Back to Archive

GCP News - 2026-10-19

2026-10-19
最終更新: 2026-10-20 04:02:03 JST

AI による概要

8 記事

この日は 8 件 (重複を除くと 7 件) で、過去記事の日本語版が中心でしたが、リリースノートに Cloud Armor の WAF ルールセット更新が入っています。セキュリティでは、Cloud Armor の事前構成 WAF ルールセットに修正と改善が入りました。v33-stable 系の sqli・xss・lfi・rfi・rce・methodenforcement・scannerdetection・protocolattack・php・sessionfixation・java・nodejs と、v3.0 の stable 系ルールセットが更新されています。あわせて Security Command Center では、Correlated Threats とセキュリティグラフのルールが作成した issue をフォルダ単位やプロジェクト単位で参照できるようになり、Issues ページでサービス種別・プロジェクト番号・フォルダ ID で絞り込めるようになりました (プレビュー)。コンピュートでは、Compute Engine インスタンスの停止や削除時のデータ損失・破損を防ぐグレースフルシャットダウンが一般提供となり、ゲスト OS に最長 6 時間の猶予を与えて実行中のタスクを終えられるようになりました。Dialogflow CX では telephony_disable_voice_processing セッションパラメーターを true にすると、以降のセッションで音声認識を止めて DTMF 入力のみを受け付けられます。背景の雑音を発話として文字起こししてしまう騒がしい環境で役立ちます。このほか、AI 関連の評価では Google が「IDC MarketScape: Worldwide Agentic AI Platforms 2026」でリーダーに選出されたことが紹介されました。課題はモデルそのものの知能ではなく、品質・統合・セキュリティ・ガバナンスの要件を満たしながら全社でエージェントを展開できるかにあり、Gemini がその土台を提供しているという位置づけです。日本語版としては、『Site Reliability Engineering』第 2 版の紹介 (米国時間 2026 年 10 月 13 日公開)、中小企業で Gemini をさらに活用できるようにする発表 (同 10 月 9 日)、1 GB あたり月額 6 セントのダイナミックティアで低コスト化した Managed Lustre (同 10 月 1 日)、超低レイテンシ取引向けの U4 マシンファミリーと Ultra Low Latency Solution の一般提供 (同 10 月 8 日)、Looker を活用した信頼できるデータアプリ (同 10 月 13 日) の 5 本が公開されています。

主要トピック

  • セキュリティ: Cloud Armor の事前構成 WAF ルールセットに修正と改善。v33-stable 系 (sqli・xss・lfi・rfi・rce・protocolattack ほか 12 種) と v3.0 の stable 系を更新

  • セキュリティ: Security Command Center で Correlated Threats とセキュリティグラフのルールが作る issue をフォルダ・プロジェクト単位で参照でき、サービス種別やプロジェクト番号で絞り込めるように (プレビュー)

  • コンピュート: Compute Engine のグレースフルシャットダウンが GA。停止・削除時にゲスト OS へ最長 6 時間の猶予を与えてデータ損失や破損を防ぐ

  • 会話 AI: Dialogflow CX で telephony_disable_voice_processing を true にすると音声認識を止めて DTMF 入力のみ受け付ける。騒音環境での誤認識対策

  • 生成 AI: Google が「IDC MarketScape: Worldwide Agentic AI Platforms 2026」でリーダーに選出。課題はモデルの知能ではなく、品質・統合・セキュリティ・ガバナンスを満たした全社展開にあるという整理

  • 日本語版: SRE ブック第 2 版、中小企業向けの Gemini 拡充、ダイナミックティアで 1 GB あたり月額 6 セントの Managed Lustre、超低レイテンシ取引向け U4 と ULL Solution の GA、Looker のデータアプリの 5 本

AI (Claude Opus 5) が生成 · 2026-10-20 08:10:24 JST

Google Cloud Release Notes

October 19, 2026

詳細を表示

Compute Engine

Feature

Generally available: To prevent data loss or corruption when you stop or delete a Compute Engine instance, you can enable graceful shutdown. This setting gives the guest OS up to six hours to finish running tasks. For more information, see About graceful shutdown.

Dialogflow

Feature

Dialogflow CX: You can set the telephony_disable_voice_processing session parameter to true to turn off speech recognition and accept only DTMF input for the rest of the session. This helps in noisy environments, where speech recognition can transcribe background noise as end-user input. See Turn off speech recognition for telephony.

Google Cloud Armor

Security

Security fixes and enhancements to Cloud Armor preconfigured WAF v33-stable rulesets. For more information, see Tuning Google Cloud Armor WAF rules.

The following rulesets have been updated:

  • sqli-v33-stable
  • xss-v33-stable
  • lfi-v33-stable
  • rfi-v33-stable
  • rce-v33-stable
  • methodenforcement-v33-stable
  • scannerdetection-v33-stable
  • protocolattack-v33-stable
  • php-v33-stable
  • sessionfixation-v33-stable
  • java-v33-stable
  • nodejs-v33-stable

Security

Security fixes and enhancements to Cloud Armor preconfigured WAF stable rulesets for v3.0. For more information, see Tuning Google Cloud Armor WAF rules.

The following rulesets have been updated:

  • sqli-stable
  • xss-stable
  • lfi-stable
  • rfi-stable
  • rce-stable
  • methodenforcement-stable
  • scannerdetection-stable
  • protocolattack-stable
  • php-stable
  • sessionfixation-stable

Security Command Center

Feature

You can view issues created by Correlated Threats and security graph rules at the folder or project level. On the Issues page, you can filter all issues by service type, project number, and folder ID. For more information, see Issues overview.

This feature is in Preview.

Google Cloud Blog

Google named a Leader in the 2026 IDC MarketScape for Agentic AI Platforms

詳細を表示

As organizations work to leverage AI to transform their businesses, it is clear that the raw model intelligence is not the key challenge.

Consistently, we hear that the challenges lie in how the agents can be deployed across the company while meeting key requirements for quality, integration, security, and governance.

Gemini provides that connected foundation across the enterprise, and it’s why we believe Google was named a Leader in the inaugural IDC MarketScape: Worldwide Agentic AI Platforms 2026 Vendor Assessment1.

<div class="article-module h-c-page">
  <div class="h-c-grid">


<figure class="article-image--large
  
  
    h-c-grid__col
    h-c-grid__col--6 h-c-grid__col--offset-3
    
    
  ">

  
  
    
    <img alt="IDC image v2" src="https://storage.googleapis.com/gweb-cloudblog-publish/images/image_5_i5rXZEH.max-1000x1000.png" />
    
    </a>
  
    <figcaption class="article-image__caption "><p>IDC MarketScape vendor analysis model is designed to provide an overview of the competitive fitness of technology and suppliers in a given market. The research methodology utilizes a rigorous scoring methodology based on both qualitative and quantitative criteria that results in a single graphical illustration of each supplier’s position within a given market. The Capabilities score measures supplier product, go-to-market and business execution in the short-term. The Strategy score measures alignment of supplier strategies with customer requirements in a 3-5 year timeframe. Supplier market share is represented by the size of the icons.</p></figcaption>
  
</figure>


  </div>
</div>

Gemini meets work where it already happens

A viable agentic platform has to meet work where it already happens – and run under production-grade controls. Gemini is engineered to deliver developer velocity without compromising governance, built around four core differentiators:

1. Surfaces that connect builders and business teams

Gemini makes it so that every surface connects back to one universal foundation.

  • Where teams already work: Employees collaborate with Gemini directly inside Google Workspace, Microsoft 365, or team chats – the agent carries the same persistent memory, skills, and enterprise permissions across desktop and mobile without needing to switch tools.
  • Builder tools centered on choice: Gemini platform supports how developers want to work, spanning no-code and low-code builders in the studio to code-first workflows with the Agent Development Kit (ADK) and Antigravity.
  • Workflows that compound across the organization: When a team solves a complex workflow, they can package it into a shared skill published to a central Agent Registry. Gemini calls on these skills directly to execute tasks, turning proven procedures into reusable assets across the entire company.

2. Radical openness across models, enterprise data, and tools

Gemini adapts to the software you already run, not the other way around.

