Ir al contenido principal
Áreas tecnológicas
close
IA y aprendizaje automático
Desarrollo de aplicaciones
Alojamiento de aplicaciones
Computación
Analíticas y flujos de datos
Bases de datos
Tecnologías distribuidas, híbridas y multinube
IA generativa
Soluciones por sector
Redes
Observabilidad y monitorización
Seguridad
Storage
Herramientas para varios productos
close
Gestión de accesos y recursos
Gestión de costes y uso
Infraestructura como código
Migración
SDK, lenguajes, frameworks y herramientas
/
Consola
English
Deutsch
Español
Español – América Latina
Français
Indonesia
Italiano
Português
Português – Brasil
עברית
中文 – 简体
中文 – 繁體
日本語
한국어
Acceder
Documentation
Cloud Architecture Center
Empezar gratis
Áreas tecnológicas
Más
Herramientas para varios productos
Más
Consola
< Página principal del Centro de arquitectura
Novedades
Aspectos básicos
Resumen del contenido
Well-Architected Framework
Introducción
Novedades
Pilares
Excelencia operativa
Introducción
Asegurar la preparación operativa y el rendimiento con CloudOps
Gestionar incidentes y problemas
Gestionar y optimizar recursos en la nube
Automatizar y gestionar los cambios
Mejorar e innovar continuamente
Ver en una página
Seguridad, privacidad y cumplimiento
Introducción
Implementar la seguridad desde el diseño
Implementar la confianza cero
Implementar la seguridad de forma temprana
Implementar una ciberdefensa preventiva
Usar la IA de forma segura y responsable
Usar la IA para la seguridad
Cumplir las normativas y las necesidades de cumplimiento y privacidad
Responsabilidad compartida y destino común
Ver en una página
Fiabilidad
Introducción
Definir la fiabilidad en función de los objetivos de experiencia de usuario
Fija objetivos realistas de fiabilidad
Crear alta disponibilidad mediante la redundancia
Aprovechar la escalabilidad horizontal
Detectar posibles fallos mediante la observabilidad
Diseñar para una degradación gradual
Realizar pruebas de recuperación tras fallos
Realizar pruebas de recuperación tras una pérdida de datos
Realizar análisis post mortem exhaustivos
Ver en una página
Optimización de costes
Introducción
Alinear el gasto con el valor empresarial
Fomentar una cultura de concienciación sobre los costes
Optimizar el uso de los recursos
Optimizar continuamente
Ver en una página
Optimización del rendimiento
Introducción
Planificar la asignación de recursos
Aprovechar la elasticidad
Promocionar el diseño modular
Monitorizar y mejorar el rendimiento de forma continua
Ver en una página
Sostenibilidad
Ver todos los pilares en una página
Perspectivas transversales
IA y aprendizaje automático
Introducción
Excelencia operativa
Seguridad
Fiabilidad
Optimización de costes
Optimización del rendimiento
Ver en una página
Sector de servicios financieros
Introducción
Excelencia operativa
Seguridad
Fiabilidad
Optimización de costes
Optimización del rendimiento
Ver en una página
Arquetipos de despliegue
Introducción
Por zonas
Por regiones
Multirregional
Global
Híbridos
Multinube
Análisis comparativo
Pasos siguientes
Arquitecturas de referencia
Despliegue de una sola zona en Compute Engine
Despliegue regional en Compute Engine
Despliegue multirregional en Compute Engine
Despliegue global en Compute Engine y Spanner
Diseño de la zona de destino
Descripción general de las zonas de aterrizaje
Decidir la incorporación de la identidad
Decidir la jerarquía de recursos
Diseño de redes
Elegir el diseño de la red
Implementar el diseño de la red
Decidir la seguridad
Plano de aspectos básicos de las empresas
Introducción
Arquitectura
Autenticación y autorización
Estructura de la organización
Redes
Controles de detección
Controles preventivos
Metodología de implementación
Prácticas recomendadas de operaciones
Desplegar el plano
IA y aprendizaje automático
Resumen del contenido
IA de agentes
Introducción
Elegir componentes de arquitectura de agente
Elegir un patrón de diseño de agente
Sistema de IA multiagente
Sistema de IA de un solo agente con ADK y Cloud Run
Casos prácticos
Administrar el aprendizaje interactivo
Automatizar flujos de trabajo de ciencia de datos
Orquestar el acceso a sistemas dispares
IA generativa
Introducción
IA generativa con RAG
Presentación
Conectividad privada para aplicaciones de IA generativa compatibles con RAG
Infraestructura de RAG con Gemini Enterprise y Vertex AI
Infraestructura RAG con Vertex AI y Vector Search
Infraestructura de RAG con Vertex AI y AlloyDB
Infraestructura de RAG con Vertex AI y Cloud SQL
Infraestructura de RAG con GKE y Cloud SQL
Infraestructura de GraphRAG con Vertex AI y Spanner Graph
Flujo de procesamiento de CI/CD de Harness para aplicaciones RAG
Desplegar un modelo de IA generativa y aprendizaje automático empresarial
Desplegar y operar aplicaciones de IA generativa
Casos prácticos
Automatizar la revisión de la utilización de las reclamaciones de seguros médicos
Crear una base de conocimientos
Generar campañas de marketing personalizadas
Generar recomendaciones de productos personalizadas
Generar pódcasts a partir de audio
Generar soluciones para las preguntas de asistencia al cliente
