GSP1050
總覽
Spanner 是 Google 全代管、可水平擴充的關聯式資料庫服務。金融服務、遊戲、零售業和許多其他產業的客戶都信任 Spanner,會使用這項服務執行最嚴苛的工作負載,確保大規模作業的一致性和可用性。
在本實驗室,您將回顧 Spanner 的結構定義相關功能,並將這些功能套用至銀行作業資料庫。另外,您也將回顧 Spanner 建立查詢計畫的方法和規則。
學習內容
在本實驗室,您將瞭解如何修改 Spanner 執行個體的結構定義相關屬性。
- 將資料載入資料表
- 使用預先定義的 Python 用戶端程式庫程式碼載入資料
- 以用戶端程式庫查詢資料
- 更新資料庫結構定義
- 新增次要索引
- 檢查查詢計畫
設定和需求
瞭解以下事項後,再點選「Start Lab」按鈕
請詳閱以下操作說明。實驗室活動會計時,且中途無法暫停。點選「Start Lab」後就會開始計時,顯示可使用 Google Cloud 資源的時間。
您將在真正的雲端環境完成實作實驗室活動,而不是模擬或示範環境。為此,我們會提供新的暫時憑證,供您在實驗室活動期間登入及存取 Google Cloud。
為了順利完成這個實驗室,請先確認:
- 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。
注意事項:請使用無痕模式 (建議選項) 或私密瀏覽視窗執行此實驗室,這可以防止個人帳戶和學員帳戶之間的衝突,避免個人帳戶產生額外費用。
- 是時候完成實驗室活動了!別忘了,活動一旦開始將無法暫停。
注意事項:務必使用實驗室專用的學員帳戶。如果使用其他 Google Cloud 帳戶,可能會產生額外費用。
如何開始實驗室及登入 Google Cloud 控制台
-
按一下「Start Lab」按鈕。如果實驗室會產生費用,請在開啟的對話方塊中選取付款方式。右側的「Lab setup and access」面板會顯示下列項目:
- 「Open Google Cloud console」按鈕
- 此實驗室所需的臨時憑證 (使用者名稱和密碼)
- 完成此實驗室所需的其他資訊 (如有)
請注意,實驗室計時器位於頁面頂端附近,會顯示剩餘時間。
-
按一下「Open Google Cloud console」。如果使用 Chrome 瀏覽器,也可以按一下滑鼠右鍵,選取「在無痕視窗中開啟連結」。
接著,實驗室會啟動相關資源,並開啟另一個分頁,顯示「登入」頁面。
提示:您可以在不同的視窗並排開啟分頁。
注意:頁面顯示「選擇帳戶」對話方塊時,請點選「使用其他帳戶」。
-
如有必要,請將下方的 Username 貼到「登入」對話方塊。
{{{user_0.username | "Username"}}}
您也可以在「Lab setup and access」面板找到「Username」。
-
點選「下一步」。
-
複製下方的 Password,並貼到「歡迎使用」對話方塊。
{{{user_0.password | "Password"}}}
您也可以在「Lab setup and access」面板找到「Password」。
-
點選「下一步」。
重要事項:請務必使用實驗室提供的憑證,而非自己的 Google Cloud 帳戶憑證。
注意:如果使用自己的 Google Cloud 帳戶來進行這個實驗室,可能會產生額外費用。
-
繼續點按後續頁面:
- 接受條款及細則。
- 由於這是臨時帳戶,請勿新增救援選項或雙重驗證機制。
- 請勿申請免費試用。
Google Cloud 控制台稍後會在這個分頁開啟。
注意:如要使用 Google Cloud 產品和服務,請按一下「導覽選單」,或在「搜尋」欄位輸入服務或產品名稱。
啟動 Cloud Shell
Cloud Shell 是搭載多項開發工具的虛擬機器,提供永久的 5 GB 主目錄,而且在 Google Cloud 中運作。Cloud Shell 提供指令列存取權,方便您使用 Google Cloud 資源。
-
點按 Google Cloud 控制台頂端的「啟用 Cloud Shell」圖示
。
-
系統顯示視窗時,請按照下列步驟操作:
- 繼續操作 Cloud Shell 視窗。
- 授權 Cloud Shell 使用您的憑證發出 Google Cloud API 呼叫。
連線建立完成即代表已通過驗證,而且專案已設為您的 Project_ID:。輸出內容中有一行文字,宣告本工作階段的 Project_ID:
Your Cloud Platform project in this session is set to {{{project_0.project_id | "PROJECT_ID"}}}
gcloud 是 Google Cloud 的指令列工具,已預先安裝於 Cloud Shell,並支援 Tab 鍵自動完成功能。
- (選用) 您可以執行下列指令來列出使用中的帳戶:
gcloud auth list
- 點按「授權」。
輸出內容:
ACTIVE: *
ACCOUNT: {{{user_0.username | "ACCOUNT"}}}
To set the active account, run:
$ gcloud config set account `ACCOUNT`
- (選用) 您可以使用下列指令來列出專案 ID:
gcloud config list project
輸出內容:
[core]
project = {{{project_0.project_id | "PROJECT_ID"}}}
注意:如需 gcloud 的完整說明,請前往 Google Cloud 參閱 gcloud CLI 總覽指南。
Spanner 執行個體
為了方便您更快完成本實驗室,系統已自動為您建立 Spanner 執行個體、資料庫和資料表。
