과정:교재

https://shorturl.at/AXgfR 계정 :

= https://hifrodo.notion.site/GCP-24fd7b89fadd80cbab66dcd41e8794d9

구글 meet : https://shorturl.at/2w1Aj

구글 인프라 위치: https://cloud.google.com/about/locations

name / id / pswd / project / 접속사이트

구글 콘솔 조정기 / gcp19@it-tech.kr / Hpedu01!) / edu04-frodo / https://console.cloud.cloud.google.com/

https://console.cloud.google.com/compute/overview?project=edu04-frodo-04

빠른 액세스

머신유형 구조:

이 이미지는 GCP(Google Cloud Platform)의 머신 유형 구조에 대한 링크 목록을 보여줍니다. 각 링크는 서로 다른 유형의 머신(예: 범용, 컴퓨팅 최적화, 메모리 최적화, 가속기 최적화)에 해당합니다. 각 머신 유형의 기능에 대해 자세히 설명드리기 위해 다음 정보를 알려주세요:

단순한 개념 설명이 필요한가요, 아니면 기술적인 비교 분석이 필요한가요?
각 머신 유형의 사용 사례(예: 데이터 분석, 머신러닝, 웹 서버 등)에 대한 정보도 필요하신가요?
특정 머신 유형에 대해 더 집중해서 알고 싶으신 것이 있으신가요?

원하시는 깊이와 범위를 알려주시면 더욱 정확한 설명을 드릴 수 있습니다.

머신 유형 구조

범용 머신: https://cloud.google.com/compute/docs/general-purpose-machines

컴퓨팅 최적화 머신: https://cloud.google.com/compute/docs/compute-optimized-machines

메모리 최적화 머신: https://cloud.google.com/compute/docs/memory-optimized-machines

가속기 최적화 머신 제품군: https://cloud.google.com/compute/docs/accelerator-optimized-machines

<이미지>

01. Public 이미지-Google, 서드 파티 공급업체, 커뮤니티/프리미엄 이미지(p)

Linux-CentOS, CoreOS, Debian, RHEL(p), SUSE(p), Ubuntu, openSUSE, FreeBSD

Windows-Windows Server 2019(p), 2016(p), 2012-r2(p)

Windows에 사전 설치된 SQL Server(p)

02. 커스텀 이미지

VM에서 새 이미지 만들기: 사전 구성되어 설치된 SW

온프렘, 워크스테이션, 다른 클라우드에서 가져오기

관리 기능: 이미지 공유, 이미지 계열, 지원 중단

<부팅 디스크>

VM에는 단일 루트 영구 디스크가 제공됩니다.

이미지는 최초 부팅 중에 루트 디스크에 로드됩니다.

-부팅 가능: VM에 연결하고 VM에서 부팅할 수 있습니다.

-내구성: VM 종료 후에도 유지됩니다.

일부 OS 이미지는 Compute Engine에 맞게 맞춤설정됩니다.

'인스턴스 삭제 시 부팅 디스크 삭제'가 사용 중지된 경우 VM 삭제 후에도 유지될 수 있습니다.

네트워크 스토리지가 블록 기기로 표시됨

네트워크 인터페이스를 통해 VM에 연결됨

내구성 있는 스토리지: VM 종료 후에도 유지될 수 있음

부팅 가능: VM에 연결하고 VM에서 부팅할 수 있음

스냅샷: 증분 백업

GCP의 다양한 머신 유형에 대해 각각의 기능과 사용 사례를 자세히 설명하고, 각 항목에 해당하는 공식 문서 URL도 함께 제공하겠습니다. 잠시만 기다려 주세요. 작업이 완료되면 바로 알려드릴게요.

Google Cloud Platform의 머신 유형 구조

1. 범용 머신 (General-purpose machines)

개요: 범용 머신 패밀리는 CPU와 메모리의 비율이 균형 잡혀 있어 대부분의 일반적인 워크로드에 최적화된 인스턴스 유형입니다. 최고의 가성비를 자랑하며 vCPU와 메모리 구성의 유연성이 높아, 웹 애플리케이션부터 데이터베이스까지 폭넓은 클라우드 워크로드를 지원합니다. GCP의 범용 머신 계열에는 사전 정의된 인스턴스 타입뿐 아니라 사용자가 vCPU와 메모리 용량을 임의 조합할 수 있는 커스텀 머신 타입도 제공되어 다양한 요구에 대응할 수 있습니다.

