Google Compute Engine
Google Compute Engine（GCE） は、Google Cloud Platform（GCP）が提供するInfrastructure as a Service (IaaS) です。Googleが自社の検索エンジンやGmail、YouTubeなどを動かしているのと同じ、堅牢でグローバルなインフラ上で、仮想マシン（VM） を作成し、実行できるサービスです。
簡単に言うと、まるで自分の手元に高性能なコンピュータがあるかのように、インターネット経由で必要な時に、必要なスペックの仮想コンピュータを借りて使えるサービスです。これにより、サーバーの購入、設置、メンテナンスといった物理的な手間から解放され、アプリケーションの開発や運用に集中できます。
Compute Engine の主な特徴
- 仮想マシン (VM) インスタンス: 仮想CPU (vCPU)、メモリ、ストレージ、オペレーティングシステム (OS) などを自由に組み合わせて、用途に合わせたVMを作成できます。LinuxやWindows Serverなど、多様なOSイメージが提供されています。
- 高いスケーラビリティ: アクセスの増加や処理量の変化に合わせて、VMの台数を自動的に増やしたり減らしたりできます（オートスケーリング）。これにより、急なトラフィック増加にも柔軟に対応し、コストを最適化できます。
- グローバルなインフラ: 世界中のGoogleデータセンターにVMをデプロイできるため、ユーザーに近い場所にサービスを展開することで、レイテンシ（遅延）を最小限に抑えられます。
- 柔軟なマシンタイプ:
- 汎用 (General-purpose): Webサーバーやアプリケーションサーバーなど、バランスの取れた性能が必要な一般的なワークロード向け。
- コンピューティング最適化 (Compute-optimized): 高いCPU性能が必要なHPC（高性能計算）やバッチ処理向け。
- メモリ最適化 (Memory-optimized): 大量のメモリを必要とするインメモリデータベースやデータ分析向け。
- アクセラレータ最適化 (Accelerator-optimized): GPU（グラフィックス処理ユニット）やTPU（テンソル処理ユニット）が必要な機械学習やAI処理向け。
- カスタムマシンタイプ: 既存のマシンタイプでは満たせない、特定のvCPUとメモリの組み合わせを細かく設定できます。
- 汎用 (General-purpose): Webサーバーやアプリケーションサーバーなど、バランスの取れた性能が必要な一般的なワークロード向け。
- 多様なストレージオプション:
- 永続ディスク (Persistent Disk): VMとは独立してデータを保存できるブロックストレージ。VMを停止してもデータは保持されます。HDDとSSDタイプがあります。
- ローカルSSD (Local SSD): VMに物理的に接続された高速なSSD。非常に高いI/O性能を提供しますが、VMを停止するとデータは失われます。
- Hyperdisk: Compute Engineで利用できる最速の永続ストレージ。高いパフォーマンスと柔軟な設定が可能です。
- 永続ディスク (Persistent Disk): VMとは独立してデータを保存できるブロックストレージ。VMを停止してもデータは保持されます。HDDとSSDタイプがあります。
- 料金体系: 利用したリソース（vCPU、メモリ、ストレージなど）に応じて料金が発生する従量課金制です。
- 継続利用割引 (Sustained Use Discounts): VMを長時間稼働させると自動的に割引が適用されます。
- 確約利用割引 (Committed Use Discounts: CUDs): 1年または3年の利用を事前に確約することで、大幅な割引を受けられます。
- スポットVM (Spot VMs): 余剰のCompute Engineリソースを安価に利用できますが、Googleの都合によりVMが中断される可能性があります。バッチ処理や開発/テスト環境など、中断されても問題ないワークロードに適しています。
- 継続利用割引 (Sustained Use Discounts): VMを長時間稼働させると自動的に割引が適用されます。
Compute Engine の主な活用例 🚀
- WebサイトやWebアプリケーションのホスティング: トラフィックの変動に対応しながら、安定したサービス提供が可能です。
- データベースサーバー: 高性能なVMを利用して、リレーショナルデータベースやNoSQLデータベースを構築・運用できます。
- 大規模データ処理・分析: 大量のデータを処理するための計算リソースとして利用されます。ETLプロセスの一部としても活用されます。
- 機械学習・AI開発: GPUやTPUを搭載したVMを利用して、AIモデルの学習や推論を行います。
- 開発・テスト環境: 必要な時にVMを立ち上げ、テストが終われば削除することで、コストを抑えながら開発を進められます。
- 高パフォーマンスコンピューティング (HPC): 科学技術計算やシミュレーションなど、膨大な計算能力を必要とするワークロードに利用されます。
- バッチ処理: 定期的に実行される大量のデータ処理や計算処理に利用されます。