GSP1053

Ringkasan

Bigtable adalah layanan database NoSQL yang skalabel dan terkelola sepenuhnya dari Google. Bigtable cocok untuk menyimpan data dalam jumlah besar di penyimpanan nilai kunci dan untuk kasus penggunaan seperti personalisasi, teknologi iklan, teknologi finansial, media digital, dan Internet of Things (IoT). Bigtable mendukung throughput baca dan tulis yang tinggi pada latensi rendah untuk akses cepat ke data dalam jumlah besar untuk pemrosesan dan analisis.

Di Bigtable, setiap baris merepresentasikan satu entitas (seperti pengguna individu atau sensor) dan diberi label dengan row key unik. Setiap kolom menyimpan nilai atribut untuk setiap baris, dan grup kolom dapat digunakan untuk mengatur kolom terkait. Di persimpangan baris dan kolom, terdapat beberapa sel, dengan setiap sel mewakili versi data yang berbeda pada stempel waktu tertentu.

Di lab ini, Anda akan menggunakan halaman Bigtable di Konsol Google Cloud untuk menjelajahi instance Bigtable dan Bigtable CLI (cbt CLI) untuk mengkueri data di tabel Bigtable. Anda juga akan mendesain skema tabel dan row key menggunakan praktik terbaik untuk Bigtable.

Yang akan Anda lakukan

Di lab ini, Anda akan mempelajari cara mengakses instance Bigtable dan mengkueri skema Bigtable.

• Menjelajahi instance Bigtable menggunakan Konsol Google Cloud.
• Konfigurasi CLI cbt untuk instance Anda.
• Mendesain skema dan row key yang sesuai menggunakan praktik terbaik Bigtable.
• Membuat kueri data dalam Bigtable.

Prasyarat

• Anda harus memiliki pemahaman dasar tentang konsep dan istilah database seperti instance, skema, dan kunci.

Penyiapan dan persyaratan

Sebelum mengklik tombol Start Lab

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer yang dimulai saat Anda mengklik Start Lab akan menampilkan durasi ketersediaan resource Google Cloud untuk Anda.

Lab interaktif ini dapat Anda gunakan untuk melakukan aktivitas lab di lingkungan cloud sungguhan, bukan di lingkungan demo atau simulasi. Untuk mengakses lab ini, Anda akan diberi kredensial baru yang bersifat sementara dan dapat digunakan untuk login serta mengakses Google Cloud selama durasi lab.

Untuk menyelesaikan lab ini, Anda memerlukan:

• Akses ke browser internet standar (disarankan browser Chrome).

Catatan: Gunakan jendela Samaran (direkomendasikan) atau browser pribadi untuk menjalankan lab ini. Hal ini akan mencegah konflik antara akun pribadi Anda dan akun siswa yang dapat menyebabkan tagihan ekstra pada akun pribadi Anda.

• Waktu untuk menyelesaikan lab. Ingat, setelah dimulai, lab tidak dapat dijeda.

Catatan: Hanya gunakan akun siswa untuk lab ini. Jika Anda menggunakan akun Google Cloud yang berbeda, Anda mungkin akan dikenai tagihan ke akun tersebut.

Cara memulai lab dan login ke Google Cloud Console

1. Klik tombol Start Lab. Jika Anda perlu membayar lab, dialog akan terbuka untuk memilih metode pembayaran. Di sebelah kiri ada panel Lab Details yang berisi hal-hal berikut:

   • Tombol Open Google Cloud console
   • Waktu tersisa
   • Kredensial sementara yang harus Anda gunakan untuk lab ini
   • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini

2. Klik Open Google Cloud console (atau klik kanan dan pilih Open Link in Incognito Window jika Anda menjalankan browser Chrome).

   Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Sign in.

   Tips: Atur tab di jendela terpisah secara berdampingan.

   Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.

3. Jika perlu, salin Username di bawah dan tempel ke dialog Sign in.

   {{{user_0.username | "Username"}}}

   Anda juga dapat menemukan Username di panel Lab Details.

4. Klik Next.

5. Salin Password di bawah dan tempel ke dialog Welcome.

   {{{user_0.password | "Password"}}}

   Anda juga dapat menemukan Password di panel Lab Details.