주요 기능과 장점: 범용 머신은 표준, 고메모리(highmem), 고CPU(highcpu) 등 여러 구성으로 제공되어 워크로드에 맞게 선택할 수 있으며, 전반적으로 균형 잡힌 성능을 제공합니다. 예를 들어 N2, N2D, E2, C3/C4 등의 시리즈가 여기에 해당하며, 인텔, AMD, ARM 등 다양한 CPU 아키텍처를 활용합니다. 일반적으로 1 vCPU당 약 0.5~8 GB 수준의 메모리를 할당하여 CPU와 메모리 자원이 균형 있게 배분되며, 커스텀 머신을 통해 원하는 비율로 조정할 수도 있습니다. 또한 지속 사용 할인(SUD)이나 약정 사용 할인(CUD) 등 비용 최적화 옵션을 활용하면 가장 경제적으로 인스턴스를 운용할 수 있습니다.

적합한 사용 사례: 범용 머신은 일반적인 서버 환경에 두루 적합합니다. 예를 들어:

웹 및 애플리케이션 서버 (중간 트래픽의 웹사이트, 백엔드 서비스 등)
컨테이너 마이크로서비스 및 API 서버
업무용 애플리케이션 (CRM, ERP 등) 및 비즈니스 인텔리전스 앱
개발/테스트 환경 또는 스테이징 서버
중소 규모 데이터베이스 및 캐시 서버 (메모리/CPU 요구가 특별히 치우치지 않은 경우)

이 외에도 범용 머신은 특별한 최적화가 필요 없는 일반 워크로드 전반에 사용할 수 있습니다.

공식 문서: Compute Engine 범용 머신 계열

2. 컴퓨팅 최적화 머신 (Compute-optimized machines)

개요: 컴퓨팅 최적화 머신 패밀리는 CPU 성능을 극대화하도록 설계된 인스턴스 유형입니다. 코어당 최고 수준의 연산 성능을 제공하며, 고성능 컴퓨팅(HPC), 멀티 노드 병렬 처리, CPU 집약적 애플리케이션 실행에 최적화되어 있습니다. 이러한 머신은 아키텍처적으로 비균일 메모리 접근(NUMA) 등의 기술을 활용하여 일관되고 신뢰성 높은 성능을 보장합니다. 한마디로, 코어 하나하나의 속도와 지속적인 처리 성능이 중요한 워크로드에 적합한 머신 유형입니다.

주요 기능과 장점: 컴퓨팅 최적화 VM은 고클럭의 물리 코어를 기반으로 하며, 일부 시리즈는 **동시 멀티스레딩(SMT)**을 비활성화하여 하나의 vCPU가 물리 코어 1개에 대응함으로써 최대의 단일 스레드 성능을 냅니다. 또한 NUMA 최적화로 메모리 대역폭 지연을 최소화하여 대규모 연산 시에도 균일한 성능을 제공합니다. 일반적으로 vCPU당 메모리 할당량이 상대적으로 적거나 고정적(예: 4GB/vCPU 등)이며, 최고 수준의 연산 속도를 얻는 대가로 메모리 용량은 필요 최소한만 포함하는 구성이 많습니다. 대표적인 시리즈로는 인텔 기반의 C2(최대 60 vCPU) 및 AMD 기반의 C2D(최대 112 vCPU) 등이 있으며, 최신 HPC 전용 시리즈인 H3, H4 등은 단일 VM이 전체 호스트의 모든 코어를 전용하도록 설계되어 매우 높은 집약도의 연산 작업에 대비합니다.

