El documento presenta diversas herramientas y servicios ofrecidos por Google Cloud Platform relacionados con Python, incluyendo Compute Engine, App Engine, Container Engine, Cloud Storage, y más. Se detallan características como la automatización de instancias, contenedores Docker, y la gestión de bases de datos. Además, se menciona la facilidad de uso de estas herramientas para el desarrollo, y se proporcionan enlaces para obtener más información.

1. Google Cloud
Platform y
Python
Carlos Toxtli

2. Presentación
Maestro en Innovación Empresarial y
Tecnológica
15 años de experiencia
Experto en TI

4. Compute Engine
Compute Engine es una plataforma que nos
permite montar servidores dedicados en una
máquina virtual con una IP solo para nosotros.
Los servidores pueden ser montados en Linux
o en Windows. Soportan las tecnologías que
queramos instalar y nos conectamos por SSH
a ellos.

5. Compute Engine - Python
Existen 2 formas en que python funciona.
Una es instalando y corriendo aplicaciones
expuestas a través de los puertos.
La segunda es usándola para automatizar el
monitoreo y creación de instancias de compute
engine.
Veamos un ejemplo

6. Compute Engine - Python
Ejemplo de como borrar una instancia
programáticamente

7. Compute Engine - URLs
https://cloud.google.com/compute/docs/tutorials
/python-guide

8. App Engine
Nos permite crear proyectos sobre un servidor
de aplicaciones. Este servidor está hospedado
y controlado por Google, nosotros solo
subimos nuestro código en python, java, PHP y
Go. Así como los principales frameworks como
por ejemplo Django.

9. App Engine y Python
Creamos el archivo de recursos y el código y lo
subimos a través de la herramienta.

10. App Engine - URLs
https://cloud.google.com/appengine/docs/pytho
n/gettingstartedpython27/helloworld

11. Container Engine
Nos permite montar contenedores de Docker.
Se puede empaquetar una aplicación y sus
dependencias en un contenedor virtual que se
puede ejecutar en cualquier servidor Linux.
Esto ayuda a permitir la flexibilidad y
portabilidad. Se les conoce también como
“maquinas virtuales ligeras” que corren sobre el
mismo sistema operativo.

12. Container Engine
Existen 2 formas de usar Python aquí.
Una corriendose dentro de un container de
Docker y desplegándose bajo las
configuraciones de sistema operativo deseado.
La otra forma de usarlo es para automatizar los
contenedores de forma automática, veamos un
ejemplo.

13. Container Engine - Python

14. Container Engine - URLs
https://cloud.google.com/container-
engine/docs/getting-started?hl=en
https://developers.google.com/api-client-
library/python/apis/container/v1

15. Cloud Storage
Es almacenamiento de datos, esta plataforma
es usada porque muchas veces tenemos gran
volúmen de datos y si lo almacenamos en
instancias, por su tamaño estarían “en discos
separados”. Es por eso que nace este servicio,
que es muy veloz y no importa que tanta
información haya, no se fragmenta en varias
unidades.

16. Cloud Storage - Python

17. Cloud Storage - URLs
https://cloud.google.com/storage/docs/gspytho
nlibrary?hl=en

18. Es el concepto de almacenamiento frío de
Google. El almacenamiento frío es el que se
realiza de datos que una empresa u
organización no puede perder, pero no se usan
muy seguido. Esa información histórica que es
mucha es mejor guardarla aquí porque es más
barato y es casi ilimitado el espacio.
Nearline

19. Los servicios de DRA (el intermedio entre
Standard y Nearline) y Nearline se usan desde
la misma librería de Google Storage. La librería
gcsannex de python lo hace de una manera
muy sencilla para los 3 servicios (Standard,
DRA y Nearline)
Nearline - Python

20. https://pypi.python.org/pypi/gcsannex/
Nearline - URLs

21. Cloud SQL
Es una instancia de MySQL en la nube
dedicada para ti. Cabe aclarar que de verdad
es un servidor completo solo corriendo MySQL
para ti, es por ello que cuando lo das de alta te
pide sobre que tipo de instancia deseas
ejecutarlo. Cuenta con acceso remoto para
conectarte desde aplicaciones externas.

22. Cloud SQL - Python
Python

23. Cloud SQL - Python
Django

24. Cloud SQL - URLs
https://cloud.google.com/appengine/docs/pytho
n/cloud-sql/
https://cloud.google.com/appengine/docs/pytho
n/cloud-sql/django?hl=en

25. DataStore
Es una base de datos no relacional basada en
NoSQL. Es muy facil de usar y muy veloz, está
administrada por las instancias de Google y se
adapta a lenguajes donde con estructuras de
arreglos asociativos se guarden datos a modo
de objetos.