6. Klik Next.

   Penting: Anda harus menggunakan kredensial yang diberikan lab. Jangan menggunakan kredensial akun Google Cloud Anda. Catatan: Menggunakan akun Google Cloud sendiri untuk lab ini dapat dikenai biaya tambahan.

7. Klik halaman berikutnya:

   • Setujui persyaratan dan ketentuan.
   • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
   • Jangan mendaftar uji coba gratis.

Setelah beberapa saat, Konsol Google Cloud akan terbuka di tab ini.

Catatan: Untuk mengakses produk dan layanan Google Cloud, klik Navigation menu atau ketik nama layanan atau produk di kolom Search.

Mengaktifkan Cloud Shell

Cloud Shell adalah mesin virtual yang dilengkapi dengan berbagai alat pengembangan. Mesin virtual ini menawarkan direktori beranda persisten berkapasitas 5 GB dan berjalan di Google Cloud. Cloud Shell menyediakan akses command-line untuk resource Google Cloud Anda.

1. Klik Activate Cloud Shell di bagian atas Konsol Google Cloud.

2. Klik jendela berikut:

   • Lanjutkan melalui jendela informasi Cloud Shell.
   • Beri otorisasi ke Cloud Shell untuk menggunakan kredensial Anda guna melakukan panggilan Google Cloud API.

Setelah terhubung, Anda sudah diautentikasi, dan project ditetapkan ke Project_ID, . Output berisi baris yang mendeklarasikan Project_ID untuk sesi ini:

Project Cloud Platform Anda dalam sesi ini disetel ke {{{project_0.project_id | "PROJECT_ID"}}}

gcloud adalah alat command line untuk Google Cloud. Alat ini sudah terinstal di Cloud Shell dan mendukung pelengkapan command line.

3. (Opsional) Anda dapat menampilkan daftar nama akun yang aktif dengan perintah ini:

gcloud auth list

4. Klik Authorize.

Output:

ACTIVE: * ACCOUNT: {{{user_0.username | "ACCOUNT"}}} Untuk menetapkan akun aktif, jalankan: $ gcloud config set account `ACCOUNT`

5. (Opsional) Anda dapat menampilkan daftar ID project dengan perintah ini:

gcloud config list project

Output:

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} Catatan: Untuk mendapatkan dokumentasi gcloud yang lengkap di Google Cloud, baca panduan ringkasan gcloud CLI.

Tugas 1. Mempelajari instance Bigtable di Konsol

Untuk latihan lab ini, instance dan tabel Bigtable telah dibuat sebelumnya untuk Anda jelajahi. Dalam tugas ini, Anda akan mengakses instance Bigtable bernama personalized-sales di Konsol Google Cloud dan meninjau detail relevan tentang instance tersebut.

1. Di Konsol Google Cloud, pada Navigation menu (), di bagian Databases, klik Bigtable.

2. Dari daftar instance Bigtable, identifikasi ID instance bernama personalized-sales.

   Tinjau detail yang disediakan untuk Nodes, lalu jawab pertanyaan berikut.

3. Untuk membuka detail instance, klik ID instance bernama personalized-sales.

4. Klik Edit instance.

   Tinjau detail untuk instance, dan jawab pertanyaan berikut.

5. Untuk menutup halaman edit instance, klik Cancel.

6. Dari tabel ID cluster, pada baris personalized-sales-cluster1, klik ikon pensil Edit.

   Tinjau detail cluster, lalu jawab pertanyaan berikut.

7. Untuk menutup detail cluster, klik Cancel.

8. Di menu navigasi, di bagian Instance, klik Tables.

   Tinjau detail untuk tabel bernama UserSessions, lalu jawab pertanyaan berikut.

Setelah meninjau detail instance Bigtable, Anda dapat melanjutkan ke tugas berikutnya untuk terhubung ke instance menggunakan CLI cbt.

Tugas 2. Mengonfigurasi Bigtable CLI

Untuk terhubung ke Bigtable menggunakan perintah CLI cbt, Anda harus terlebih dahulu mengupdate file konfigurasi .cbtrc dengan project ID dan ID instance Bigtable Anda menggunakan Cloud Shell.

Untuk meninjau cara mengakses Cloud Shell, lihat bagian Penyiapan dan persyaratan di awal panduan lab ini.