적합한 사용 사례: 컴퓨팅 최적화 머신은 CPU 성능이 병목이 되는 작업에 가장 적합합니다. 예를 들어:

고성능 과학/공학 계산(HPC) – 예: 기상 시뮬레이션, 유체 역학 계산, 유전체 분석, 수치 모델링 등 대규모 연산
대규모 웹/게임 서버 – 예: AAA 게임 서버, 고트래픽 웹 서버, 광고 서버 등 다수 요청을 짧은 응답시간 내 처리해야 하는 서비스
미디어 처리 및 변환 – 예: 동영상 트랜스코딩/인코딩, 실시간 스트리밍 서버 (CPU로 코덱 변환 등)
고성능 데이터베이스 – 예: 연산량이 많은 분석 DB, 인메모리 DB(메모리보다 CPU연산에 더 의존적인 경우)
전자 설계 자동화(EDA) 및 금융 모델링 – 매우 짧은 지연 내 대규모 연산을 반복 실행하는 워크로드

위와 같은 사용 사례에서 컴퓨팅 최적화 VM은 탁월한 단일 스레드 성능과 예측 가능한 성능 스케일링으로 이점을 제공합니다. 다만 이러한 머신들은 일반 VM 대비 단가가 높으므로, CPU를 최대한 활용하는 워크로드에만 사용하는 것이 유리합니다.

공식 문서: Compute Engine 컴퓨팅 최적화 머신 계열

3. 메모리 최적화 머신 (Memory-optimized machines)

개요: 메모리 최적화 머신 패밀리는 메모리 용량을 극대화한 인스턴스 유형으로, vCPU 대비 메모리 비율이 일반 범용 머신의 highmem 타입보다도 훨씬 높습니다. 한 대의 VM이 테라바이트(ＴＢ)급 메모리를 활용할 수 있도록 설계되었으며, 대규모 메모리가 필요한 워크로드에 적합합니다. 예를 들어 SAP HANA와 같은 초대형 인메모리 데이터베이스, 방대한 데이터를 메모리 상에서 처리하는 OLAP/데이터 분석 작업, 또는 메모리 집약적인 HPC 시뮬레이션 등이 이에 해당합니다. 메모리 최적화 계열은 Compute Engine의 모든 머신 유형 중 가장 많은 메모리 자원을 제공하며, 필요 시 베어메탈 서버 형태로도 구성되어 단일 인스턴스에서 수십 TB의 메모리를 활용할 수 있습니다.

주요 기능과 장점: 이 머신 계열의 가장 큰 장점은 vCPU당 메모리 용량이 크고 메모리 대역폭이 높다는 것입니다. 일반 VM 인스턴스에서도 수 TB 규모의 메모리를 제공하며, 전용 호스트를 사용하는 베어메탈 인스턴스의 경우 최대 32TB까지 메모리를 확보할 수 있습니다. 메모리 용량이 크기 때문에 메모리 당 비용(GB당 비용) 역시 다른 머신보다 유리하여, 동일 메모리 용량을 사용할 경우 범용 VM보다 경제적인 측면이 있습니다. GCP에서는 M1, M2, M3, M4 시리즈의 VM 인스턴스 (예: M2의 최대 12TB 메모리)와 X4 베어메탈 시리즈(16~32TB 메모리)를 메모리 최적화 옵션으로 제공합니다. 메모리 최적화 VM은 보통 고사양의 CPU도 함께 제공하지만, 코어 하나당 메모리 크기가 특별히 크게 할당되는 것이 특징입니다 (예: M1에서는 vCPU 1개당 최대 24GB 메모리 등).

적합한 사용 사례: 메모리 최적화 머신은 메모리 용량이 성능을 좌우하는 워크로드에 적합합니다. 예를 들어:

대용량 인메모리 데이터베이스 – SAP HANA, Oracle TimesTen 등 전체 데이터를 메모리에 올려 운용하는 DB
메모리 기반 데이터 분석 및 캐싱 – 빅데이터 OLAP 처리, 대규모 Redis/메모리 캐시 서버, 실시간 분석 엔진 등
대규모 그래프 처리 및 시뮬레이션 – 그래프 DB, 기계 학습에서의 거대 모델Inference(메모리 상에 수십 GB 모델 로드) 등
과학/공학 분야의 메모리 집약적 작업 – 전산 유전체학, 시뮬레이션 및 모델링(메시 자료구조 등 메모리 사용량 큰 HPC)

이처럼 메모리 사용량이 많은 작업에 대해서 메모리 최적화 VM은 가장 낮은 메모리당 비용으로 최대의 메모리 풀을 제공하므로, 시스템을 단순화하고 성능을 높일 수 있습니다. 단, 고사양인 만큼 비용이 매우 높기 때문에, 실제로 거대한 메모리가 필요한 경우에만 활용하는 것이 바람직합니다.