以下列出詳細資料供您參考:
| 項目 |
名稱 |
詳細資料 |
| Spanner 執行個體 |
banking-ops-instance |
這是專案層級執行個體 |
| Spanner 資料庫 |
banking-ops-db |
這是執行個體專屬資料庫 |
| 資料表 |
Portfolio |
包含頂層銀行服務 |
| 資料表 |
Category |
包含第二層銀行服務分組 |
| 資料表 |
Product |
包含具體銀行服務明細項目 |
| 資料表 |
Campaigns |
包含行銷計畫的詳細資料 |
工作 1:將資料載入資料表
banking-ops-db 資料庫已建立,但資料表為空白。請按照下列步驟,將資料載入 Portfolio、Category 和 Product 這三個資料表。
-
開啟 Cloud 控制台導覽選單
,然後依序點選「資料庫」>「Spanner」。
-
執行個體名稱為 banking-ops-instance,點選該名稱即可探索資料庫。
-
相關資料庫名稱為 banking-ops-db。點選該名稱,然後向下捲動至「資料表」,即可看到已建立的四份資料表。
-
點選控制台左窗格中的「Spanner Studio」,接著按一下「+ New SQL Editor Tab」,開啟新的 SQL 編輯器。
-
新的 SQL 編輯器會隨即開啟。貼上以下 INSERT 陳述式做為單一區塊,載入 Portfolio 資料表。Spanner 將接連執行各個陳述式。點選「Run」來執行陳述式:
INSERT INTO Portfolio (PortfolioId, Name, ShortName, PortfolioInfo)
VALUES
(1, 'Banking', 'Bnkg', 'All Banking Business'),
(2, 'Asset Growth', 'AsstGrwth', 'All Asset Focused Products'),
(3, 'Insurance', 'Ins', 'All Insurance Focused Products');
-
「Results」窗格會顯示每個陳述式的狀態。綠色勾號表示陳述式已順利完成。Portfolio 資料表現在會有三列資料。
-
點選頁面頂端的「Clear」。
-
貼上以下 INSERT 陳述式,載入 Category 資料表,接著點選「Run」:
INSERT INTO Category (CategoryId, PortfolioId, CategoryName)
VALUES
(1, 1, 'Cash'),
(2, 2, 'Investments - Short Return'),
(3, 2, 'Annuities'),
(4, 3, 'Life Insurance');
-
「Results」窗格會顯示 INSERT 作業的狀態。綠色勾號表示陳述式已順利完成。Category 資料表現在會有四列資料。
-
點選頁面頂端的「Clear」。
-
貼上以下 INSERT 陳述式,載入 Product 資料表,然後點選「Run」:
INSERT INTO Product (ProductId, CategoryId, PortfolioId, ProductName, ProductAssetCode, ProductClass)
VALUES
(1, 1, 1, 'Checking Account', 'ChkAcct', 'Banking LOB'),
(2, 2, 2, 'Mutual Fund Consumer Goods', 'MFundCG', 'Investment LOB'),
(3, 3, 2, 'Annuity Early Retirement', 'AnnuFixed', 'Investment LOB'),
(4, 4, 3, 'Term Life Insurance', 'TermLife', 'Insurance LOB'),
(5, 1, 1, 'Savings Account', 'SavAcct', 'Banking LOB'),
(6, 1, 1, 'Personal Loan', 'PersLn', 'Banking LOB'),
(7, 1, 1, 'Auto Loan', 'AutLn', 'Banking LOB'),
(8, 4, 3, 'Permanent Life Insurance', 'PermLife', 'Insurance LOB'),
(9, 2, 2, 'US Savings Bonds', 'USSavBond', 'Investment LOB');
-
「Results」窗格會顯示 INSERT 作業的狀態。綠色勾號表示陳述式已順利完成。Product 資料表現在會有九列資料。
-
點選「Check my progress」確認目標已達成。
將資料載入 Portfolio、Category 和 Product 資料表
工作 2:使用預先建構的 Python 用戶端程式庫程式碼載入資料
您將使用以 Python 編寫的用戶端程式庫,完成接下來的幾個步驟。
- 開啟 Cloud Shell 並貼上以下指令,即可建立並更改為新目錄,存放所需檔案。
mkdir python-helper
cd python-helper
- 接著下載兩個檔案。其中一個會用於設定環境,另一個則是實驗室程式碼。
wget https://storage.googleapis.com/cloud-training/OCBL373/requirements.txt
wget https://storage.googleapis.com/cloud-training/OCBL373/snippets.py
- 建立獨立的 Python 環境,並安裝 Spanner 用戶端依附元件。