  • Model choice: Through Model Garden in Gemini platform, teams have direct access to over 200 models – including all of the breakthroughs from Google DeepMind like Gemini 4 Argon, day one access to the latest Anthropic models, and third-party and open models.
  • Grounding on your enterprise data: Gemini connects directly to live enterprise data across Google Cloud in BigQuery and Cloud Storage, as well as Salesforce, SAP, and others. Because Gemini inherits each employee's existing credentials, sensitive information stays governed at the source.
  • Open standards: Built on open protocols like MCP and A2A, Gemini can easily plug into your existing toolchains and communicate across multi-vendor environments.

3. Smarter token economics

Gemini optimizes cost, latency, and performance directly at the execution layer.

  • Matching tasks to the right model: By default, Gemini uses Auto mode for users, letting the platform match each step of a task to the right model dynamically. It defaults to a fast workhorse model like Gemini Flash, and escalates to a high-capacity frontier reasoning model only when task complexity requires it.
  • Reusable skills: Teams can package proven processes into shared skills. Your agents can execute against these established procedures, improving consistency and reducing repetitive token consumption across the company.
  • Budget guardrails: Administrators can set spending limits by project, department, or individual agent in the billing console. When a budget threshold is reached, new requests pause while active tasks are allowed to complete, giving finance and engineering predictable cost controls without abruptly interrupting in-progress work.

4. Built-in governance and security

Gemini incorporates enterprise governance natively, and at no additional cost.

  • Dedicated agent identity: Every agent receives its own distinct, authenticated identity governed by least-privilege permissions. When an agent takes action, every event is recorded in an audit trail tied directly to that identity and the identity of which user was using the agent for the task.
  • Isolated sandboxes: A sandboxed boundary keeps dynamic tasks strictly contained, protecting your underlying infrastructure, core network, and sensitive corporate data from being exposed or compromised.
  • Policy enforcement: Rather than relying on a model to self-police, Agent Gateway automatically applies corporate security policies, blocks data leakage, and ensures agents only access what they are explicitly authorized to touch.

Looking forward

At its core, Gemini is all about giving your organization an open, reliable platform where builders have choice and teams work with complete confidence.

We are honored by IDC MarketScape’s recognition of Google as a Leader, and we look forward to continuing this work alongside our customers.

Download the IDC MarketScape: Worldwide Agentic AI Platforms 2026 Vendor Assessment excerpt to learn why Google is named a Leader.

1. SOURCE: “Worldwide Agentic AI Platforms 2026 Vendor Assessment”, October 2026, IDC # US54140926.

Google Cloud Japan Blog

Google Cloud の U4 コンピューティングのご紹介: 超低レイテンシ取引を実現

詳細を表示

※この投稿は米国時間 2026 年 10 月 8 日に、Google Cloud blog に投稿されたものの抄訳です。

資本市場における運用の成功は、安定したパフォーマンスと低レイテンシにかかっています。パケットのタイミングがわずかに変動するだけで、キューの優先順位や取引の実行順序が左右されるためです。同時に、取引所と市場参加者の双方が、従来のオンプレミス データセンターにおいて厳しさを増す制約に直面しています。その内容は、電力や物理的なラックスペースの制限から、ハードウェア調達サイクルの長期化まで多岐にわたります。グローバルな資本市場では、物理的なコロケーションが持つ「スピードと、動作の確実性」に、クラウドの「動的なスケーラビリティと自動化」を融合させたソリューションがますます求められています。

Google Cloud Next ‘26 では、Ultra Low Latency（ULL）Solution の一般提供を発表しました。このソリューションは、クラウドで実行される高頻度取引ワークフローにて、超低レイテンシのネットワークと優れたアジリティを実現します。ULL Solution には、新しい U4 マシン ファミリーも含まれており、こちらも一般提供が開始されています。

ULL Solution は、次の 3 つのインフラストラクチャ基盤で構成されています。

  • ハードウェア レベルのネットワーキング: スケーラブルなハードウェア ベースのマルチキャスト データ配信によって、信頼性の高いマーケット データ フィードを実現します。

  • 高度なネットワーキング オブザーバビリティ: ハードウェア レベルのタイミング精度で動的なネットワーク トラフィックをキャプチャします。プライマリ トラフィックのパフォーマンスに影響を与えることなく、確実な監査、マーケット リプレイ、そして厳密な取引検証を可能にします。

  • 確実な動作を実現するハイ パフォーマンス コンピューティング: 極めて低いレイテンシが要求される実行レイヤを、常に予測可能かつ一貫した時間で処理します。

ULL Solution のコンピューティング、ストレージ、ネットワーキング、オブザーバビリティを組み合わせることで、金融取引所や市場参加者は、以下のような数多くの技術的メリットを享受できます。

  • ベアメタル パフォーマンス: 専用のベアメタル コンピューティングにより、物理ホストリソースに直接アクセスできるため、ジッターを最小限に抑え、マーケット データ フィードや注文ルーティングにおいて、ブレのない低レイテンシでの実行を実現します。

  • 高パフォーマンスのストレージ オプション: ローカル Titanium SSD がホスト上でリアルタイムのトランザクションとティック ロギングを処理し、スケーラブルな Google Cloud Hyperdisk が永続的なマーケット データのアーカイブと分析を補完します。

  • 物理的なトラフィックの分離: ULL トレーディング ファブリックの冗長 A/B マルチキャスト マーケット フィードには、2 つの独立した専用 Titanium アダプターを介してアクセスします。一方、3 つ目の独立した Titanium アダプターは、テレメトリーと管理をオフロードし、Google Cloud サービスへのアクセスを提供します。

  • ハードウェア アクセラレーションによるマルチキャスト配信: ULL ネットワーク アーキテクチャは、ハードウェア レベルのマルチキャスト フィード取り込みをサポートしています。これにより、市場参加者は従来のハイパーバイザー レベルの仮想スイッチをバイパスし、高スループットのマーケット データを低レイテンシの取引アプリケーションに直接ストリーミングできます。

  • パケット処理の高速化: OpenOnload と DPDK のサポートにより、アプリケーション コードの変更を最小限に抑えながら、Linux ユーザー空間ネットワーキングによる予測可能なユニキャストおよびマルチキャスト パケット処理を実現します。

  • 高精度なタイミングと UTC 同期: Google Cloud の Firefly クロック同期システムとの統合により、10 ナノ秒未満のネットワーク レベルのタイムスタンプを常に実現し、金融取引所の規制要件である「100 マイクロ秒未満」を大きく上回る精度での UTC 同期を可能にします。

  • 組み込みのテレメトリー: 24 時間 365 日の低レイテンシ パケット キャプチャと、規制遵守やリアルタイム解析に向けたシームレスなアウトオブバンド パケット ブローカリングにより、主要トラフィックのパフォーマンスに影響を与えることなく、高度な可視性を確保します。

  • 24 時間 365 日市場に対応: 本番環境ワークロードをライブ取引専用のプライマリ ゾーンに分離し、日常的なメンテナンスや認定テストは更新およびテスト用のセカンダリ ゾーンで行うことで、24 時間体制で継続的に取引に対応できる設計となっています。

ULL Solution のコンピューティングは、新しい U4 マシン ファミリーによって提供されます。このファミリーは、3 つの特化型マシンシリーズを通じて、ブレのないパフォーマンスと超低レイテンシのコンピューティングを実現します。具体的には、3 つの物理 NIC を備えたデュアル ソケットのベアメタル インスタンス（取引所運営者向けの U4P、市場参加者向けの U4C）と、運営者、参加者、サービス提供者向けの U4S 高パフォーマンス VM がラインナップされています。

マシンシリーズ

CPU プラットフォーム

CPU コア

メモリ

NIC

ストレージ オプション

U4P

（ベアメタル）

Intel 第 5 世代 Xeon（Emerald Rapids）

物理コア: 120

512 GB / 768 GB

物理 NIC: 3（標準 1 + ULL 2）

ローカル Titanium SSD（12 TiB）、Hyperdisk

U4C

（ベアメタル）

Intel 第 5 世代 Xeon（Emerald Rapids）

物理コア: 120

512 GB または

768 GB

物理 NIC: 3（標準 1 + ULL 2）

ローカル Titanium SSD（12 TiB）、Hyperdisk

U4S

（VM）

Intel 第 6 世代 Xeon（Granite Rapids）

vCPU: 2～288

最大 2,232 GB

マルチ vNIC（最大 200 Gbps）

ローカル Titanium SSD（18 TiB）、Hyperdisk

Google が U4 マシン ファミリーを開発したのは、世界で最も厳しい技術要件が求められる市場が Google Cloud 上でシステムを稼働させ、クラウド サービスとスケーラビリティのメリットを享受できるようにするためです。その一例が、CME Group との継続的なパートナーシップです。これを通じて、上場デリバティブ市場を Google Cloud に移行しています。同プロジェクトにおいて、U4C と U4P のベアメタル インスタンスは、物理コロケーションに直接接続する場合と同等のレイテンシを達成し、予測可能な低レイテンシのクロック精度と、ネイティブなハードウェア マルチキャスト フィードの取り込みを実現します。このアーキテクチャは、取引所の基幹システムや取引戦略を、金融市場が求めるスピード、一貫性、そして制御性を備えたクラウド環境で十分に稼働できることを実証しています。