공식 문서: Compute Engine 메모리 최적화 머신 계열

4. 가속기 최적화 머신 (Accelerator-optimized machines)

개요: 가속기 최적화 머신 패밀리는 **GPU(그래픽 처리 장치)**가 사전 장착된 특수 목적 VM 인스턴스입니다. NVIDIA 등의 고성능 GPU와 연계되어 동작하도록 설계되었으며, 인공지능(AI) 모델 학습, 머신러닝(ML), 고성능 컴퓨팅(HPC), 그리고 그래픽/시각화 같이 병렬 연산 성능이 요구되는 워크로드에 최적화되어 있습니다. 즉, 일반 VM으로 처리하기 어려운 대규모 행렬 연산이나 **병렬 벡터 연산(CUDA 등)**이 핵심인 작업에 적합한 인스턴스 유형입니다. 이러한 VM은 인스턴스 생성 시 이미 특정 GPU 모델이 장착되어 나오므로, 별도의 GPU 설치 없이 곧바로 사용할 수 있다는 장점이 있습니다.

주요 기능과 장점: 가속기 최적화 머신의 가장 큰 특징은 GPU 자원을 VM과 함께 제공한다는 점입니다. 예를 들어 GCP의 A2 시리즈 VM은 NVIDIA의 Ampere A100 GPU를 1개부터 최대 16개까지 포함하며, 그에 대응하는 vCPU (예: 12~96 vCPU)와 수백 GB~1TB 이상의 메모리가 함께 할당됩니다. 최신 A3/A4 시리즈는 NVIDIA H100 등 보다 강력한 GPU를 포함하고, 한 VM에서 다수의 GPU를 초고속 NVLink 또는 전용 네트워크로 묶어 AI 슈퍼컴퓨터와 유사한 환경을 제공합니다. 또한 이러한 VM들은 GPU 간 통신을 위한 초고속 네트워킹 대역폭을 지원하여, 분산 학습 시 오버헤드를 줄입니다. 요약하면, 가속기 최적화 VM은 GPU 가속을 필요로 하는 작업을 손쉽게 클라우드에서 수행할 수 있게 해주며, 일반 VM 대비 짧은 시간에 방대한 연산을 처리할 수 있습니다.

적합한 사용 사례: GPU가 장착된 가속기 최적화 머신은 다음과 같은 특수 워크로드에 활용됩니다:

딥러닝 모델 학습 – 대규모 **AI 모델(예: 대형 언어 모델, 딥 뉴럴네트워크)**의 훈련. GPU 병렬 연산으로 학습 시간을 단축
머신러닝 추론 서비스 – 실시간 대량 ML 추론(예: 추천 시스템, 영상 인식) 등 GPU로 지연을 줄일 수 있는 작업
GPU 가속 HPC 작업 – 예: 분자 동역학, 유전학 시뮬레이션, 과학 계산 등 GPU의 병렬 계산 능력을 활용하는 HPC 워크로드
그래픽 및 시각화 – 3D 렌더링, 비디오 인코딩, 가상 워크스테이션(CAD/CG 작업) 등 GPU 기반 그래픽 연산이 필요한 경우

이러한 작업들은 GPU의 병렬 처리 능력으로만 현실적인 시간 안에 처리 가능하므로, 가속기 최적화 VM을 사용하면 온프레미스 급의 대규모 GPU 인프라를 즉시 활용하는 효과를 얻습니다. 다만 GPU 인스턴스는 비용이 매우 높게 책정되어 있으므로, 다른 범용/최적화 VM으로 충분히 처리되지 않는 경우에 한해 선택하는 것이 일반적입니다.