pip install -r requirements.txt
pip install setuptools
-
snippets.py 檔案包含多個 Spanner DDL、DML 和 DCL 函式,您將在本實驗室用做輔助程式碼。使用 insert_data 引數執行 snippets.py,將資料載入 Campaigns 資料表。
python snippets.py banking-ops-instance --database-id banking-ops-db insert_data
- 點選「Check my progress」確認目標已達成。
將資料載入 Campaigns 資料表
工作 3:以用戶端程式庫查詢資料
snippets.py 中的 query_data() 函式可用來查詢資料庫。在這個步驟,您將使用這個函式確認資料已載入 Campaigns 資料表。您不需要修改程式碼,這裡顯示的函式僅供參考。
def query_data(instance_id, database_id):
"""Queries sample data from the database using SQL."""
spanner_client = spanner.Client()
instance = spanner_client.instance(instance_id)
database = instance.database(database_id)
with database.snapshot() as snapshot:
results = snapshot.execute_sql(
"""
SELECT
CampaignId,
PortfolioId,
CampaignStartDate,
CampaignEndDate,
CampaignName,
CampaignBudget
FROM Campaigns
"""
)
for row in results:
print(
"CampaignId: {}, PortfolioId: {}, CampaignStartDate: {}, "
"CampaignEndDate: {}, CampaignName: {}, CampaignBudget: {}".format(*row)
)
- 使用 query_data 引數執行 snippets.py,以便查詢 Campaigns 資料表。
python snippets.py banking-ops-instance --database-id banking-ops-db query_data
結果應大致如下:
CampaignId: 1, PortfolioId: 1, CampaignStartDate: 2026-07-23, CampaignEndDate: 2026-07-23, CampaignName: New Account Reward, CampaignBudget: 15000
CampaignId: 2, PortfolioId: 2, CampaignStartDate: 2026-07-23, CampaignEndDate: 2026-07-23, CampaignName: Intro to Investments, CampaignBudget: 5000
CampaignId: 3, PortfolioId: 2, CampaignStartDate: 2026-07-23, CampaignEndDate: 2026-07-23, CampaignName: Youth Checking Accounts, CampaignBudget: 25000
CampaignId: 4, PortfolioId: 3, CampaignStartDate: 2026-07-23, CampaignEndDate: 2026-07-23, CampaignName: Protect Your Family, CampaignBudget: 10000
工作 4:更新資料庫結構定義
身為資料庫管理員,您須負責在 Category 資料表新增 MarketingBudget 的資料欄。不過,您須更新資料庫結構定義,才能在現有資料表新增資料欄。Spanner 可支援更新資料庫結構定義,同時讓資料庫持續處理流量。結構定義更新作業不需要讓資料庫離線,也不會鎖定整個資料表或資料欄;您可以在結構定義更新期間,持續讀取資料並寫入資料庫。
使用 Python 新增資料欄
您將透過 Database 類別的 update_ddl() 方法修改結構定義。
使用 snippets.py 中的 add_column() 函式,即可運用該方法。您不需要修改程式碼,這裡顯示的函式僅供參考。
def add_column(instance_id, database_id):
"""Adds a new column to the Category table."""
spanner_client = spanner.Client()
instance = spanner_client.instance(instance_id)
database = instance.database(database_id)
operation = database.update_ddl(
[
"ALTER TABLE Category ADD COLUMN MarketingBudget INT64"
]
)
print("Waiting for operation to complete...")
operation.result(OPERATION_TIMEOUT_SECONDS)
print("Added the MarketingBudget column.")