<figure class="article-image--wrap-small
  
  ">

  
  
    
    <img alt="cme group" src="https://storage.googleapis.com/gweb-cloudblog-publish/images/cme_group_g3mWTg1.max-1000x1000.jpg" />
    
    </a>
  
</figure>







  <p>「世界をリードするデリバティブ取引所をクラウドへ移行するには、パフォーマンス、レイテンシ、そして信頼性のすべてにおいて一切の妥協が許されません。Google Cloud の Ultra Low Latency Solution と U4 インスタンス ファミリーは、金融市場インフラストラクチャの歴史におけるブレークスルーを象徴するものです。動作の確実性に優れた超低レイテンシのネットワーキングと、専用のベアメタル コンピューティングをクラウドのメリットと組み合わせることで、市場参加者は、従来のコロケーションと同等のスピードとクラウドのアジリティを活かして、マーケット データの取り込みから取引の執行までを迅速に行うことが可能になります。」- CME Group、マーケット エンジニアリング担当マネージング ディレクター、Pearce Peck-Walden 氏</p>
</div>

Google Cloud クラウドネイティブなインフラストラクチャを活用

ULL Solution は、一部のプライベート Google Cloud リージョンで提供されており、トレーディング チームは、迅速な自動リソース プロビジョニング、オンデマンドの容量スケーリング、動的なフリート管理といった、クラウド インフラストラクチャならではのメリットを最大限に活用できます。トレーディング チームは、隔離された専用の ULL ネットワーク上で超低レイテンシの取引を実行できるだけでなく、独立したネットワーク インターフェースを介して、データ ストリームを BigQuery や Gemini Enterprise などの Google Cloud サービスにオフロードできます。

ティックツートレードのワークフローの管理や、リアルタイムの市場データを処理する取引所参加者にとって、マイクロ秒単位のわずかな変動も死活問題となります。ベアメタル インスタンスである U4P および U4C マシンシリーズは、レイテンシに極めて敏感な実行レイヤにおいて、仮想化によるオーバーヘッドを一切発生させません。これらのベアメタル インスタンスは、Google Cloud の Titanium オフロード システム アーキテクチャを活用することで、ホストリソースへの直接アクセスを可能にします。Compute Engine インスタンスでは、標準の Google Cloud API を介した専用ハードウェアのプロビジョニング、Infrastructure as Code によるデプロイのオーケストレーション、Cloud Next Generation Firewall（NGFW）ポリシーの適用、豊富なテレメトリーの収集を行うことができます。

U4S VM シリーズは、取引前のリスク検証やリアルタイム解析といった用途において、これらのベアメタル サービスを補完する役割を果たします。U4P インスタンスや U4C インスタンスと並行してデプロイされるこれらの VM は、取引アーキテクチャ全体のトランジット ホップを短縮すると同時に、2〜288 vCPU の弾力的なスケーリングと、最大 100 Gbps のネットワーク帯域幅を提供します。

<figure class="article-image--wrap-small
  
  ">

  
  
    
    <img alt="prime trading" src="https://storage.googleapis.com/gweb-cloudblog-publish/images/prime_trading.max-1000x1000.jpg" />
    
    </a>
  
</figure>







  <p>「U4 インスタンスのテストを通じて、Google Cloud が、極めて高い処理能力が求められる当社の取引所取引ワークロードに必要な低レイテンシと動作の確実性を備えていることが実証されました。ベアメタルと VM の両方のオプションが用意されていることで、費用対効果を評価し、それぞれの取引戦略に最適なインフラストラクチャを柔軟に選択できるようになります。」 - Prime Trading、EVP / CTO、Corbin Kidd 氏</p>
</div>

<figure class="article-image--wrap-small
  
  ">

  
  
    
    <img alt="28stone" src="https://storage.googleapis.com/gweb-cloudblog-publish/images/28stone.max-1000x1000.jpg" />
    
    </a>
  
</figure>







  <p>「ティックツートレードのパフォーマンス検証において、U4C ベアメタル インスタンスは卓越した処理速度を示し、クラウド コンピューティングと超低レイテンシ ネットワーキングの組み合わせが、マイクロ秒単位の過酷な取引需要にも余裕を持って対応できることを実証しました。しかし、U4 シリーズの真の強みは、単なる処理スピードではなく、構造的な「動作の確実性」にあります。Google Cloud の U4 ベアメタル ファミリーのストレステストを行ったところ、パフォーマンス曲線はほぼ完全に平坦なままでした。これは、これらのクラウド コンピューティング設計が、市場参加者が求める極めて厳格な「動作の確実性」を十分に提供できるレベルに達したことを裏付けています。」- 28Stone、エクスペリエンス モダナイゼーション担当グローバル責任者、Christopher Wilson 氏</p>
</div>

将来を見据えると、この低レイテンシ アーキテクチャはアルゴリズム取引の強固な基盤となり、企業はリアルタイムの市場データを AI 駆動の取引モデルに直接取り込めるようになります。

取引ワークロードのストレージと配置

U4 ファミリーは、Google Cloud のストレージ オプションとプレースメント ポリシーをサポートしており、トレーディング チームが取引データを高速に記録し、マシン間におけるネットワーク レイテンシの極小化できるようにします。

  • 高速ロギング用のローカル Titanium SSD: 取引の実行パフォーマンスを損なうことなく、リアルタイムの取引ロギングやデータのキャッシュ保存を行うために、U4P と U4C は最大 12 TiB の直接接続された NVMe SSD を提供し、U4S VM は最大 18 TiB までスケールアップできます。

  • データ アーカイブ用の Hyperdisk: 過去の市場データ、バックテスト モデル、コンプライアンス監査用アーカイブの保管に対応するため、すべての U4 シリーズで Hyperdisk Balanced および Hyperdisk Extreme ボリュームをアタッチでき、インスタンスあたり最大 32 ボリューム、512 TiB までスケールアップできます。

  • プレースメント ポリシー: 物理的なネットワーク ホップを削減するために、コンパクト プレースメント ポリシーでは、関連するマシンをデータセンター内の近接した場所に配置します。一方、スプレッド プレースメント ポリシーでは、レジリエンスを高めるために、マシンを別々のラックに配置します。

ULL Solution を使ってみる

ULL Solution により、金融取引所の運営者、取引所参加者、取引サービス提供者は、現在求められるスピードと信頼性で取引を行えるだけでなく、進化し続ける AI やインフラストラクチャの機能を活用し、未来の取引を見据えて自社のビジネスを優位に位置付けることができます。ULL Solution は、一部の Google Cloud リージョンでご利用いただけます。詳細については、一般公開ドキュメントをご覧いただき、Google のチームにアクセスをリクエストしてください。

- Google Cloud、プロダクト マネージャー、Disha Chopra

- Google Cloud、プロダクト マネージャー、Yarden Halperin

低コストでスムーズな開発を実現する Managed Lustre を誰でも利用可能に

詳細を表示

※この投稿は米国時間 2026 年 10 月 1 日に、Google Cloud blog に投稿されたものの抄訳です。

本記事は、Google Cloud が TB/秒のスループット、大規模クライアント環境下でのミリ秒未満のレイテンシ、POSIX 対応といった高性能並列ファイル システムの基本価値を、より幅広いユースケースとユーザーに提供している方法を紹介する 2 部シリーズの第 1 回です。

これまで、並列ファイル システムはコストがかかり、特殊な向けであったため、コールドデータはファイル システムの外部に保存する必要がありました。また、AI 開発者は、コードの記述、ライブラリのコンパイル、リポジトリの管理のために、低速な環境を別途維持しなければなりませんでした。このような境の分断は、手動でのデータ ステージング、データセットのコピー、ばらばらな名前空間の管理といったトイルを増大させていました。