공식 문서: Compute Engine 가속기 최적화 머신 계열

머신 유형별 주요 사양 비교

각 머신 유형의 대표적인 vCPU 및 메모리 스펙 범위와 특징을 표로 비교하면 다음과 같습니다:

머신 패밀리 유형	vCPU 규모<sup>1</sup>	메모리 규모<sup>2</sup>	주요 특성 (요약)
범용 (General-purpose)	소형 2 vCPU ~ 대형 최대 384 vCPU	수 GB ~ 최대 약 3 TB	가격 대비 성능 우수, vCPU-메모리 비율 균형 (대부분의 일반 워크로드에 적합)
컴퓨팅 최적화 (Compute)	4 vCPU ~ 최대 192 vCPU	수십 GB ~ 최대 약 1.5 TB	코어당 최고 성능 제공, 고클럭/단일스레드 성능 최적 (CPU집약적 작업용)
메모리 최적화 (Memory)	(VM 인스턴스) 최대 224 vCPU (베어메탈: 최대 1920 vCPU)	(VM 인스턴스) 최대 12 TB (베어메탈: 최대 32 TB)	vCPU당 메모리 용량 매우 큼, 테라바이트급 메모리 활용 (대용량 인메모리 워크로드용)
가속기 최적화 (Accelerator)	12 vCPU ~ 최대 224 vCPU	수백 GB ~ 최대 약 4 TB	NVIDIA GPU 탑재 (최대 16개+ GPU 구성), 대규모 병렬연산/AI 워크로드 특화

<sup>1</sup> vCPU 규모: 각 머신 유형에서 제공되는 가상 CPU 개수의 범위 (단일 인스턴스 기준). 범용/컴퓨팅/메모리 최적화 VM은 필요에 따라 소형부터 수백 vCPU까지 구성 가능하며, 특히 메모리 최적화 베어메탈 인스턴스는 물리 코어 전체를 활용하여 1000+ vCPU도 활용할 수 있습니다.

<sup>2</sup> 메모리 규모: 인스턴스별 메모리 용량 범위. 범용/컴퓨팅 VM은 수 GB에서 수백 GB 수준이며, 메모리 최적화 VM은 단일 VM에 **TB(테라바이트)**급 메모리를 제공합니다. 가속기 최적화 VM의 메모리 용량은 장착된 GPU 수량과 인스턴스 유형에 따라 결정되며 (예: A2-ulgargpu-16g는 16×A100 GPU와 약 1.3TB 메모리) GPU 연산에 맞춰 고대역폭 메모리 구성을 갖습니다.

시작 스크립트

GCP VM 메타데이터는 VM 인스턴스와 관련된 환경정보, 사용자 정의 값, 시스템 정보 등을 저장하고, VM 내부와

외부에서 모두 접근할 수 있는 정보 저장소로

시스템 메타데이터와 사용자 정의 메타데이터가 있습니다.

시스템 메타데이터 예로는 GCP가 제공하는 정보로 아래와 같은 것들이 있습니다.

instance/hostname: VM의 호스트 이름

instance/id: VM의 고유 ID

instance/zone: VM이 속한 영역(Zone)

instance/service-accounts/: 연결된 서비스 계정과 OAuth 토큰

project/project-id: VM이 속한 프로젝트 ID

사용자 정의 메타데이터를 통해서는 Key Value 형태의 값을 추가 할 수 있습니다.

예) env=prod같이 환경 변수를 주입 할 수 있습니다.

성능: 크기에 따라 확장

HDD 또는 SSD

디스크 크기 조정: 실행 중이며 연결된 상태에서도 가능

여러 VM에 읽기 전용 모드로 연결할 수 있음

영역 또는 리전

O pd-standard

O pd-ssd

O pd-balanced

pd-extreme(영역만 해당)

암호화 키:

Google 관리

고객 관리

고객 제공

GCP 과정 목적 / 해당 과정은 Cloud 사용 경험이 있는 상태에서,

1. 과정 개요

대상: AWS, Azure 등 다른 클라우드 사용 경험은 있으나 GCP는 처음 접하시고 GCP를 이용하여 Application을 배포하고자 하시는 분
목적: GCP의 기본 개념과 구조를 이해하고, 실제 VM을 배포할 수 있을 만큼의 기초 역량 확보

