What’s new 10/06/2019

News 1 : Google cloud CDN
Google Cloud cloud CDN est un service de cache de données mondial. Il permet au cloud de
Google d’être réactif partout dans le monde et même dans des pays qui n’ont pas de Datacenter
Google. Google pour rappel possède son propre réseau pour faire communiquer ses datacenters
entre eux. Le Cloud CDN est un service simple à utiliser c’est juste une case à cocher dans son load
balancer et vous l’aurez compris il ne fonctionne qu’avec le load balancer de Google. Comme
l’illustre la carte Google a investi massivement pour avoir un réseau mondial.
Plus d’informations en anglais ici
News 2 : SnowFlake dans GCP
Google annonce l’arrivée de SnowFlake en tant que service managé pour la fin de l’année en beta
et en service final pour début de 2020. SnowFlake pour ceux qui ne connaîtraient pas est une base
de données distribuée pour faire du big data. C’est un des leaders du marché sur cette technologie
avec Google BigQuery, Amazon redshift et tous les acteurs HADOOP/Hive.

L’annonce en anglais ici
News 2 : Google achète la société looker

Google a acheté la société Looker pour 2,6 Milliards de dollars. Cette société est éditrice d’un
logiciel de restitution de la données sous forme de tableaux, graphes et autres objets. Il a la
particularité d’être nativement compatible avec les produits Google comme BigQuery et intègre une
couche sémantique (un peu comme BO et ses univers) entre le requêteur et la source de données.

Commentaires

Enregistrer un commentaire

Posts les plus consultés de ce blog

Datalake comparaison - 10 Conclusion

Franchement nous avions d’énormes à priori avant de commencer ce comparatif et honnêtement le résultat nous surprend nous même. Toutes les solutions analysées présentent des intérêts et aucune ne peut prétendre être la solution ultime, c’est d’ailleurs celle qui veut tout faire à la fois qui pour nous est la moins intéressante. Nous ne pouvons que saluer les efforts d’innovations que les différents éditeurs ont trouvées et nous les remercions de proposer des outils qui permettent de traiter nos chères données. En effet nous parlons toujours comme si LA donnée était une seule entité et devait se traiter de la même manière mais c’est faux il y a plusieurs types de données : les chaudes qui sont consommées immédiatement, les froides qu’on ne va voir qu’une fois de temps en temps, il y a aussi des données qui servent à tirer des tendances, il y a des données qui servent à savoir ce qu’il s’est passé pour trouver une cause au problème, il y a des données confidentielles, il y a d...
Lire la suite

Load Balancer

Image
Le load balancer est un composant majeur dans Google Cloud platform , Il participe comme son nom l’indique à router les utilisateurs sur une ressource disponible. Il participe également à la bonne santé du système complet car son premier rôle est de servir de point d’entrée ce qui simplifie grandement la vie des utilisateurs et des développeurs. C’est un aiguilleur qui dirige les utilisateurs vers la bonne ressource. C’est un organe essentiel  d’une solution cloud. De plus lors d’un changement de logiciel ou de mise à niveau cela évite aux utilisateurs de devoir changer leurs raccourcis et leurs habitudes. Il permet donc de faire des déploiements sans rupture de service. Après le déploiement, les utilisateurs ne changent rien à leurs habitudes et le load balancer envoie toutes leurs demandent à la nouvelle application et un lien direct peut être mis en place pour certains utilisateurs qui ont encore besoin de se connecter à l’ancienne application. ...
Lire la suite

Data loss prevention API

Image
Les entreprises traitent de plus en plus leur données automatiquement. Plusieurs profils peuvent être amenés à “jouer” avec leurs données : data scientists internes, data scientists externes ou entreprises spécialisées dans ce domaine. Par faute de temps ou par manque d’outil les données fournies ne sont pas toujours pré traitées et sont souvent envoyées telles quelles, or cela a deux inconvénients : le premier (que tout le monde avait trouvé) transmettre des informations importantes inutiles et donc augmenter le risque de fuite d’information, Le deuxième c’est qu’une donnée trop riche nuit à son traitement. Je donne un exemple pour un ordinateur un numéro de téléphone est une suite de 4 numéros et s’ils ne sont pas contextualisé il prendra cela pour 4 numéros de 2 chiffres. Dans certains cas il est préférable de remplacer ces 4 séries de chiffres par un libellé comme NumTéléphone pour faire comprendre à l’algorithme que c’est l’information de la présence de numéro...
Lire la suite