- 使用 add_column 引數執行 snippets.py。
python snippets.py banking-ops-instance --database-id banking-ops-db add_column
- 點選「Check my progress」確認目標已達成。
在 Category 資料表新增資料欄
您還能透過以下其他方法,在現有資料表中新增資料欄:
透過 gcloud CLI 發出 DDL 指令。
注意:這裡舉例示範的方法為備用選項,請勿發出這個指令。
下方的程式碼範例會完成您剛才透過 Python 執行的工作。
Spanner databases ddl update banking-ops-db --instance=banking-ops-instance --ddl='ALTER TABLE Category ADD COLUMN MarketingBudget INT64;'
在 Cloud 控制台發出 DDL 指令。
注意:這裡舉例示範的方法為備用選項,請勿執行這項操作。
- 在資料庫清單點選資料表名稱。
- 點選頁面右上角的「Write DDL」。
- 將適當的 DDL 貼入「DDL 範本」方塊。
- 點選「提交」。

將資料寫入新資料欄
以下程式碼會將資料寫入新資料欄,在 CategoryId 和 PortfolioId 皆為 1 的資料列,以及 CategoryId 為 3 且 PortfolioId 為 2 的資料列,將 MarketingBudget 分別設為 100000、500000。您不會變更任何程式碼,以下顯示該區段供您參考。
def update_data(instance_id, database_id):
"""Updates sample data in the database.
This updates the `MarketingBudget` column, which must be created before
running this sample. You can add the column by running the `add_column`
sample or by running this DDL statement against your database.
"""
spanner_client = spanner.Client()
instance = spanner_client.instance(instance_id)
database = instance.database(database_id)
with database.batch() as batch:
batch.update(
table="Category",
columns=("CategoryId", "PortfolioId", "MarketingBudget"),
values=[
(1, 1, 100000),
(3, 2, 500000),
],
)
print("Updated data.")
- 使用 update_data 引數執行 snippets.py。
python snippets.py banking-ops-instance --database-id banking-ops-db update_data
- 再次查詢資料表,即可查看更新內容。請使用 query_data_with_new_column 引數執行 snippets.py。
python snippets.py banking-ops-instance --database-id banking-ops-db query_data_with_new_column
結果應為:
CategoryId: 1, PortfolioId: 1, MarketingBudget: 100000
CategoryId: 2, PortfolioId: 2, MarketingBudget: None
CategoryId: 3, PortfolioId: 2, MarketingBudget: 500000
CategoryId: 4, PortfolioId: 3, MarketingBudget: None
工作 5:新增次要索引
假設您要擷取 CategoryNames 值在特定範圍內的所有 Categories 資料列,您可以先使用 SQL 陳述式或讀取呼叫,來讀取 CategoryName 資料欄的所有值,然後捨棄條件不符的資料列。不過,掃描完整資料表的費用高昂,資料表內含大量資料列時更是如此。因此您可以改為在資料表建立次要索引,這樣將非主鍵資料欄做為搜尋條件時,就能加快資料列的擷取速度。
您必須先更新結構定義,才能在現有資料表新增次要索引。如同其他結構定義更新作業,Spanner 可支援新增索引,同時讓資料庫持續處理流量。Spanner 的具體做法是將資料填入索引,也稱為「補充作業」。補充作業可能需要幾分鐘才能完成,在這個過程中,您不需將資料庫設為離線,可照常執行特定資料表或資料欄的寫入作業。
使用 Python 用戶端程式庫,新增次要索引
使用 add_index() 方法建立次要索引。您不會變更任何程式碼,以下顯示該區段供您參考。
def add_index(instance_id, database_id):
"""Adds a secondary index to the Category table."""
spanner_client = spanner.Client()
instance = spanner_client.instance(instance_id)
database = instance.database(database_id)
operation = database.update_ddl(
[
"CREATE INDEX CategoryByCategoryName "
"ON Category(CategoryName)"
]
)
print("Waiting for operation to complete...")
operation.result(OPERATION_TIMEOUT_SECONDS)
print("Added the CategoryByCategoryName index.")
