른 스토리지 관련 AWS와 비교하면 다음과 같다.
|
AWS
|
GCP
|
|
Amazon EBS
|
Compute Engine 영구 디스크
|
|
Amazon EFS
|
Filestore
|
|
Amazon Glacier
|
Cloud Storage Archive
|
Google BigQuery
데이터를 수집 및 변환한 후 데이터 분석을 수행 후 데이터에서 시각화를 만들 수 있습니다.
일반적으로 분석 준비가 완료된 데이터는 아래 중 하나에 저장됩니다.
- S3/Storage 같은 객체 스토리지 서비스
- Redshift/BigQuery 같은 관리형 데이터 웨어 하우스
Amazon Redshift와 Google BigQuery의 기능을 비교하면 다음과 같다.
|
기능
|
Amazon Redshift
|
Google BigQuery
|
|
배포 단위
|
클러스터
|
해당 사항 없음 (완전 관리형)
|
|
프로비저닝 단위
|
노드
|
해당 사항 없음 (완전 관리형)
|
|
노드 스토리지 유형
|
HDD/SSD
|
해당 사항 없음 (완전 관리형)
|
|
컴퓨팅 확장
|
수동, 최대 128개 노드
|
자동 조정, 무제한
|
|
테이블 확장
|
대형 노드의 경우 최대 20,000개
|
무제한, 세트 당 50,000개 미만일 때 성능 최적화 무제한 데이터 세트
|
|
백업 관리
|
스냅샷
|
해당 사항 없음 (완전 관리형)
|
|
배포 지역
|
영역
|
리전
|
|
가격 책정 모델
|
시간별
|
저장소 및 쿼리 볼륨별
|
|
쿼리 언어
|
PostgreSQL 호환
|
BigQuery SQL 또는 표준 SQL
|
|
머신러닝 기본 제공 여부
|
아니오
|
예
|
위 표와 같이 BigQuery는 완전 관리형으로 리소스를 프로비저닝할 필요가 없고
필수 리소스를 관리하고 적절하게 자동으로 확장하며 통합 쿼리를 지원하는 것이 장점이다.
또한, BigQuery는 머신 러닝을 기본적으로 지원하는데
BigQuery 데이터 세트 여러 개를 모델 학습 및 예측에 사용할 수 있음
Cloud Monitoring
AWS, Google 모두 자체 플랫폼의 통합 모니터링 서비스를 제공한다.
Amazon Cloud Watch는 AWS 계정과 지역 별로 측정 항목을 지정하며
측정 항목은 AWS 계정으로 구분된 후 지역별로 구분된다.
Cloud Monitoring은 작업 공간에 추가 된 모든 Google Cloud 프로젝트의 측정 항목이 포함되며
작업 공간과 프로젝트의 조합에 따라 구분되고
Cloud Monitoring 계정 내에서 측정 항목을 집계할 수 있다.
측정항목 데이터 유형의 경우 Cloud Monitoring은 여러 개의 측정 항목과 값 유형을 제공하지만
Amazon Cloudwatch는 통계 집합을 취한다는 점이 다르다