Meskipun CLI cbt ditujukan terutama untuk proses debug dan eksplorasi, alat ini berguna untuk mempelajari dasar-dasar Bigtable. Untuk menyelesaikan operasi CRUD (Create, Read, Update, Delete) dalam produksi, sebaiknya gunakan salah satu library klien untuk Bigtable.

1. Untuk memodifikasi file .cbtrc dengan project ID, jalankan perintah berikut di Cloud Shell:

echo project = `gcloud config get-value project` \ >> ~/.cbtrc

2. Untuk melihat daftar instance Bigtable yang tersedia di project, jalankan perintah berikut:

cbt listinstances

Output mengonfirmasi bahwa ada satu instance bernama personalized-sales.

3. Untuk mengubah file .cbtrc dengan ID instance Bigtable, jalankan perintah berikut:

echo instance = personalized-sales \ >> ~/.cbtrc

4. Untuk memverifikasi bahwa Anda telah berhasil memodifikasi file .cbtrc dengan project ID dan instance ID, jalankan perintah berikut:

cat ~/.cbtrc

Output akan terlihat seperti berikut:

project = <project-id> instance = personalized-sales

5. Untuk melihat daftar tabel yang tersedia di instance Bigtable bernama personalized-sales, jalankan perintah berikut:

cbt ls

Output mengonfirmasi bahwa instance sudah berisi satu tabel bernama UserSessions. Anda akan menggunakan tabel ini di tugas selanjutnya.

Tugas 3. Mendesain skema dan row key di Bigtable

Dalam tugas ini, Anda akan membuat tabel pengujian untuk mempelajari prinsip desain skema dan row key di Bigtable.

Meninjau data mentah untuk membantu mendesain skema

Untuk mendesain skema dan row key di Bigtable, sebaiknya jawab terlebih dahulu pertanyaan penting tentang data yang akan disimpan.

Pertanyaan	Tujuan
Apa yang direpresentasikan oleh setiap baris? (misalnya, pengguna individu atau sensor)	Untuk mengidentifikasi struktur baris
Apa kueri yang paling umum untuk data ini?	Untuk membuat row key
Nilai apa yang dikumpulkan untuk setiap baris?	Untuk mengidentifikasi kolom (disebut sebagai penentu kolom)
Apakah ada kolom terkait yang dapat dikelompokkan atau diatur bersama?	Untuk mengidentifikasi grup kolom

Misalnya, pertimbangkan set data yang menangkap sesi belanja online untuk semua pengguna situs perusahaan e-commerce. Setiap baris mewakili sesi belanja online individu dengan stempel waktu. Kueri yang paling umum ke set data akan mengambil detail tentang sesi individual dan ID pengguna terkait. Nilai yang disimpan untuk setiap sesi belanja adalah semua item yang berinteraksi dengan pengguna dan dibeli selama sesi tersebut, serta preferensi warna untuk pengguna.

Data mentah dapat diatur sebagai berikut, dengan lebih banyak kolom untuk produk tambahan (seperti blue_jacket atau purple_bag):

timestamp	user_id	preferred_color	red_skirt	red_hat	orange_shoes	sale
1638940844260	1939	green		seen	seen
1638940844260	2466	blue	seen	seen
1638940844260	1679	blue		seen		blue_blouse#blue_jacket
1638940844260	2737	blue			seen	blue_dress#blue_jacket
1638940844260	582	kuning				yellow_skirt

Catatan: ID pengguna yang diberikan dalam contoh ini dimaksudkan sebagai contoh sederhana dari sebuah ID. Dalam penerapan Bigtable yang umum, Anda kemungkinan akan membuat ID unik universal (UUID) untuk setiap pengguna.

Membuat tabel pengujian

Praktik terbaik untuk Bigtable adalah menyimpan data dengan skema serupa dalam tabel yang sama, bukan dalam tabel terpisah. Misalnya, semua data untuk sesi belanja online dapat disimpan dalam satu tabel agar mudah diambil.

• Untuk membuat tabel kosong bernama test-sessions, jalankan perintah berikut:

cbt createtable test-sessions

Membuat grup kolom

Di Bigtable, praktik terbaik untuk kolom dan grup kolom meliputi:

• Menggunakan penentu kolom sebagai data, sehingga Anda tidak perlu mengulang nilai untuk setiap baris.

• Mengatur kolom terkait dalam grup kolom yang sama.

• Memilih nama yang singkat tetapi bermakna untuk grup kolom Anda.