Google Cloud Managed Lustre は、1 GB あたり月額 6 セントのダイナミック ティアと、さまざまな開発タスクやワークロード向けに Managed Lustre のパフォーマンスを最適化することで、これらの問題を解決します。これにより、Managed Lustre は、高パフォーマンスの AI および HPC ワークロードのための「ワンストップ ショップ」となります。

低コスト: ダイナミック ティアで Lustre をより低コストで利用

Managed Lustre のダイナミック ティアは、ホットデータに対してミリ秒未満のレイテンシを実現し、すべてのデータを単一の名前空間に保存できます。費用は月額わずか 6 セント/GB*です。

  • スループット、容量スケール、クライアント スケール: スループットは最大 80 PB の容量まで直線的にスケールされます。また、ホットデータのミリ秒未満のレイテンシは、数万のクライアントにスケールしても安定して維持されます。

  • 単一の定額料金: 予測可能な料金体系です。ディスク メディアタイプ、名前空間内のデータ移動、メタデータ IOPS に対する個別の料金は発生しません。

  • 読み取りレイテンシ: 高パフォーマンス キャッシュ（SSD）ではミリ秒未満のレイテンシを実現します。容量プール（「HDD」）は Google Cloud Hyperdisk Throughput を基盤に構築されており、平均読み取りレイテンシは 10～30 ミリ秒です。

ダイナミック ティアに推奨されるワークロード

  • マルチエポック トレーニングや最適化されたフェッチサイズでのトレーニング: ホットデータは、最初の実行後に高パフォーマンス キャッシュ（SSD）に昇格されます。データ プリフェッチを大きくすると、ダイナミック ティアの費用構造を活かしつつ、低レイテンシの SSD のメリットを享受できます。

  • 書き込み負荷の高いチェックポイント処理: バースト的なチェックポイントの書き込みは、高パフォーマンス キャッシュに直接保存されます。古いチェックポイントは、透過的に容量プール（HDD）に降格されます。

  • 迅速なチェックポイント復元: 新しいチェックポイントは高パフォーマンス キャッシュに書き込まれるため、低レイテンシでのチェックポイント復元が可能になります。

  • 開発者向けの快適な操作性: git クローン、ライブラリのコンパイル、ノートブックの実行などの低レイテンシ タスクは、大規模なトレーニング セットをホストする同じ共有ワークスペースで、ローカルディスクと同等の操作感（平均読み取りレイテンシ約 300µs）が得られます。

スムーズな開発: 開発者のワークロードをワンストップで処理する Lustre

Managed Lustre は、大規模な AI および HPC ワークロード（チェックポイント / 再起動 / データ読み込み）に対応するスケーラビリティに加えて、インタラクティブな作業ニーズも満たします。つまり、開発者は Managed Lustre で作業を開始し、ワークロードのライフサイクル全体でもそのまま Managed Lustre を使用し続けることができます。

統合された基盤とインタラクティブなパフォーマンス

AI と HPC のライフサイクルを単一の名前空間に統合し、インタラクティブな作業に「ローカル ディスク」のような使用感を提供します（ Salesforce などが経験した Managed Lustre による低レイテンシのメリットについて詳しくは、こちらをご覧ください）。

  • レイテンシ: 平均読み取りレイテンシは約 300µs で、他の分散ファイル システムと比較して最大 4 倍の応答性を実現します。

  • セットアップの高速化: Linux カーネルの展開は約 2 分（他のファイル ソリューションより 4.7 倍高速）、Python の 20 ワーカー並列 git クローンは約 40 秒、Python のコンパイルは約 200 秒で完了します。

<div class="article-module h-c-page">
  <div class="h-c-grid">


<figure class="article-image--large
  
  
    h-c-grid__col
    h-c-grid__col--6 h-c-grid__col--offset-3
    
    
  ">

  
  
    
    <img alt="democratizing-lustre-with-lower-cost-and-frictionless-development-02-managed-lustre-performance-values" src="https://storage.googleapis.com/gweb-cloudblog-publish/images/democratizing-lustre-with-lower-cost-and-f.max-1000x1000.jpg" />
    
    </a>
  
</figure>


  </div>
</div>

<div class="article-module h-c-page">
  <div class="h-c-grid">


<figure class="article-image--large
  
  
    h-c-grid__col
    h-c-grid__col--6 h-c-grid__col--offset-3
    
    
  ">

  
  
    
    <img alt="democratizing-lustre-with-lower-cost-and-frictionless-development-01-performance-comparision" src="https://storage.googleapis.com/gweb-cloudblog-publish/images/democratizing-lustre-with-lower-cost-and-f.max-1000x1000_xLOfL6w.jpg" />
    
    </a>
  
</figure>


  </div>
</div>

高同時実行ブロードキャストとクラスタ起動

Managed Lustre は、クラスタの初期化中にストレージのボトルネックを解消することで、GPU の費用対効果を最大化します。

共有モデルのチェックポイント、ベースの重み、コンテナレイヤなど、数千のワーカーノードがまったく同じファイルを同時に読み取ろうとすると、従来の分散ファイル システムでは局所的なホットスポットが発生して処理が滞り、高価な GPU クラスタが数分間アイドル状態になることがあります。

  • 同じファイルを読み取る多数のクライアントの総スループットを向上: 代替ファイル ソリューションと比較して 67% の向上が実証されています。

  • 並列読み込み: PyTorch などのライブラリを 4,000 以上のプロセスに 60 秒未満でインポートします。

<div class="article-module h-c-page">
  <div class="h-c-grid">


<figure class="article-image--large
  
  
    h-c-grid__col
    h-c-grid__col--6 h-c-grid__col--offset-3
    
    
  ">

  
  
    
    <img alt="democratizing-lustre-with-lower-cost-and-frictionless-development-03-performance-advantage" src="https://storage.googleapis.com/gweb-cloudblog-publish/images/democratizing-lustre-with-lower-cost-and-f.max-1000x1000_9kShfM1.jpg" />
    
    </a>
  
</figure>


  </div>
</div>

ワンストップ ショップ ワークフローを自分で実行

ご自身でもテストを実施できるよう、今回実行したテストのコードを以下に示します。

インタラクティブなアクセスでの低レイテンシ

fio を使用して、小規模で同時実行性の低い読み取りと書き込みをエミュレートしました。

1 ストレージ システムの仕様: Managed Lustre の 500 MBps/TiB ティア、108,000 GiB の容量。Filestore Zonal の容量は 102,400 GiB。同じ 40 GiB ファイルを読み取る 2,048 台のクライアント VM の平均スループットは 36.7 GB/秒。

code_block
<ListValue: [StructValue([('code', '# Read workload\r\nfio --ioengine=libaio --filesize=100M --ramp_time=2s \\\r\n --runtime=2m --time_based --numjobs=1 --direct=1 --verify=0 --randrepeat=0 \\\r\n --group_reporting --directory=~/LUSTRE_MOUNT \\\r\n --name=randread --blocksize=4k --iodepth=1 --readwrite=randread \\\r\n --buffer_compress_percentage=50\r\n\r\n# Write workload\r\nfio --ioengine=libaio --filesize=100M --ramp_time=2s \\\r\n --runtime=2m --time_based --numjobs=1 --direct=1 --verify=0 --randrepeat=0 \\\r\n --group_reporting --directory=~/LUSTRE_MOUNT \\\r\n --name=randwrite --blocksize=4k --iodepth=1 --readwrite=randwrite \\\r\n --buffer_compress_percentage=50'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f20746cb0d0>)])]>

迅速な設定

Linux の展開方法

code_block
<ListValue: [StructValue([('code', '# Download a kernel tarball\r\nwget -P /tmp https://cdn.kernel.org/pub/linux/kernel/v5.x/linux-5.18.9.tar.xz\r\n\r\n# Extract the archive to the Lustre mount\r\nmkdir ~/LUSTRE_MOUNT/kernel\r\ntar -C ~/LUSTRE_MOUNT/kernel -xf /tmp/linux-5.18.9.tar.xz'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f20746c8810>)])]>