초기 설문

hifrodo@gmail.com 으로 다음 내용을 보내 주세요

Mail 제목 : gcp-수강 목적-성함

과정 수강 목적 : (GCP를 선택한 목적 등에 대해서 자유롭게 기술 해주세요)
Cloud 사용 경험 : (잘 사용함, 사용 경험 있음, 사용 경험 없음)
사용해본 Cloud 종류: (예 : AWS)
기타 요구 사항:

1-2 Network 실습 2

VM 연결 명령어

gcloud compute ssh vm-internal --zone us-central1-c --tunnel-through-iap

3-2 가상 머신 생성 실습

#! /bin/bash
set -eux

MD="<http://metadata.google.internal/computeMetadata/v1/instance/attributes>"
HDR="Metadata-Flavor: Google"
ENV_VAL=$(curl -s -H "$HDR" "$MD/env" || echo "default")

# 네트워크 준비 대기 (최대 60초)
for i in {1..12}; do
  ping -c 1 metadata.google.internal && break
  sleep 5
done

dnf install -y epel-release
dnf makecache
dnf install -y nginx

echo "<h1>Environment: $ENV_VAL</h1>" > /usr/share/nginx/html/index.html

systemctl enable nginx
systemctl start nginx

3-3 가상 머신 생성 실습

작업 중인 PC에서 startup.sh 파일을 만들고 아래 내용을 입력 합니다. 아래 파일은 노트패드를 사용하지 말고 가급적이면 shell을 활용해서 작성하되 사용이 어려울 경우 아래 파일을 다운로드 받아 사용합니다.

startup.sh

#!/bin/bash
set -euo pipefail

# 로그 남기기
exec > >(tee -a /var/log/startup-script.log) 2>&1
echo "[$(date -Is)] startup-script begin (Debian + Nginx)"

MD="<http://169.254.169.254/computeMetadata/v1>"
HDR="Metadata-Flavor: Google"

# 메타데이터 서버 대기
for i in {1..30}; do
  if curl -fsI -H "$HDR" "$MD/"; then
    break
  fi
  sleep 2
done

# env 읽기(없으면 default)
ENV_VAL=$(curl -fs -H "$HDR" "$MD/instance/attributes/env" || echo "default")
echo "ENV_VAL=$ENV_VAL"

export DEBIAN_FRONTEND=noninteractive

# apt 재시도
for i in {1..5}; do
  if apt-get update && apt-get install -y nginx; then
    echo "apt ok on try $i"
    break
  fi
  echo "apt failed try $i; retrying..."
  sleep 5
done

mkdir -p /var/www/html
echo "<h1>Environment: $ENV_VAL</h1>" > /var/www/html/index.html

systemctl enable nginx
systemctl restart nginx

echo "[$(date -Is)] startup-script done"

5-1 Application 배포하기

<!DOCTYPE html>
<html>
<head>
    <meta charset="UTF-8">
    <title>테스트 페이지</title>
</head>
<body>
    <h1>간단한 테스트 페이지</h1>
    <img src="**앞에서 만든 Public으로 노출한 퍼킷의 오브젝트 주소"** alt="테스트 이미지">
</body>
</html>

vi 없이 실행하기

cat <<'EOF' > index.html
<!DOCTYPE html>
<html>
<head>
    <meta charset="UTF-8">
    <title>테스트 페이지</title>
</head>
<body>
    <h1>간단한 테스트 페이지</h1>
    <img src="https://**앞에서 만든 Public으로 노출한 퍼킷의 오브젝트 주소**" alt="테스트 이미지">
</body>
</html>
EOF

python3 -m http.server 8000

GCP STUDY=

001. 클라우드 컴퓨팅의 특징 5가지를 제시해줘

002. IAM 보안주체에 대해 간략해 설명해줘

003.

클라우드 컴퓨팅(클라우드 데이터 센터(리전, 존)

- 네트워크환경(VPC)설정- 서브넷-IAM보안주체 -

- 구글(VM웨어,가상머신, 컴퓨터 엔진보안주체 - 구글계정, 서비스어카운트

골드 케이지? 골드케이지

알바천국- SK데이타센터 -광케이블-

Windows에 PowerShell 설치

Microsoft Learn

https://learn.microsoft.com › Learn › PowerShell

2025. 12. 17. — Windows에서 PowerShell을 설치하는 방법에는 여러 가지가 있습니다. 각 설치 방법은 다양한 시나리오와 워크플로를 지원하도록 설계되었습니다.

