Cloud Storage 簡稱為 GCS ,是 Google 提供的 Object Storage,會把物件儲存在一個名叫 Bucket 的容器內,而 Bucket 還可以有類似劃分資料夾的功能稱 Managed Folders,可以針對這些資料夾加上個別的 IAM 來提供更精細的存取權限。對應其他的雲端服務是 :

  • Amazon Web Services (AWS) : Simple Storage Service (S3)
  • Microsoft Azure : Azure Blob Storage

Cloud Storage 是具有高性能 BLOB(Binary Large Object)儲存裝置,基本上可當成是近乎無限大的檔案儲存空間,不用預先配置容量也無需花費心力去管理容量,並提供 User 以 Google Web Console 介面 、SDK 或 RESTful API 的方式,簡單直觀地存取儲存的 Object。


Object Storage 中比較重要的特徵,是除了檔案本身之外還包含了該檔案的 metadata。 metadata 的內容包含: 檔案大小或是自己設定的 key-value 等等,而且每一個 Object 可以有自己的 Access control 設定。Cloud Storage 是一個無伺服器應用,它的 API 可以承受全世界用戶達數億次的 request,穩定而且強大,再加上本身權限控管已經足夠精細,可以不需要再用 FTP 去做檔案的分享跟傳輸。

Bucket

說到 Object Storage 就一定會提到 Bucket,每一個 object 都必須存放在某一個 Bucket 內。在創建 GCP Bucket 時也有些需要注意的地方:

Bucket Name

GCP 的 Bucket name 必須 globally unique,需要在整個 GCP 服務中都不能和其他人公司或使用者重複,原因是 Bucket name 會成為 URL 的一部分,也因此 Bucket name 要符合語法上有效的 DNS 名稱,所以名稱有限制 :

  • Bucket name 必須以數字或字母來開頭和結尾
  • 只能包含英文小寫、數字、破折號(-)、底線(_)和點(.),且注意包含點(.)的名稱會需要驗證,需參考官網說明
  • 名稱不能有空格
  • 名稱先簡單注意長度限制,限制長度是 3 ~ 63 個字元
  • 不能有類似 google 的字眼

刪除儲存桶後,任何人都可以在新儲存桶中重複使用其名稱,但注意名稱 release 會需要一些時間,有可能會長達數週不會被 release,並不是刪除後就可以馬上建立同樣名稱的 Bucket。

Bucket Location

Bucket 的 Location 是在創建存儲桶時就要設置的 建立 Bucket 完成之後,就無法更改其 Location 了,如果還是有移動 Location 的需求,解法是新建 Bucket 然後將資料移至這個新建的 Bucket。Location 的類型決定定價的方式,有 「multi-region」、「dual-region」、「region」可以選。

Storage Class

Storage Class 是一個 metadata 附加在每個 Object 上,依據自身‘需求, GCS 提供不同的儲存方案,此會影響 Object 的 Availability 和定價,可以讓儲存價格最佳化。

建立 Bucket 時,可以在 Bucket 級別上預設 Storage Class ,當 Object 加入 Bucket 時,除非 Object 自身有另外指定 Storage Class ,否則就會使用 Bucket 預設 Storage Class 來儲存。

對於每種 Class 都提供到達 99.999999999%,稱 11 個 9 的 durability。

目前最新的 Cloud Storage 功能上還有新增一個新選項為 Autoclass,由 GCP 自動推薦 Storage Class。

Minium storage duration,意指 object 最少需要存放的天數。例如 nearline storage 最少要放 30 天,如果沒有放超過時間就刪除、替換或移動該 object,就要另外付錢

補充一下 Archive storage,它適用於資料長期歸檔、online backup 和 災難恢復 disaster recovery 的資料備份。 Archive 和 Coldest 都屬於儲存不頻繁訪問的資料,但不同處是 Archive 中的資料可以在毫秒內訪問,因為 disaster recovery 時間是關鍵點, Archive storage 提供資料再需要時可以快速取得。

Protect Object Data

有 Data protection 設定,可以客製化設定如: Custom soft delete policy 、 Object Versioning 、Retention 等等,來防止誤刪檔案或用於恢復被覆蓋的 Object ; 再來還有 Data encryption 設定,encryption 進階還可以用 Cloud KMS 來進行 key 的管理。

Cloud Storage 和其他雲端產品的結合

Object Storage 特性上經常是用來當作「 網站靜態圖片」或者「 影片 」的儲存庫使用。舉例來說如果所有的影片都放在一個 Web Server 上,當 user 很多人來看影片的時候,主機 Loading 可能就會不堪負荷。這時常用的解法就會是把影片放到 Cloud Storage,自己 Web Server 就只是簡單 HTML 直接引用 Cloud Storag url,資料是從 Cloud Storage 出去而不是透過自己的 Web Server 再出去,可有效減少主機 Loading,這是一個主機效能優化很常見且重要的概念。

簡單上傳資料的話使用 gcloud storage 就足夠了,但若有大量資料傳送需求且需要排程設定,可以參考 Storage Transfer Service

1T 以下的資料用 gcloud storage 就可以了,大於 1T 可以考慮使用 Storage Transfer Service。

  • Load Balancer & CDN Bucket

    GCS 可以用來儲存靜態網頁,也提供使用 Load Balancer 的掛載方式,讓 GCS 作為 Load Balancer 的 Backend,進階還可以搭配上 Load Balancer 的 CDN 功能來進行 Cache 讓存取更加快速。可以參考 GoogleCloudPlatform-terraform-large-data-sharing-java-webapp

「gcloud-cli」V.S 「gsutil」

先說結論:

以使用 gcloud-cli 的 storage 功能為優先,gsutil 並不是 google 官方推薦的 CLI

可以直接從官方網站中 gsutil 頁面看到類似的敘述。因為新的 gcloud storage CLI 提供了顯著的性能改進(參照 title 連結說明),也保持一致的方式來管理所有 Google Cloud 資源,不用因為 cloud storage 而特別使用一個特定 lib 。這邊也特別注意一下,儘管 Google 都已經在很多 GCS 官方文件上都註明一個醒目的警告標語說:

gsutil 不是 GCS 推薦的 CLI,用戶應該改用 gcloud

而且相關資訊已經公告從 2022 開始,直到今天也算過蠻久的了,但現在很多 LLM 語言模型還是會推薦首選 gsutil 而不是 gcloud。畢竟 gsutil 從 2016 年就開始發展了,所以至今有太多範例都還是使用 gsutil,因此 LLM 模型都有非常大的機率採用 gsutil 而不是 gcloud,這也是 LLM 現在蠻容易遇到的問題之一…


參考資料