Resumir documentos bajo demanda
Aplicaciones y operaciones de aprendizaje automático
Introducción
Prácticas recomendadas para implementar el aprendizaje automático en Google Cloud
Directrices para crear soluciones de aprendizaje automático predictivas de alta calidad
MLOps con TensorFlow Extended, Vertex AI Pipelines y Cloud Build
MLOps: flujos de procesamiento de entrega continua y automatización en el aprendizaje automático
Crear una solución de analíticas de visión de aprendizaje automático con Dataflow y la API Cloud Vision
Computación confidencial para analíticas de datos e IA
Aprendizaje federado entre silos y entre dispositivos
Implementar la recuperación de dos torres con la generación de candidatos a gran escala
Desarrollo de modelos y etiquetado de datos con Labelbox
Usar Vertex AI Pipelines para la modelización de la propensión
Arquitectura de C3 AI
Infraestructura de IA y aprendizaje automático
Diseñar el almacenamiento para cargas de trabajo de IA y aprendizaje automático en Google Cloud
Optimizar las cargas de trabajo de IA y aprendizaje automático con Cloud Storage FUSE
Optimizar las cargas de trabajo de IA y aprendizaje automático con Managed Lustre
Desarrollo de aplicaciones
Resumen del contenido
Enfoques y estilos de desarrollo
Patrones para aplicaciones escalables y resilientes
Gestión de plataformas de desarrollo
Implementar una plataforma para desarrolladores empresariales
Introducción
Arquitectura
Controles de la plataforma para desarrolladores
Arquitectura de servicios
Logging y Monitoring
Operaciones
Costes y atribuciones
Metodología de implementación
Ejemplo de Cymbal Bank
Mapeo de los principios de BeyondProd
Desplegar el plano
Prácticas recomendadas para optimizar los costes de las aplicaciones de Kubernetes en GKE
Exponer aplicaciones de malla de servicios a través de GKE Gateway
Arquitectura de referencia
Implementar la arquitectura
Crear aplicaciones distribuidas a nivel mundial con GKE Gateway y Cloud Service Mesh
Arquitectura de referencia
Implementar la arquitectura
Patrones y prácticas para la gestión de identidades y accesos en Google Cloud
Gestión de recursos con ServiceNow
Seleccionar un entorno de ejecución de contenedor gestionado
DevOps y ciclo de vida del desarrollo
Información general sobre los registros de decisiones de arquitectura
Desarrollar y entregar aplicaciones con una canalización de implementación
Arquitectura de referencia
Implementar la arquitectura
Funciones de DevOps Research and Assessment (DORA)
Arquitecturas de aplicaciones
Apache Guacamole en GKE y Cloud SQL
Arquitectura de referencia
Implementar la arquitectura
Escritorio Remoto de Chrome en Compute Engine
Configuración para Linux
Configurar para Windows
Arquitecturas de dispositivos conectados en Google Cloud
Introducción
Broker de MQTT independiente
Producto de plataforma de IoT
Conexión de dispositivo a Pub/Sub con Google Cloud
Prácticas recomendadas para ejecutar un backend de IoT
Prácticas recomendadas para aprovisionar y configurar automáticamente sistemas y servidores perimetrales y bare metal
Plataforma de comercio electrónico con computación sin servidor
Gestionar y escalar la red de aplicaciones Windows que se ejecutan en Kubernetes gestionado
Arquitectura de referencia
Implementar la arquitectura
Aplicación web dinámica con Python y JavaScript
Usar una biblioteca de cliente del SDK de Cloud
Aplicación web de tres niveles
Alojamiento de sitios web
Big Data y analíticas
Resumen del contenido
Arquitecturas completas
Lakehouse de analíticas
Importar datos en un almacén de datos de BigQuery seguro
Mallas de datos en Google Cloud
Arquitectura y funciones de una malla de datos
Diseñar una plataforma de datos de autoservicio para una malla de datos
Crear productos de datos en una malla de datos
Descubrir y consumir productos de datos en una malla de datos
Plataforma de gestión y analíticas de datos empresariales
Almacén de datos con BigQuery
Automatización de copias de seguridad de BigQuery
Arquitectura de referencia
Implementar la arquitectura
Cargar y procesar datos
Replicación continua de datos en BigQuery con Striim
Analizar datos
Ciencia de datos con R: análisis de datos de exploración
Bases de datos
Resumen del contenido
Cargas de trabajo de Oracle
Presentación
Aplicación empresarial con Oracle Database en Compute Engine
Aplicación empresarial en Compute Engine con Oracle Exadata
Oracle E-Business Suite con Oracle Database en Compute Engine
Oracle E-Business Suite en Compute Engine con Oracle Exadata
Oracle PeopleSoft en Compute Engine con Oracle Exadata
Gestión de bases de datos multinube
Entornos híbridos y multinube
Resumen del contenido
Crear arquitecturas híbridas y multinube
Introducción
Factores, consideraciones, estrategia y patrones
Planificar una estrategia híbrida y multinube
Enfoques arquitectónicos para adoptar una arquitectura híbrida o multinube
Otras consideraciones
Pasos siguientes
Ver la guía en una sola página
Patrones de arquitectura híbridos y multinube
Introducción
Patrones de arquitectura distribuida