26. DataStore - Python

27. DataStore
https://cloud.google.com/appengine/docs/pytho
n/datastore/

28. Los nombres no mienten, es una tabla
multidimensional con muchas columnas y muy
muy grande. Es lo que Google ha usado por
muchos años internamente para sistemas que
deban dar respuestas inmediatas. Es no
relacional con almacenamiento de datos
distribuido y de replicas multidimensionales.
BigTable

29. BigTable

30. https://github.com/GoogleCloudPlatform/cloud-
bigtable-examples
BigTable

31. Cloud Networking
Esta herramienta cuenta de varias interfaces,
tanto las que sirven para dministrar los DNS,
las que controlan el balanceo de la carga, las
que controlan los certificados SSL, la
interconexion entre servidores internos, la
interconexión con el carrier. Basicamente todas
las opciones de ser se conjuntan aquí.

32. Cloud Networking

33. Cloud Networking - URLs
https://developers.google.com/api-client-
library/python/apis/dns/v1?hl=en

34. Permite realizar almacenamiento y consulta de
conjuntos de datos masivos con billones de
filas. Su uso es sencillo y permite a los
desarrolladores y analistas de negocio estudiar
bases de datos (casi) en tiempo real. Realiza
consultas del tipo SQL sobre conjuntos de
datos que contienen terabytes de información
en unos pocos segundos.
BigQuery

35. BigQuery

36. https://cloud.google.com/bigquery/bigquery-api-
quickstart?hl=en
BigQuery - URLs

37. DataFlow
Diseñada para crear flujos en los cuales se
ejecuten secuencias en batch mientras pasa la
información entre sistemas de BigData.
Usando un SDK de forma sencilla se pueden
crear pre procesos o post procesos en el canal
y no en los extremos.

38. DataFlow - Python
Se está creando
el SDK para
Python 3 mientras
tanto se puede
usar el de Java

39. https://cloud.google.com/dataflow/getting-
started-eclipse
DataFlow

40. Pub/Sub
Sistema de mensajería “muchos a muchos”
asíncrono. Plataformas basadas en
arquitecturas orientadas a servicios necesitan
que los módulos se interconectan internamente
y los sistemas de mensajería con alta demanda
requieren una infraestructura robusta como la
que ofrece Google.

41. Pub/Sub - Python

42. Pub/Sub
https://cloud.google.com/pubsub/configure

43. Translate API
Algunas APIs como la de traductor se
encuentran como parte de Google Cloud
Platform, existe suficiente documentación y
librerías para usarla ya que tiene más tiempo
de existir, solo ahora se anexa a la plataforma.
Traduce textos de un idioma a otro.

44. Translate API

45. https://cloud.google.com/translate/docs
Translate API

46. Prediction API
Herramienta muy poderosa que permite
predecir tendencias a través de datos,
mediante un proceso de entrenamiento detecta
patrones. Una herramienta comúnmente usada
en sistemas de Machine Learning.

47. Prediction API

48. Prediction API
https://cloud.google.com/prediction/docs/develo
per-guide#predictionfromappengine

49. Cloud Endpoints
Crear un servicio RESTful ahora es muy
sencillo con Cloud Endpoints ya que
proporciona la autenticación por OAuth2, los
tokens, las llaves y clientes compatibles para
iOS, Android y Javascript entre otros. La
solución ideal para exponer un App Engine con
servicios REST.

50. Cloud Endpoints

51. Cloud Endpoints
https://github.com/GoogleCloudPlatform/appen
gine-endpoints-helloendpoints-python

52. Cloud Monitoring
Obten los indicadores de desempeño de tus
servidores y elabora reportes con los datos de
uso de los mismos.

53. Cloud Monitoring

54. Cloud Monitoring
https://developers.google.com/api-client-
library/python/apis/cloudmonitoring/v2beta2?hl
=en

55. Cloud Deployment Manager
Para los casos en los que queramos replicar
una serie de servicios configurados a nuestro
agrado, podemos automatizarlo para que se
replique un ambiente similar

56. Cloud Deployment Manager

57. Cloud Deployment Manager
https://cloud.google.com/deployment-
manager/quickstart-guide

58. Cloud Logging
Nos permite escribir registros de actividades de
las aplicaciones que tengamos corriendo en
App Engine o Compute Engine, ayuda a
centralizar todo en un mismo repositorio de
Logs.

59. Cloud Logging

60. Cloud Logging
https://cloud.google.com/logging/docs/api/

61. Conclusión
Los servicios de Google Cloud Platform están
pensados en dar una solución robusta a
proyectos que pueden escalar. Python es la
base de varias tecnologías de Google y es por
ello que existen ya librerías para automatizar
prácticamente todos los servicios disponibles
en esta plataforma.

62. Descarga la presentación
La presentación la subiré a mis redes sociales
http://google.com/+CarlosToxtli
http://facebook.com/carlos.toxtli