Google Cloud Digital Leader 基础课程
系统化的 Google Cloud Digital Leader 课程，覆盖云概念、基础设施、数据与机器学习、安全与运维，并配有练习题。
课程进度
0 / 5
返回课程
你将学到
- 解释云概念与数字化转型价值。
- 描述计算、存储和网络服务。
- 理解数据分析与机器学习用例。
- 说明安全、隐私与合规责任。
- 描述运维、成本管理与可持续性。
开始前准备
- 具备基础业务或技术认知会有帮助。
- 无需 Google Cloud 经验。
- 熟悉电子表格和报告会有帮助。
课程 1 云概念与数字化转型
Google Cloud Digital Leader 认证帮助业务人员理解 Google Cloud 产品如何创造价值。先掌握核心概念：云服务商通过互联网提供按需计算、存储和网络资源。Google Cloud 项目用于组织资源、权限和结算。区域是包含可用区的地区，可用区是区域内隔离的数据中心位置。可扩展性让系统按需求增减容量，可靠性让系统在故障时仍能运行。按需供应和按用量付费可以减少浪费并缩短采购周期。数字化转型是用技术改善业务流程、客户体验和创新。选择服务前要比较总拥有成本、理解工作负载并定义业务成果。例如，一家零售企业想缩短结账时间，可以先比较线上与本地系统的成本，再选择能随客流扩展的云服务。本课程配套 60 道原创练习题。
示例
示例：零售商在推出网店前比较自建服务器与可扩展云服务的总成本。课程 2 基础设施：计算、存储与网络
Google Cloud 基础设施提供灵活的计算、存储和网络选项。Compute Engine 提供完全控制的虚拟机；GKE 运行容器；Cloud Run 无服务器运行容器；Cloud Functions 处理事件驱动代码；App Engine 是托管应用平台。数据方面，Cloud Storage 存储对象，Cloud SQL 提供托管关系型数据库，Bigtable 和 Spanner 处理大规模数据库。网络基于 VPC 虚拟私有网络，Cloud CDN 缓存内容，Cloud VPN 建立加密隧道，Cloud Interconnect 提供专线。Anthos 支持混合云和多云环境。迁移策略包括直接迁移、平台改造和重构。例如，把容器化网站迁到 Cloud Run 可以降低运维成本，而需要完整控制的工作负载可继续使用 Compute Engine。
示例
示例：把容器化应用迁移到 Cloud Run 以省去服务器管理；需要高级编排时再使用 GKE。课程 3 数据、分析与机器学习
Google Cloud 提供存储、处理和分析数据的服务。BigQuery 是无服务器数据仓库，Looker 是商业智能平台，Pub/Sub 连接服务，Dataflow 处理流式与批式数据，Vertex AI 用于构建和部署机器学习模型。数据分为结构化与非结构化，数据治理定义质量、隐私和访问策略。机器学习模型从数据中学习模式并为新输入生成预测，常见用例包括客户流失预测、欺诈检测、库存预测和个性化推荐。例如，电商平台可以用 BigQuery 汇总订单数据，再用 Vertex AI 预测下月销量，从而提前补货。
示例
示例：用 BigQuery 汇总销售数据，再用 Vertex AI 预测每个产品下月的需求。课程 4 安全、隐私与合规
安全是客户与 Google Cloud 的共同责任。IAM 控制访问：主体是身份，角色是权限集合，策略把它们绑定。加密保护静态和传输中的数据，Cloud KMS 管理密钥。零信任要求验证每个请求，Cloud Armor 提供 DDoS 防护和 WAF，VPC Service Controls 建立安全边界。合规框架如 GDPR 和 HIPAA 定义隐私要求。例如，处理健康数据的公司需要加密存储、限制访问并保留审计日志，以满足 HIPAA 要求。
示例
示例：医疗公司加密患者数据、通过 IAM 限制访问并保留审计日志以满足 HIPAA 要求。课程 5 运维、成本与可持续性
良好的运维让云系统可靠、高效且在预算内。Cloud Monitoring 收集指标并发送告警，Cloud Logging 存储和查询日志。SLO 定义可靠性目标，仪表板展示系统健康。成本管理包括跟踪用量、设置预算和优化资源，预算提醒在支出超限前通知团队。资源层级依次为组织、文件夹、项目和资源。支持层级提供不同响应承诺。云可持续性要求设计高效系统、使用可再生能源并减少浪费。Runbook 记录可重复的操作步骤，事故是未计划的中断，事后复盘用于防止再次发生。例如，团队可以为生产系统设置 99.9% 的 SLO、月度预算提醒和故障复盘流程。