谷歌云（GCP）比亚马逊云（AWS）有哪些优势？

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！

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：niceseo99@gmail.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。