跳至主要内容
文档
技术领域
close
AI 和机器学习
应用开发
应用托管
计算
数据分析和流水线
数据库
分布式云、混合云和多云
生成式 AI
行业解决方案
网络
可观测性和监控
安全
Storage
跨产品工具
close
访问权限和资源管理
费用和用量管理
Google Cloud SDK、语言、框架和工具
基础架构即代码
迁移
相关网站
close
Google Cloud 首页
免费试用和免费层级
架构中心
博客
联系销售团队
Google Cloud 开发者中心
Google 开发者中心
Google Cloud Marketplace
Google Cloud Marketplace 文档
Google Cloud Skills Boost
Google Cloud Solution Center
Google Cloud 支持团队
Google Cloud Tech YouTube 频道
/
English
Deutsch
Español
Español – América Latina
Français
Indonesia
Italiano
Português
Português – Brasil
中文 – 简体
中文 – 繁體
日本語
한국어
控制台
登录
Cloud Architecture Center
联系我们
免费开始使用吧
文档
技术领域
更多
跨产品工具
更多
相关网站
更多
控制台
联系我们
免费开始使用吧
< Architecture Center 首页
新变化
基础知识
内容概览
Well-Architected Framework
概览
新变化
卓越运营
概览
借助 CloudOps 确保运营就绪状态和性能达标
管理突发事件和问题
管理并优化云资源
将变更流程自动化,同时进行管控
持续改进和创新
在一个页面中查看
安全性、隐私权和合规性
概览
践行“设计即安全”理念
落地零信任架构
实现提前确保安全性
构建预防性网络防御体系
安全且负责任地使用 AI
将 AI 用于安全领域
满足监管、合规性和隐私权需求
共担责任和命运
在一个页面中查看
可靠性
概览
根据用户体验目标定义可靠性
设定切合实际的可靠性目标
通过冗余构建高可用性
利用横向可伸缩性优势
利用可观测性检测潜在故障
从设计上支持优雅降级
开展故障恢复测试
开展数据丢失恢复测试
进行全面的事后剖析
在一个页面中查看
费用优化
概览
让支出与业务价值相匹配
培养成本意识文化
优化资源使用情况
持续优化
在一个页面中查看
性能优化
概览
规划资源分配
利用弹性优势
推行模块化设计
持续监控并提升性能
在一个页面中查看
可持续
AI 和机器学习视角
概览
卓越运营
安全
可靠性
费用优化
性能优化
在一个页面中查看
FSI 视角
概览
卓越运营
安全
可靠性
费用优化
性能优化
在一个页面中查看
在一个页面中查看
部署原型
概览
可用区级
区域
多区域
全局
Hybrid
多云
比较分析
后续步骤
参考架构
Compute Engine 上的单可用区部署
Compute Engine 上的区域级部署
Compute Engine 上的多区域部署
在 Compute Engine 和 Spanner 上进行全球部署
着陆区设计
着陆区概览
确定身份初始配置
确定资源层次结构
网络设计
确定网络设计
实现网络设计
确定安全性
企业基础蓝图
概览
架构
身份验证与授权
组织结构
网络
检测控制措施
预防性控制
部署方法
操作最佳实践
部署蓝图
AI 和机器学习
内容概览
生成式 AI
生成式 AI 文档摘要
Generative AI RAG with Cloud SQL
生成式 AI 知识库
使用 Agentspace 和 Vertex AI 的 RAG 基础设施
使用 Vertex AI 和 Vector Search 的 RAG 基础设施
使用 Vertex AI 和 AlloyDB 的 RAG 基础设施
使用 GKE 和 Cloud SQL 的 RAG 基础设施
使用 Vertex AI 和 Spanner Graph 的 GraphRAG 基础设施
利用生成式 AI 进行利用率管理
模型训练
在 Google Cloud 上实现机器学习的最佳做法
Google Cloud 上的跨孤岛和跨设备联邦学习
利用 Google Cloud 和 Labelbox 开发模型并为数据添加标签
MLOps
MLOps:机器学习中的持续交付和自动化流水线
部署和运行生成式 AI 应用
部署企业 AI 和机器学习模型
用于数据分析和 AI 的机密计算
使用 TensorFlow Extended、Vertex AI Pipelines 和 Cloud Build 的 MLOps
有关高质量预测式机器学习解决方案的指南
AI 和机器学习应用
使用 Dataflow 和 Cloud Vision API 构建机器学习视觉分析解决方案
参考架构
部署架构
为 Google Cloud 中的 AI 和机器学习工作负载设计存储
执行适用于支持 RAG 的应用的 CI/CD 流水线
通过大规模候选集生成实现双塔检索
使用 Cloud Storage FUSE 优化 AI 和机器学习工作负载
使用 Managed Lustre 优化 AI 和机器学习工作负载
使用 Vertex AI Pipelines 在 Google Cloud 上进行倾向建模
第三方产品集成
Google Cloud 上的 C3 AI 架构
应用开发
内容概览
开发方法和样式
构建可扩缩且弹性佳的应用时应遵循的模式
开发平台管理
部署企业开发者平台
概览
架构
开发者平台控制
服务架构
日志记录和监控
运营
费用和归因
部署方法
Cymbal Bank 示例
映射 BeyondProd 原则
部署蓝图
在 GKE 上运行费用经过优化的 Kubernetes 应用的最佳实践
通过 GKE Gateway 公开服务网格应用
参考架构
部署架构
使用 GKE Gateway 和 Cloud Service Mesh 构建分布全球的应用
参考架构
部署架构
Google Cloud 上身份和访问权限治理的模式和做法
使用 ServiceNow 管理资源
选择托管式容器运行时环境
DevOps 和开发生命周期
架构决策记录概览
使用部署流水线开发和交付应用
参考架构
部署架构
DevOps 研究和评估 (DORA) 功能
应用架构
GKE 和 Cloud SQL 上的 Apache Guacamole
参考架构
部署架构
在 Compute Engine 上使用 Chrome 远程桌面
针对 Linux 进行设置