Untuk set data ini, penentu kolom yang menyimpan interaksi produk dapat dikelompokkan ke dalam satu grup kolom bernama Interactions, sedangkan penentu kolom yang menyimpan pembelian dapat diatur sendiri ke dalam grup kolom lain bernama Sales. Skema yang dihasilkan akan diatur sebagai berikut:

...	...	...	Interactions	---	---	Sales
timestamp	user_id	preferred_color	red_skirt	red_hat	orange_shoes	sale
1638940844260	1939	green		seen	seen
1638940844260	2466	blue	seen	seen
1638940844260	1679	blue		seen		blue_blouse#blue_jacket
1638940844260	2737	blue			seen	blue_dress#blue_jacket
1638940844260	582	kuning				yellow_skirt

1. Untuk menambahkan grup kolom bernama Interactions ke tabel test_sessions, jalankan perintah berikut:

cbt createfamily test-sessions Interactions

2. Untuk menambahkan grup kolom lain bernama Sales, ulangi perintah sebelumnya dan tentukan nama kelompok kolom baru:

cbt createfamily test-sessions Sales

3. Untuk melihat daftar grup kolom di tabel test_sessions, jalankan perintah berikut:

cbt ls test-sessions

Perintah akan menampilkan output berikut:

Family Name GC Policy ----------- --------- Interactions <never> Sales <never>

Klik Periksa progres saya untuk memverifikasi tujuan. Membuat tabel Bigtable.

Membuat row key

Di Bigtable, praktik terbaiknya adalah menyimpan semua informasi untuk satu entity (seperti sesi belanja online individu) dalam satu baris. Praktik terbaik terkait adalah membuat row key yang memungkinkan Anda mengkueri dan mengambil rentang baris yang ditentukan dengan mudah.

Untuk menerapkan praktik terbaik untuk row key di Bigtable, sebaiknya Anda:

• Merancang row key Anda berdasarkan kueri yang akan Anda gunakan untuk mengambil data.

• Menghindari row key yang dimulai dengan stempel waktu atau ID numerik berurutan atau yang menyebabkan data terkait tidak dikelompokkan.

• Merancang row key yang dimulai dengan nilai yang lebih umum (seperti negara) dan diakhiri dengan nilai yang lebih terperinci (seperti kota).

• Menyimpan beberapa nilai yang dibatasi dalam setiap row key menggunakan nilai string yang dapat dibaca manusia (seperti ID pengguna yang diikuti stempel waktu).

Di bagian sebelumnya, timestamp, user_id, dan preferred_color tidak diatur dalam grup kolom. Ingatlah dari pertanyaan tentang data mentah bahwa sebagian besar kueri ke set data ini akan mengambil detail tentang sesi individual dan ID pengguna terkait.

Untuk mendukung kueri ini, row key yang baik untuk tabel ini adalah kombinasi ID pengguna dan stempel waktu sesi. Selain itu, row key dapat menyertakan awalan untuk melabeli preferensi warna untuk setiap pengguna, seperti green1939#1638940844260 untuk ID pengguna 1939, agar memudahkan pengambilan semua pengguna dengan preferensi warna tertentu.

...	Interactions	---	---	Sales
row_key	red_skirt	red_hat	orange_shoes	sale
green1939#1638940844260		seen	seen
blue2466#1638940844260	seen	seen
blue1679#1638940844260		seen		blue_blouse#blue_jacket
blue2737#1638940844260			seen	blue_dress#blue_jacket
yellow582#1638940844260				yellow_skirt

1. Untuk menggunakan row key guna menambahkan data ke grup kolom Interactions, jalankan perintah berikut:

cbt set test-sessions green1939#1638940844260 Interactions:red_hat=seen

2. Untuk menggunakan row key guna menambahkan data ke grup kolom Sales, jalankan perintah berikut:

cbt set test-sessions blue2737#1638940844260 Sales:sale=blue_dress#blue_jacket

3. Untuk melihat data yang disimpan dalam tabel, jalankan perintah berikut:

cbt read test-sessions

Perhatikan bahwa meskipun data untuk blue2737#1638940844260 ditambahkan di urutan kedua, data tersebut diurutkan lebih tinggi dalam hasil daripada green1939#1638940844260. Kumpulan data ditampilkan dalam urutan ini karena di Bigtable, baris diurutkan dan disimpan secara leksikografis berdasarkan row key. Urutan ini mirip dengan urutan abjad; namun, baris yang dimulai dengan angka tidak akan diurutkan dari yang terkecil hingga terbesar (seperti 1, 13, 2, 25, 6, dan 70).