上記のユースケースでは、root として実行する際に発生する可能性のあるメタデータ パフォーマンスの負荷を回避するように注意する必要があります（つまり、tar が抽出されたファイルの所有者と権限をアーカイブに記録されているものと一致させようとして、chown と chmod を呼び出しを発行します）。それでも root として実行したい場合（かつ、このアプローチが設定に適していることを確認している場合）は、`--no-same-owner --no-same-permissions` を指定することで、抽出されたファイルの所有者が root のままで、root のデフォルトのファイル権限を維持できます。つまり、root としての抽出が、root 以外としての抽出のように動作します（アーカイブ内の所有者と権限が無視されます）。

Python gitclone の実行方法

code_block
<ListValue: [StructValue([('code', 'git config --global checkout.workers 20\r\nmkdir ~/LUSTRE_MOUNT/python\r\ngit clone https://github.com/python/cpython.git ~/LUSTRE_MOUNT/python'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f2075409850>)])]>

Python コンパイルの実行方法

code_block
<ListValue: [StructValue([('code', 'pushd ~/LUSTRE_MOUNT/python\r\n./configure > /dev/null\r\nmake > /dev/null\r\npopd'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f207540ba90>)])]>

大規模なディストリビューション

1 つの大きなファイルを多数のノードに分散する場合の集約スループット

各クライアント VM で以下を実行します。

code_block
<ListValue: [StructValue([('code', '# Start fio in server mode\r\nfio --server'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f207540b450>)])]>

選択したクライアント VM で以下を実行します。

code_block
<ListValue: [StructValue([('code', "# Create a 40 GiB file\r\nfio --name=job1 \\\r\n --ioengine=libaio \\\r\n --direct=1 \\\r\n --buffer_compress_percentage=50 \\\r\n --blocksize=4m \\\r\n --iodepth=32 \\\r\n --filesize=40g \\\r\n --readwrite=write \\\r\n --filename ~/LUSTRE_MOUNT/40gb_test\r\n\r\n# Create an fio job file for the read workload\r\ncat <<'EOF' > /tmp/read.fio\r\n[job1]\r\nfilename=${HOME}/LUSTRE_MOUNT/40gb_test\r\nrw=read\r\nbs=4m\r\nexitall_on_error=1\r\nEOF\r\n\r\n# Run the read workload using all client VMs in ~/hostfile\r\nfio --client ~/hostfile /tmp/read.fio"), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f207540b590>)])]>

多数のプロセスにわたるライブラリの並列読み込み

選択したクライアント VM で以下を実行します。

code_block
<ListValue: [StructValue([('code', '# Install PyTorch in a virtual env\r\npython3 -m venv ~/LUSTRE_MOUNT/env\r\nsource ~/LUSTRE_MOUNT/env/bin/activate\r\npip3 install --upgrade pip\r\npip3 install torch torchvision torchaudio \r\ndeactivate\r\n\r\n# Import PyTorch on all client VMs in ~/hostfile, 4 processes per host\r\nmpirun --allow-run-as-root --oversubscribe --hostfile ~/hostfile -N 4 \\\r\n bash -c \'source ~/LUSTRE_MOUNT/env/bin/activate && python3 -c "import torch"\''), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f2075408910>)])]>

未来と次のステップを見据えて

Google Cloud Managed Lustre は、手動のデータ ステージングの負担を排除し、ダイナミック ティアで導入コストを削減することで、単一目的に特化したエンジンから、AI ライフサイクル全体に対応する汎用性の高い統合ストレージ ファブリックへと進化しています。

このシリーズの第 2 回では、今後提供予定のオブジェクト統合機能に焦点を当てます。今後の情報にご注目ください。

次のステップ

  • ご自身でベンチマークを実行してみましょう（まだの場合）: Google Cloud コンソールを使用して Google Cloud Managed Lustre インスタンスをデプロイし、上記で提供されているテストを実行して、自身のワークロードのベンチマークを実施してください。

  • ダイナミック ティアについて: Google Cloud Managed Lustre のドキュメントで詳細をご覧ください。

  • パート 2 をお楽しみに: このシリーズの次回では、今後リリースされるオブジェクト統合機能と、それによって AI と HPC のストレージ運用がさらに簡素化される仕組みについて詳しく説明します。

  • Google Cloud Managed Lustre を活用して、開発からトレーニングまでのライフサイクルを一元化しましょう。

- Google Cloud Managed Lustre、シニア プロダクト マネージャー Barak Epstein

- Google Cloud Managed Lustre、ソフトウェア エンジニア Yuval Ehrental

中小企業で Gemini をさらに活用可能に

詳細を表示

※この投稿は米国時間 2026 年 10 月 9 日に、Google Cloud blog に投稿されたものの抄訳です。

このたび Google は、1 つであらゆる用途に応えるビジネス向けの新しい Gemini エージェントを発表しました。少数精鋭のチームと限られた利益率で運営される中小企業にとって、Gemini は業務効率の向上、優れたカスタマー エクスペリエンスの提供、そして成長を実現するために不可欠なツールとなります。

すでに数百万もの中小企業（SMB）が Google AI に信頼を寄せ、Gemini Enterprise、Google 広告、Google Workspace などの複数のサービスで AI を活用しています。また、こうした SMB による利用は急速に拡大しており、これらの企業での Google Cloud AI ツール使用量は前年比で 5 倍以上に増加しています。

このたび、SMB のお客様も、Gemini のあらゆるエージェント機能をご利用いただけるようになりました。

SMB にエージェントの時代が到来

Gemini は、パーソナル アシスタントやチームメンバーのように機能します。既存のシステムやデータに接続でき、使い慣れたインターフェース上で動作するほか、Google Cloud ならではのモデルの選択肢、セキュリティ、費用管理を提供します。

質問への回答、ナレッジワークの処理、画像やメディアの作成から、コードの記述と実行まで、すべてをプロンプト ボックス 1 つで行えます。求める結果を指示すれば、エージェントが作業を完了してくれます。プロジェクト マネージャー、経理担当者、在庫管理者、マーケティング コンサルタントなど、特定の役割を担う柔軟なメンバーとして Gemini をチームに加えることができます。

また、Gemini はすぐに使えるように設計されており、次のようなメリットがあります。

  • 一般的な SMB ツールに接続可能: Asana、Box、Clay、Docusign、Dropbox、GitHub、LegalZoom、Notion、Salesforce、Shopify、Slack、Wix などの、日常的に使用するシステムに接続できます。Gemini はこれらのツール、ビジネスデータ、作業履歴からコンテキストを抽出して、使えば使うほどスマートで便利になっていきます。

  • モデルの選択肢を提供: Gemini はエージェントであり、その基盤となるモデルは別途選択することができます。Gemini は、各ジョブに最適なモデルを選択して実行します。現在は Gemini モデル ファミリーと Claude モデルを組み合わせて使用していますが、将来的には他の主要なプライベート モデルやオープンモデルにも対応する予定です。作業に合ったモデルを使用すれば、難しいジョブの精度を向上させ、シンプルなジョブの費用を削減することができます。また、主要なモデルは数か月ごとに変わります。選択肢をオープンにしておけば、モデルが変わってもコンテキスト、スキル、データはそのまま維持することができます。

  • どこからでもアクセス可能: Gemini は、ウェブ、Android および iOS モバイル デバイス、Mac および Windows パソコン、Google Workspace、Microsoft 365、Slack などのアプリケーションといった、日常的に使用するさまざまな環境で動作します。クラウドで実行されるため、デバイスから離れているときでも動作し続けます。

  • 費用を適切に管理: Gemini には先進的な費用管理機能も備わっているため、お客様も従業員の方々も安心して Gemini を業務に活用できます。管理機能には、ジョブに最適なモデルを選択するマルチモデル オーケストレーション、ワークロードを自動的に振り分けて最小限のコストで最大のパフォーマンスを発揮するモデルで実行するスマート ルーティング、Cloud Billing コンソールでのリアルタイムのプロジェクト レベル費用上限設定などがあります。

Gemini は現在、SMB のお客様向けに早期アクセス版を提供中です。まもなく、すべてのお客様にご利用いただけるようになります。

Google Cloud AI を活用して成果を上げている SMB の事例

世界中で、すでにさまざまな SMB が Gemini Enterprise を活用してビジネスを推進しています。その例をいくつかご紹介します。

  • 米国の産業オートメーション企業の Aerotech は、Gemini Enterprise を活用して、社内用の問題解決 AI プラットフォームを全従業員に展開し、トラブルシューティング時間を短縮することで生産能力を向上させています。