- 使用 add_index 引數執行 snippets.py。
python snippets.py banking-ops-instance --database-id banking-ops-db add_index
- 點選「Check my progress」確認目標已達成。
在 Category 資料表新增次要索引
使用索引讀取資料
叫用 read() 方法的變化版本並加入索引,即可使用索引讀取資料。您不會變更任何程式碼,以下顯示該區段供您參考。
def read_data_with_index(instance_id, database_id):
"""Reads sample data from the database using an index."""
spanner_client = spanner.Client()
instance = spanner_client.instance(instance_id)
database = instance.database(database_id)
with database.snapshot() as snapshot:
keyset = spanner.KeySet(all_=True)
results = snapshot.read(
table="Category",
columns=("CategoryId", "CategoryName"),
keyset=keyset,
index="CategoryByCategoryName",
)
for row in results:
print("CategoryId: {}, CategoryName: {}".format(*row))
- 使用 read_data_with_index 引數執行 snippets.py。
python snippets.py banking-ops-instance --database-id banking-ops-db read_data_with_index
結果看起來大致如下:
CategoryId: 3, CategoryName: Annuities
CategoryId: 1, CategoryName: Cash
CategoryId: 2, CategoryName: Investments - Short Return
CategoryId: 4, CategoryName: Life Insurance
使用 STORING 子句新增索引
您也許已經注意到,上述的讀取範例並未包含讀取 MarketingBudget 資料欄。這是因為 Spanner 的讀取介面不支援透過 join 索引與資料表,再查詢未儲存於索引中的值。
如要略過這項限制,請建立 CategoryByCategoryName 索引的替代定義,將 MarketingBudget 的副本儲存於索引中。
使用 Database 類別的 update_ddl() 方法,即可透過 STORING 子句新增索引。您不會變更任何程式碼,以下顯示該區段供您參考。
def add_storing_index(instance_id, database_id):
"""Adds a storing index to the example database."""
spanner_client = spanner.Client()
instance = spanner_client.instance(instance_id)
database = instance.database(database_id)
operation = database.update_ddl(
[
"CREATE INDEX CategoryByCategoryName2 ON Category(CategoryName)"
"STORING (MarketingBudget)"
]
)
print("Waiting for operation to complete...")
operation.result(OPERATION_TIMEOUT_SECONDS)
print("Added the CategoryByCategoryName2 index.")
- 使用 add_storing_index 引數執行 snippets.py。
python snippets.py banking-ops-instance --database-id banking-ops-db add_storing_index
現在您可以執行讀取作業,使用 CategoryByCategoryName2 索引擷取 CategoryId、CategoryName 和 MarketingBudget 資料欄。您不會變更任何程式碼,以下顯示該區段供您參考。
def read_data_with_storing_index(instance_id, database_id):
"""Reads sample data using an index with a storing clause."""