Membersihkan data pengujian

• Untuk menghapus tabel pengujian, jalankan perintah berikut:

cbt deletetable test-sessions

Klik Periksa progres saya untuk memverifikasi tujuan. Menghapus tabel Bigtable.

Tugas 4. Membuat kueri data di Bigtable

Dalam tugas ini, Anda akan menggunakan CLI cbt untuk mengambil data dari versi tabel pengujian yang telah dibuat sebelumnya dan terisi penuh (tabel yang ada bernama UserSessions) serta memeriksa bagaimana tabel tersebut menerapkan praktik terbaik untuk mendesain skema dan row key di Bigtable.

Mengkueri baris dengan batas

Pada langkah ini, Anda akan meninjau bagaimana tabel UserSessions mengikuti praktik terbaik Bigtable dengan menyimpan semua interaksi pengguna dengan produk dan pembelian produk dalam satu tabel yang berisi satu baris untuk setiap sesi belanja online.

• Untuk melihat data lima baris pertama tabel, jalankan perintah berikut:

cbt read UserSessions \ count=5

Outputnya disusun sebagai berikut:

---------------------------------------------- ROW KEY COLUMN_FAMILY:COLUMN_QUALIFIER @ TIMESTAMP VALUE COLUMN_FAMILY:COLUMN_QUALIFIER @ TIMESTAMP VALUE ... ---------------------------------------------- ROW KEY COLUMN_FAMILY:COLUMN_QUALIFIER @ TIMESTAMP VALUE COLUMN_FAMILY:COLUMN_QUALIFIER @ TIMESTAMP VALUE ...

Nilai output akan terlihat seperti berikut:

---------------------------------------------- blue0#1638940844350 Interactions:blue_hat @ 2022/06/08-19:47:33.864000 "viewed details" Interactions:green_jacket @ 2022/06/08-19:47:33.864000 "seen" ... ---------------------------------------------- blue1#1638940844304 Interactions:blue_dress @ 2022/06/08-19:47:33.864000 "purchased" Sales:sale @ 2022/06/08-19:47:33.864000 "blue_dress"

Setiap baris berisi beberapa interaksi produk untuk satu pengguna (seperti blue_hat dan green_jacket), termasuk apakah pengguna telah melihat, melihat detail, atau membeli produk tersebut. Selain itu, pembelian dicatat dalam tabel di kualifikasi kolom penjualan dalam grup kolom Penjualan.

Daripada membuat satu tabel untuk setiap jenis interaksi, produk, atau penjualan, UserSessions mengikuti praktik terbaik dengan memuat semua interaksi dan produk pengguna terkait dalam satu tabel. Selain itu, semua interaksi dan pembelian produk untuk setiap sesi belanja online disimpan sebagai satu baris dalam tabel.

Mengkueri berdasarkan row key

Kueri yang paling efisien di Bigtable mengambil data menggunakan salah satu hal berikut:

• row key
• awalan row key
• rentang baris yang ditentukan oleh row key awal dan akhir

Pada langkah berikutnya, Anda akan menggunakan setiap opsi di CLI cbt untuk mengkueri tabel UserSessions dan mengambil kumpulan data yang diinginkan.

Informasi tentang penggunaan library klien Bigtable untuk membaca satu baris data menggunakan row key tersedia dalam dokumentasi Bigtable.

Mengkueri berdasarkan awalan row key

• Untuk melihat sepuluh baris pertama dengan preferensi warna yellow, jalankan perintah berikut:

cbt read UserSessions \ prefix=yellow \ count=10

Nilai output akan terlihat seperti berikut:

---------------------------------------------- yellow991#1638940844645 Interactions:green_skirt @ 2022/06/08-19:47:33.864000 "seen" Sales:sale @ 2022/06/08-19:47:33.864000 "yellow_skirt"

Mengkueri berdasarkan rentang row key tertentu

• Untuk melihat semua baris dalam rentang row key tertentu, jalankan perintah berikut:

cbt read UserSessions \ start=yellow941#1638940844381 \ end=yellow991#1638940844645

Nilai output akan terlihat seperti berikut:

---------------------------------------------- yellow991#1638940844603 Interactions:blue_blouse @ 2022/06/08-19:47:33.864000 "seen" Sales:sale @ 2022/06/08-19:47:33.864000 "yellow_jacket#yellow_blouse"

Perintah read memulai rentang dengan kunci baris yang disediakan sebagai nilai start dan mengakhiri rentang before row key yang disediakan sebagai nilai end. Oleh karena itu, row key yellow991#1638940844645 tidak ditampilkan dalam output.