  • ブラジルの歯科および医療機器メーカーである Angelus は、Gemini Enterprise を使用して研究開発部門全体のプロジェクト管理を効率化しています。これにより、各チームはプロジェクトの技術データを、会社のブランド アイデンティティや規制要件に沿った事前承認済みのテンプレートに自動的に取り込めるようになりました。

  • 国際的な教育プラットフォームの EdSpan Global は、Gemini Enterprise を使用して数千ものデジタル学習オブジェクトの標準化を自動化し、反復的な編集に費やす時間を短縮してコースのリリースを加速しています。

  • フィンランドでソフトウェア開発および DevOps を手がける Eficode は、Gemini Enterprise を活用して、複雑な社内 Wiki を迅速にインデックス化するマルチプラットフォーム対応のサポート エンジンを構築し、従業員が顧客に対してより迅速な技術サポートを提供できるようにしています。

  • ラテンアメリカ全域で貨物輸送のデジタル化を推進するチリの物流テクノロジー企業 KLog.co は、Gemini Enterprise を活用して貨物追跡と出荷書類作成を自動化し、手動によるデータ入力エラーを 90% 以上削減するとともに、書類処理能力を 10 倍に向上させています。

  • シンガポール最大級の飲食企業の一つである Koufu は、Gemini Enterprise を活用して売上レポート作成とデータ分析を自動化しています。これにより、スプレッドシートがボトルネックになる状況を解消し、店舗マネージャーが店頭サービスの品質向上に集中できるようになりました。

  • フランス国内外で蒸留酒や飲料を専門に扱う小売事業者 La Maison du Whisky（whisky.fr）は、技術的な商品データを数秒で上質なストーリーテリングやマーケティング コピーへと変換する「デジタル ソムリエ」の構築に Gemini Enterprise を採用しました。

  • ブラジルを代表する屋外広告コミュニケーション プラットフォームの NEEOH は、Gemini Enterprise を使用して組織全体でセキュアな AI の使用を標準化し、顧客企業のデータのセキュリティを確保しながら、社内チームがより迅速にキャンペーン コピーの生成や提案書の作成を行えるようにしています。

  • 米国を拠点とする医療および臨床業務プロバイダの Quadrant Health Group は、Gemini Enterprise を使用して、断片化されたテクノロジー システムを統合し、反復的なバックオフィス タスクを自動化しています。また、患者データを保護するセキュアな AI ツールを臨床医に提供しています。

  • 米国を拠点とするイベント制作およびクリエイティブ パートナー エージェンシーの Salt Productions と Pinch Creative は、Gemini Enterprise を使用して、断片化されたファイルを検索可能な信頼できる唯一の情報源に変換しています。これにより、管理作業とプレゼンテーションにおけるボトルネックが軽減され、スタッフがイベント制作とデザインに集中できるようになりました。

  • デジタル セキュリティ プロバイダの Sep 2 は、Gemini Enterprise を使用して、24 時間 365 日体制で脅威をモニタリングする自律型 AI エージェントをデプロイしています。このエージェントは、インシデントの検出を迅速化し、セキュリティ上の脅威を無効化できます。

  • 米国を拠点とするテクノロジー コンサルティング会社の Stratagem は、Gemini Enterprise を使用して管理ワークフローを自動化し、小売カスタマー サービス エージェントを開発しました。これにより、コンサルタントがクライアントと向き合える時間を増やし、サービス提供を加速しています。

  • 戦略的ブランドデザイン エージェンシーの Sunhouse は、Gemini Enterprise を使用して、Google ドライブに保存されたアーカイブ済みのデザイン制作物を簡単に見つけられるようにしています。これにより、チームがファイル検索に費やす時間を減らして、グローバル ブランドとのビジネス成長のためにより多くの時間を使えるようになりました。

Google Cloud AI のトレーニングを利用する

SMB チームが AI を最大限に活用できるよう、Google では Google Skills プラットフォームを通して簡単な無料学習プログラムを提供しています。今すぐご利用ください。このプラットフォームは、以下の 2 つの方法で無料で利用可能です。

現在、Google Skills では 3,000 以上のコース、ラボ、修了証を提供しています。Google AI や Google Workspace、Gemini Enterprise などのプロダクトに関する実践的なスキルを身につけ、スキルバッジを獲得して、価値ある Google Cloud 認定資格を取得できます。新しい Gemini エージェントに関するコースは近日中に公開予定です。それまでの間、以下のようなおすすめのコースもぜひご利用ください。

  • Google Cloud によるデータ トランスフォーメーションの探求: シンプルなツールから脱却し、より広範な業務での Google Cloud 活用を実際に始めたいと考えている SMB 向けのコースです。インフラストラクチャとセキュリティ ポスチャーのモダナイズを検討しているビジネス リーダーが最初に学ぶコースとして最適です。

  • Google Workspace with Gemini: 日常業務の効率を迅速に向上させたい SMB 向けのコースです。Gmail、ドキュメント、ドライブ内で直接メールの下書きを作成したり、簡単なワークフローを自動化したりするなど、AI を日々のビジネス オペレーションにシームレスに統合するための実用的なガイドとなります。

  • SMB 向け学習プログラム: 事業運営を拡大する実用的な方法を模索している SMB 向けに、生成 AI の初歩的な技術基盤を Gemini による自動化、カスタム エージェント開発のための GEAR フレームワークと組み合わせることに重点を置いたコース集です。

パートナーの活用

Google のパートナー エコシステムは、企業が Gemini をはじめとする Google Cloud AI を導入する際に重要な役割を担います。

現在、数多くのパートナーの Google Cloud AI 認定エキスパートが、ユースケース特定、プロトタイピング、カスタム エージェント構築など、AI 導入のあらゆる面で SMB を支援しています。

今すぐ Google Cloud パートナー ネットワークを確認して、パートナーとの連携を始めましょう。

- Google Cloud、SMB および Scaled 担当バイス プレジデント Sharon Prosser

SRE ブックの 10 年間:『Site Reliability Engineering』第 2 版のご紹介

詳細を表示

※この投稿は米国時間 2026 年 10 月 13 日に、Google Cloud blog に投稿されたものの抄訳です。

10 年前、Google は O'Reilly Media から『Site Reliability Engineering: How Google Runs Production Systems』を出版しました。大規模なインフラストラクチャを管理する Google の手法を集めたものとして始まった本書はベストセラーとなり、多くの組織がそこに示された信頼性プラクティス（スケーラブルで信頼性が高く、持続可能なシステムを構築するためにソフトウェア エンジニアリングを運用に適用すること）を採用するきっかけとなりました。

過去 10 年間で、コンピューティング環境は大きく変化しました。AI、マイクロサービス、マルチクラウド デプロイ、サーバーレス パラダイム、プラットフォーム エンジニアリングはすべて、ソフトウェアの構築と運用方法を再構築しました。このたび、本書の出版 10 周年を記念して、全面的に改訂された Google SRE ブック第 2 版を発表できることを嬉しく思います。Google 社内および業界全体で得た 10 年間の教訓を反映し、今日の運用上の課題に合わせた最新のガイダンスを提供します。

<figure class="article-image--wrap-small
  
  ">

  
  
    
    <img alt="SRE Book 2e Front Cover" src="https://storage.googleapis.com/gweb-cloudblog-publish/images/SRE_Book_2e_Front_Cover.max-1000x1000.jpg" />
    