spanner_client = spanner.Client()
instance = spanner_client.instance(instance_id)
database = instance.database(database_id)
with database.snapshot() as snapshot:
keyset = spanner.KeySet(all_=True)
results = snapshot.read(
table="Category",
columns=("CategoryId", "CategoryName", "MarketingBudget"),
keyset=keyset,
index="CategoryByCategoryName2",
)
for row in results:
print(
"CategoryId: {}, CategoryName: {}, MarketingBudget: {}".format(
*row
)
)
- 使用 read_data_with_storing_index 引數執行 snippets.py。
python snippets.py banking-ops-instance --database-id banking-ops-db read_data_with_storing_index
結果應為:
CategoryNameId: 3, CategoryName: Annuities, MarketingBudget: 500000
CategoryNameId: 1, CategoryName: Cash, MarketingBudget: 100000
CategoryNameId: 2, CategoryName: Investments - Short Return, MarketingBudget: None
CategoryNameId: 4, CategoryName: Life Insurance, MarketingBudget: None
工作 6:檢查查詢計畫
在本節中,您將瞭解 Spanner 查詢計畫。
- 返回 Google Cloud 控制台。Spanner Studio 應仍處於開啟狀態。清除編輯器中的現有 SQL,貼上下列查詢,然後點選「Run」。
SELECT Name, ShortName, CategoryName
FROM Portfolio
INNER JOIN Category
ON Portfolio.PortfolioId = Category.PortfolioId;
- 結果看起來大致如下:

查詢的生命週期
Spanner 中的 SQL 查詢會先編譯成執行計畫,再傳送到初始根伺服器來執行。系統會選擇能以最少躍點到達查詢資料的根伺服器。然後,根伺服器會:
- 啟動子計畫的遠端執行作業 (如有必要)
- 等待遠端執行的結果。
- 完成任何剩餘的本機執行步驟,例如匯總結果
- 傳回查詢的結果
收到子計畫的遠端伺服器會做為其子計畫的「根」伺服器,按照頂層根伺服器的模式執行。結果會是遠端執行作業的樹狀結構。概念上,查詢流程是由上往下執行,查詢結果則是由下往上傳回。這個模式如下圖所示:

匯總查詢
現在來看匯總查詢的查詢計畫。
- 在 Spanner Studio,清除編輯器中的現有 SQL,貼上下列查詢,然後點選「Run」。
SELECT
pr.ProductId,
COUNT(*) AS ProductCount
FROM Product AS pr
WHERE pr.ProductId < 100
GROUP BY pr.ProductId;
- 查詢完成後,點選查詢主體下方的「Explanation」分頁標籤,即可深入瞭解查詢計畫。
Spanner 會將執行計畫傳送至協調執行查詢作業的根伺服器,然後執行子計畫的遠端分散作業。
這個執行計畫從序列化開始,也就是將所有傳回的值排序。接著,計畫會完成初始雜湊彙整運算子來計算初步結果,再執行分散式聯集,將子計畫分散至分割符合 ProductId < 100 的遠端伺服器。分散式聯集會將結果傳送至最後的雜湊匯總運算子。匯總運算子則會依 ProductId 執行 COUNT 匯總作業,然後將結果傳回 serialize result 運算子。最後會執行掃描,將要傳回的結果排序。
結果看起來大致如下:

提示:如要進一步瞭解查詢計畫的各個步驟,只要點選任一運算子即可。畫面右側的資訊會隨之改變。

co-located join 查詢
交錯式資料表和相關資料表的資料列會儲存在同一位置。交錯式資料表之間的 join 稱為 co-located join,比需要索引的 join 或 back join 更具效能優勢。
- 在 Spanner Studio,清除編輯器中的現有 SQL,貼上下列查詢,然後點選「Run」。
SELECT
c.CategoryName,
pr.ProductName
FROM Category AS c, Product AS pr
WHERE c.PortfolioId = pr.PortfolioId
AND c.CategoryId = pr.CategoryId;
- 查詢完成後,點選查詢主體下方的「Explanation」分頁標籤,即可深入瞭解查詢計畫。
這項執行計畫從分散式聯集開始,將子計畫分散至具有 Category 資料表分割的遠端伺服器。由於 Product 是 Category 的交錯式資料表,每個遠端伺服器都能執行整個子計畫,無須與不同伺服器彙整。
子計畫包含 cross apply。每個 cross apply 都會掃描 Category 資料表,用以擷取 PortfolioId、CategoryId 和 CategoryName。然後,cross apply 會將資料表掃描輸出內容對應至 CategoryByCategoryName索引掃描輸出內容,並將篩選條件設為索引的 PortfolioId 與資料表掃描輸出內容的 PortfolioId 相符。每個 cross apply 都會將結果傳送至 serialize result 運算子,將 CategoryName 和 ProductName 資料序列化,再將結果傳回本機分散式聯集。分散式聯集匯總本機分散式聯集的結果後,會傳回這些結果做為查詢結果。

恭喜!
您現在已充分瞭解 Spanner 的結構定義相關功能,以及 Spanner 建立查詢計畫的方法。
Google Cloud 教育訓練與認證
協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法,讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程,並有隨選、線上和虛擬課程等選項,方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。
使用手冊上次更新日期:2026 年 7 月 23 日
實驗室上次測試日期:2026 年 7 月 23 日
Copyright 2026 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標,其他公司和產品名稱則有可能是其關聯公司的商標。