Membuat kueri berdasarkan row key tertentu

• Untuk melihat semua data untuk row key tertentu, jalankan perintah berikut:

cbt lookup UserSessions \ yellow582#1638940844260

Nilai output akan terlihat seperti berikut:

---------------------------------------------- yellow582#1638940844260 Interactions:blue_jacket @ 2022/06/08-19:47:33.864000 "seen" Sales:sale @ 2022/06/08-19:47:33.864000 "yellow_skirt"

Mengkueri berdasarkan kualifikasi kolom dan grup kolom

Pada langkah berikutnya, Anda akan mengambil data yang difilter berdasarkan kualifikasi kolom dan grup kolom untuk melihat bagaimana praktik terbaik kolom diimplementasikan dalam tabel UserSessions.

1. Untuk mengkueri lima baris pertama yang memiliki data di grup kolom Interactions, jalankan perintah berikut:

cbt read UserSessions count=5 \ columns="Interactions:.*"

Nilai output akan terlihat seperti berikut:

---------------------------------------------- blue0#1638940844501 Interactions:blue_blouse @ 2022/06/08-19:47:33.864000 "viewed details" Interactions:green_jacket @ 2022/06/08-19:47:33.864000 "seen"

2. Untuk mengkueri lima baris pertama yang memiliki data di penentu kolom green_jacket dalam grup kolom Interactions, jalankan perintah berikut:

cbt read UserSessions count=5 \ columns="Interactions:green_jacket"

Nilai output akan terlihat seperti berikut:

---------------------------------------- blue1009#1638940844380 Interactions:green_jacket @ 2022/06/08-21:30:08.683000 "seen" ---------------------------------------- blue101#1638940844263 Interactions:green_jacket @ 2022/06/08-21:30:08.683000 "seen"

3. Untuk mengkueri lima baris pertama yang memiliki data di penentu kolom sale dalam grup kolom Sales, jalankan perintah berikut:

cbt read UserSessions count=5 \ columns="Sales:sale"

Nilai output akan terlihat seperti berikut:

---------------------------------------- blue0#1638940844379 Sales:sale @ 2022/06/08-19:47:33.864000 "blue_shoes#blue_shoes" ---------------------------------------------- blue1#1638940844409 Sales:sale @ 2022/06/08-19:47:33.864000 "blue_blouse"

Karena grup kolom bernama Sales hanya memiliki satu penentu kolom (sale), nilai "Sales:sale" dan "Sales:.*" untuk columns akan menampilkan kolom yang sama.

Selamat!

Di lab ini, Anda telah menggunakan Konsol Google Cloud untuk menjelajahi instance Bigtable dan Cloud Bigtable CLI (CLI cbt) untuk mengkueri data dalam tabel Bigtable. Anda juga telah mendesain skema tabel dan row key menggunakan praktik terbaik untuk Bigtable.

Langkah berikutnya/Pelajari lebih lanjut

• Lihat lab yang berjudul Membuat dan Mengisi Instance Bigtable.

Sertifikasi dan pelatihan Google Cloud

...membantu Anda mengoptimalkan teknologi Google Cloud. Kelas kami mencakup keterampilan teknis dan praktik terbaik untuk membantu Anda memahami dengan cepat dan melanjutkan proses pembelajaran. Kami menawarkan pelatihan tingkat dasar hingga lanjutan dengan opsi on demand, live, dan virtual untuk menyesuaikan dengan jadwal Anda yang sibuk. Sertifikasi membantu Anda memvalidasi dan membuktikan keterampilan serta keahlian Anda dalam teknologi Google Cloud.

Panduan Terakhir Diperbarui pada 30 Mei 2024

Lab Terakhir Diuji pada 16 Februari 2023

Hak cipta 2025 Google LLC. Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.