    </a>
  
</figure>







  <p><b>改訂する理由</b></p><p>初版を出版した当時、多くの組織はクラウドへの初期移行に注力しており、モノリシック アーキテクチャからの脱却を始めたばかりでした。昨今、組織が高速かつグローバル規模でソフトウェアを提供する中で、課題はもはやクラウド インフラストラクチャの導入ではなく、極めて複雑な状況に直面しながらも高い信頼性を維持することです。</p><p>最新の本番環境は、常に変化する状況下で運用されています。システムの境界はより複雑になり、依存関係は深まり、障害モードはこれまで以上に複雑化して深刻な被害をもたらすようになっています。生成 AI のようなリソースを大量に消費するワークロードの急増により、インフラストラクチャ管理における経済性と運用要件が変化しています。</p><p>この第 2 版を執筆するにあたり、私たちは一度立ち止まって、現代の環境で SRE を適切に実装するために何が必要かを評価する必要がありました。</p><p><b>10 年間の進化: SRE 手法の進歩</b></p><p>第 2 版では、サイト信頼性エンジニアリングの基礎的なプラクティスが過去 10 年間でどのように成熟し、タスク固有の手動作業から、プラットフォーム全体の自動化機能へとシフトしたのかを深く掘り下げて解説しています。以下はその例です。</p><p><b>SLO とエラー バジェット:</b> 2016 年、チームは基本的な可用性指標と手動のエラー バジェット ポリシーに依存していました。現在は、動的なバーンレート アラートと自動化されたポリシー適用を組み込んだ、ユーザー中心の多層 SLO へと成熟しています。</p><p><b>モニタリングとオブザーバビリティ:</b> 初期のセットアップは、静的なダッシュボード、基本的なログ、手動のアラート トリアージが中心でした。最新のオブザーバビリティは、OpenTelemetry、分散トレース、自動化された異常相関を活用して、根本原因を迅速に特定します。</p><p><b>自動化とプラットフォーム:</b> 運用は、個別のタスク用にカスタム スクリプトを作成することから、宣言型の Infrastructure as Code、社内開発者プラットフォーム、復元力のある自己修復システムを使用することへと移行しています。</p><p><b>信頼性テスト:</b> 定期的なゲームデーや合成負荷テストのみに頼るのではなく、最新のエンジニアリングでは、継続的なレジリエンス チェック、自動化されたパイプライン テスト、本番環境でのライブカナリア検証を組み込んでいます。</p><p><b>容量とリソースの管理:</b> 手動でのプロビジョニングや静的な予測は、動的な自動スケーリング、クラウド FinOps との連携、GPU および TPU ワークロードに特化したコストとクラスタの最適化に置き換えられました。</p><p><b>組織モデル:</b> SRE は、特定のアプリケーションに割り当てられた専任チームの枠を超えて拡大しています。昨今の組織は、ハイブリッド モデル、プラットフォーム エンジニアリングとの統合、各プロダクト チームに配置された信頼性チャンピオンを取り入れています。</p><p><b>AI 時代の SRE</b></p><p>さらに、SRE と AI には相互に影響し合う 2 つの関係があります。それは、SRE が AI インフラストラクチャをいかに支えるか、そして SRE チームが AI を活用していかに運用の信頼性を高めるか、という点です。</p><p>大規模言語モデル（LLM）や基盤モデルを実行すると、信頼性に関する新たな課題が生じます。本書では、AI インフラストラクチャを大規模に運用するための次の手法を概説しています。</p><ul><li>大規模な GPU および TPU ハードウェア クラスタの信頼性とネットワーク トポロジの管理</li><li>AI 固有の非決定論的な出力とレイテンシ特性のモニタリング</li><li>継続的なモデル トレーニング、ファインチューニング、データ処理のためのパイプライン信頼性の確保</li></ul><p>AI は、信頼性エンジニアの能力を何倍にも引き上げる存在として急速に浸透しています。第 2 版では、人間の業務効率を向上させるための次の実践的なフレームワークを紹介しています。</p><ul><li>生成 AI ツールを使用して、リアルタイムのインシデント トリアージと事後分析の生成を支援</li><li>自然言語クエリを使用して複雑なシステム テレメトリーを調査</li><li>予測 ML モデルを使用して、サービス停止が発生する前にリソースのボトルネックを特定</li></ul><p><b>変わらない点: 文化の重要性</b></p><p>テクノロジーとアーキテクチャは進化し続けていますが、SRE の基本原則は変わらず、信頼性を重視する文化を確立するための鍵となっています。そのため、第 2 版では、システム エンジニアリングの人的要素と、それを実現する方法を改めて強調し、詳しく解説しています。</p><p>この分野の初心者、実務担当者、エンジニアリング マネージャー、テクノロジー エグゼクティブのどなたであっても、改訂された『Site Reliability Engineering』第 2 版は、次世代の本番環境システムの決定版ロードマップとして役立ちます。</p><p>書籍版（<a href="https://www.google.com/books/edition/_/iXnw0QEACAAJ?kptab=getbook">Google ブックス</a>を参照）またはデジタル版を<a href="https://www.oreilly.com/library/view/site-reliability-engineering/9798341607675/"> O'Reilly</a> から今すぐご注文いただけます。</p><p><i>- SRE プログラム マネージャー、</i><b><i>Betsy Beyer</i></b></p><p><b><i>-</i></b> <i>ソフトウェア エンジニア、サイト信頼性エンジニア、</i><b><i>David Huska</i></b></p>
</div>

Looker を活用した Agentic Data Cloud 向けの信頼できるデータアプリ

詳細を表示

※この投稿は米国時間 2026 年 10 月 13 日に、Google Cloud blog に投稿されたものの抄訳です。

ビジネス インテリジェンス ユーザーの皆様なら、このような状況に心当たりがあるのではないでしょうか。ほとんどのダッシュボードは標準化されたキャンバスと決められたグラフ ライブラリしか提供しておらず、「分析」といえば CSV をエクスポートして別のシステムへ持っていく作業に過ぎない、というケースです。あるいは、ダッシュボードのデザイン自体が課題となる場合もあります。エグゼクティブ ブリーフィング、顧客向けポータル、インタラクティブな説明コンテンツなどの理想像は頭にあっても、用意されているグリッドタイルだけではそれを具現化できない、というケースです。

いずれにしても、これまでの解決策はカスタム アプリケーションを構築することでした。AI の登場によりこのプロセスは加速し、今や動作するプロトタイプなら半日で作れるようになりました。しかし、最初のデモで味わう興奮はすぐに冷めてしまいます。ガバナンスの効いたデータ、行レベルのセキュリティ、インフラストラクチャの責任者、そして明確なセキュリティ レビューのプロセスがなければ、LLM によって生成されたツールは、本番環境に移行できない単なるプロトタイプに過ぎません。

このギャップを埋めるため、このたび Looker Data Apps（プレビュー版）を発表いたしました。これは、エージェント生成アプリケーションのスピード感と、既存の Looker フレームワークが持つガバナンス、セキュリティ、信頼性を兼ね備えたソリューションです。必要なものを平易な言葉で説明するだけで、エージェントが Looker 内でネイティブにホストされる、本番環境グレードの本格的なアプリケーションを構築します。

データアプリとは

データアプリとは、AI エージェントによって生成され、Looker 内でネイティブにホストされる、カスタムメイドのインタラクティブなウェブ アプリケーションです。ダッシュボードがトップダウンでの可視性を提供するのに対し、データアプリは特定の業務ワークフローに沿って設計された、直接アクションを起こせるシステムとして機能します。データアプリには、次のような特長があります。

  • 標準的なグリッドタイルの枠を超え、特定の業務役割や具体的なジョブに合わせて構成された、ピクセル パーフェクトなカスタム レイアウトを実現します。

  • ビジネス ユーザーがパラメータの入力、シナリオのテスト、ライブ シミュレーションの実行、さらには基盤データの更新までを行えるようにします。

  • データ分析を、ソースレコードの更新や ツール（Salesforce や Jira など）へのイベント送信といった業務実行タスクと直接連動させ、エンドツーエンドのビジネス プロセスを統合します。

<div class="article-module h-c-page">
  <div class="h-c-grid">


<figure class="article-image--large
  
  
    h-c-grid__col
    h-c-grid__col--6 h-c-grid__col--offset-3
    
    
  ">

  
  
    
    <img alt="1" src="https://storage.googleapis.com/gweb-cloudblog-publish/original_images/1_SS6pcLF.gif" />
    
    </a>
  
    <figcaption class="article-image__caption "><p>Looker のセマンティック レイヤに直接グラウンディングされた Claude Code や Antigravity CLI などの AI デベロッパー ツールを活用し、ピクセル パーフェクトなインターフェースを構築できます。</p></figcaption>
  
</figure>


  </div>
</div>

セマンティック レイヤをアプリケーション プラットフォームへ拡張

データアプリはダッシュボードを置き換えるものではなく、既存のダッシュボードやセマンティック レイヤの上に構築できる「可能性」をさらに広げるものです。

  • ダッシュボードが得意とするのは、集計データの可視化や受動的なレポート作成です。データアプリは能動的な業務実行に対応しており、ユーザーがパラメータを変更して後続のビジネスタスクを実行できるようにします。

  • ダッシュボードは、標準化されたグラフ ライブラリによって一貫性をもたらします。一方、データアプリは高い柔軟性を備えており、カスタム ウェブ コンポーネントや特有のインタラクションを実現できます。

  • データアプリは正確性を担保するため、ガバナンスの効いたデータに基づいています。ユーザーが KPI ダッシュボードで数値を確認するときも、データアプリで予算を調整するときも、すべてのロジックは LookML セマンティック レイヤで一元管理されます。そのため、指標の不一致やハルシネーションを排除できます。

<div class="article-module h-c-page">
  <div class="h-c-grid">


<figure class="article-image--large
  
  
    h-c-grid__col
    h-c-grid__col--6 h-c-grid__col--offset-3
    
    
  ">

  
  
    
    <img alt="2" src="https://storage.googleapis.com/gweb-cloudblog-publish/original_images/2_dLheVUo.gif" />
    
    </a>
  
    <figcaption class="article-image__caption "><p>カスタマイズ可能なマルチページのウェブアプリ エクスペリエンスと組み込みの運用ワークフローにより、分析をアクションに変換します。</p></figcaption>
  
</figure>


  </div>
</div>

エンタープライズ規模に対応

Looker Data Apps は、高度な要件と厳格なガバナンスが求められる企業向けに設計されています。

  • すべてのメジャーがセマンティック レイヤに基づく設計。構築したすべてのアプリは、既存のセマンティック モデルや行レベルのセキュリティ、アクセス制御をそのまま継承します。社内全体で計算の一貫性が維持されるほか、組み込みのクエリ検査機能により、チームは生成された SQL を 1 行ずつ監査して指標のハルシネーションを排除できます。

  • デフォルトでノーコード。エージェントが生成した React アプリケーションを、コードを書くことなく Looker 内に直接デプロイできます。また、Claude Code や Antigravity CLI などの LLM ツールを活用してインタラクティブなアプリを構築し、わずか数分でデータアプリとしてデプロイすることも可能です。

  • ランタイム トークンの費用は不要。LLM トークンが消費されるのは、アプリの設計や生成のときだけです。一度作成すれば、エンドユーザー操作はすべて、ネイティブな Looker API とモデルで実行されます。データアプリを利用するユーザーが 50 人でも 5,000 人でも、追加コストは発生しません。

  • ダッシュボードの埋め込みと同じくらい簡単。ダッシュボードを埋め込む際と同じワークフローで、データアプリを外部ポータルにデプロイできます。新しいパイプラインも、カスタム アプリケーション コードも、2 つ目の権限モデルも必要ありません。

プロトタイプから本番環境までわずか数分

基本的なダッシュボードで我慢するか、貴重なエンジニアリング時間を費やしてカスタム システムを構築するか、どちらかを選ぶ必要はもうありません。コンプライアンスやセキュリティの障壁によってプロトタイプがサンドボックス内でとん挫することはありません。Looker Data Apps を使えば、ガバナンスの効いた本番環境グレードのツールをわずか数分でデプロイできます。

Looker Data Apps は現在プレビュー版でご利用いただけます。ぜひ実際にお試しください。

- Google Cloud、グループ プロダクト マネージャー、Ani Jain

- Google Cloud、プロダクト マネージャー、Sharon Zhang

Google Cloud Blog (AI & ML)

Google named a Leader in the 2026 IDC MarketScape for Agentic AI Platforms

詳細を表示

As organizations work to leverage AI to transform their businesses, it is clear that the raw model intelligence is not the key challenge.

Consistently, we hear that the challenges lie in how the agents can be deployed across the company while meeting key requirements for quality, integration, security, and governance.

Gemini provides that connected foundation across the enterprise, and it’s why we believe Google was named a Leader in the inaugural IDC MarketScape: Worldwide Agentic AI Platforms 2026 Vendor Assessment1.

<div class="article-module h-c-page">
  <div class="h-c-grid">


<figure class="article-image--large
  
  
    h-c-grid__col
    h-c-grid__col--6 h-c-grid__col--offset-3
    
    
  ">

  
  
    
    <img alt="IDC image v2" src="https://storage.googleapis.com/gweb-cloudblog-publish/images/image_5_i5rXZEH.max-1000x1000.png" />
    
    </a>
  
    <figcaption class="article-image__caption "><p>IDC MarketScape vendor analysis model is designed to provide an overview of the competitive fitness of technology and suppliers in a given market. The research methodology utilizes a rigorous scoring methodology based on both qualitative and quantitative criteria that results in a single graphical illustration of each supplier’s position within a given market. The Capabilities score measures supplier product, go-to-market and business execution in the short-term. The Strategy score measures alignment of supplier strategies with customer requirements in a 3-5 year timeframe. Supplier market share is represented by the size of the icons.</p></figcaption>
  
</figure>


  </div>
</div>

Gemini meets work where it already happens

A viable agentic platform has to meet work where it already happens – and run under production-grade controls. Gemini is engineered to deliver developer velocity without compromising governance, built around four core differentiators:

1. Surfaces that connect builders and business teams

Gemini makes it so that every surface connects back to one universal foundation.

  • Where teams already work: Employees collaborate with Gemini directly inside Google Workspace, Microsoft 365, or team chats – the agent carries the same persistent memory, skills, and enterprise permissions across desktop and mobile without needing to switch tools.
  • Builder tools centered on choice: Gemini platform supports how developers want to work, spanning no-code and low-code builders in the studio to code-first workflows with the Agent Development Kit (ADK) and Antigravity.
  • Workflows that compound across the organization: When a team solves a complex workflow, they can package it into a shared skill published to a central Agent Registry. Gemini calls on these skills directly to execute tasks, turning proven procedures into reusable assets across the entire company.

2. Radical openness across models, enterprise data, and tools

Gemini adapts to the software you already run, not the other way around.

  • Model choice: Through Model Garden in Gemini platform, teams have direct access to over 200 models – including all of the breakthroughs from Google DeepMind like Gemini 4 Argon, day one access to the latest Anthropic models, and third-party and open models.
  • Grounding on your enterprise data: Gemini connects directly to live enterprise data across Google Cloud in BigQuery and Cloud Storage, as well as Salesforce, SAP, and others. Because Gemini inherits each employee's existing credentials, sensitive information stays governed at the source.
  • Open standards: Built on open protocols like MCP and A2A, Gemini can easily plug into your existing toolchains and communicate across multi-vendor environments.

3. Smarter token economics

Gemini optimizes cost, latency, and performance directly at the execution layer.

  • Matching tasks to the right model: By default, Gemini uses Auto mode for users, letting the platform match each step of a task to the right model dynamically. It defaults to a fast workhorse model like Gemini Flash, and escalates to a high-capacity frontier reasoning model only when task complexity requires it.
  • Reusable skills: Teams can package proven processes into shared skills. Your agents can execute against these established procedures, improving consistency and reducing repetitive token consumption across the company.
  • Budget guardrails: Administrators can set spending limits by project, department, or individual agent in the billing console. When a budget threshold is reached, new requests pause while active tasks are allowed to complete, giving finance and engineering predictable cost controls without abruptly interrupting in-progress work.

4. Built-in governance and security

Gemini incorporates enterprise governance natively, and at no additional cost.

  • Dedicated agent identity: Every agent receives its own distinct, authenticated identity governed by least-privilege permissions. When an agent takes action, every event is recorded in an audit trail tied directly to that identity and the identity of which user was using the agent for the task.
  • Isolated sandboxes: A sandboxed boundary keeps dynamic tasks strictly contained, protecting your underlying infrastructure, core network, and sensitive corporate data from being exposed or compromised.
  • Policy enforcement: Rather than relying on a model to self-police, Agent Gateway automatically applies corporate security policies, blocks data leakage, and ensures agents only access what they are explicitly authorized to touch.

Looking forward

At its core, Gemini is all about giving your organization an open, reliable platform where builders have choice and teams work with complete confidence.

We are honored by IDC MarketScape’s recognition of Google as a Leader, and we look forward to continuing this work alongside our customers.

Download the IDC MarketScape: Worldwide Agentic AI Platforms 2026 Vendor Assessment excerpt to learn why Google is named a Leader.

1. SOURCE: “Worldwide Agentic AI Platforms 2026 Vendor Assessment”, October 2026, IDC # US54140926.

前日
Archive
翌日