WinGet을 사용하여...

MSI 패키지 설치

[IT직종] GCP(Goolge Cloud platform) 활용한 클라우드 운영 기초

단원명	교육시간	교육방법	주요내용
GCP 소개	2	이론	• Google Cloud의 특징 및 소개 • GCP(Google Cloud Platform)서비스 소개
GCP IAM	2	이론/실습	• GCP(Google Cloud Platform) IAM 개념 설명 및 실습
GCP Network	2	이론/실습	• GCP(Google Cloud Platform) 인프라 및 Network 기능 소개
GCP 보안 기능	1	이론/실습	• GCP(Google Cloud Platform) Firewall 기 능소개 및 구성
GCP 생성	2	이론/실습	• GCP(Google Cloud Platform) Compute Engine 생성 및 연결
GCP 저장소 관리	2	이론/실습	• GCS에 데이터 저장하기
계	12

가.

일차	시간	단원명	세부 학습 내용	교육 방법
1 일차	10:00-11:00	Google Cloud 소개	클라우드 기본 개념 및 Google Cloud 소 개	이론
	11:00-12:00	GCP(Google Cloud Platform) 서비스 소개	GCP(Google Cloud Platform)서비스 소개	이론
	12:00-13:00	GCP(Google Cloud Platform) IAM	GCP(Google Cloud Platform) IAM이란 조직 Project 및 리소스 접근에 대한 소개	이론
	14:00-15:00	GCP(Google Cloud Platform) IAM	GCP(Google Cloud Platform) IAM 적용 실습	실습
	15:00-16:00	GCP(Google Cloud Platform) Network에 대한 이해	Prorject와 Network(VPC)의 개념 및 종류 Subnet에 대한 이해	이론
	16:00-17:00	GCP(Google Cloud Platform) Network에 대한 이해	VPC 및 Subnet 생성 실습	실습
2 일차	09:00-10:00	GCP(Google Cloud Platform) 보안	Firwall 기능 이해 및 구성	이론/ 실습
	10:00-11:00	GCP(Google Cloud Platform) Compute Engine 생성	Compute Engine 서비스 설명 및 생성	이론/ 실습
	11:00-12:00	GCP(Google Cloud Platform) Compute Engine 생성	Compute Engine 연결을 위한 키 생성 및 접속	이론/ 실습
	12:00-13:00	GCP(Google Cloud Platform) Compute Engine 생성	Compute Engine을 활용한 Application 배포	이론/ 실습
	14:00-15:00	GCP(Google Cloud Platform) 저장소 관리	GCP 스토리지 종류와 GCS 학습	이론
	15:00-16:00	CP(Google Cloud Platform) 저장소 관리	GCS 버킷 생성 및 데이터 저장	실습/평 가

startup-7days

2026년 1월 9일 금요일

GCP(Goolge Cloud platform) 활용한 (소유에서 사용) -리소스 pool - 클라우드 운영 기초

빠른 액세스

Google Cloud Platform의 머신 유형 구조

1. 범용 머신 (General-purpose machines)

2. 컴퓨팅 최적화 머신 (Compute-optimized machines)

3. 메모리 최적화 머신 (Memory-optimized machines)

4. 가속기 최적화 머신 (Accelerator-optimized machines)

머신 유형별 주요 사양 비교

GCP 과정 목적 / 해당 과정은 Cloud 사용 경험이 있는 상태에서,

1. 과정 개요

초기 설문

1-2 Network 실습 2

VM 연결 명령어

3-2 가상 머신 생성 실습

3-3 가상 머신 생성 실습

5-1 Application 배포하기

Windows에 PowerShell 설치

댓글 없음:

자동차 전면 유리 제상(Defrost/De-icing) 성능”**을 ANSYS Fluent로 해석 ///

신고하기

태그

구독

2026년 1월 9일 금요일

GCP(Goolge Cloud platform) 활용한 (소유에서 사용) -리소스 pool - 클라우드 운영 기초

빠른 액세스

Google Cloud Platform의 머신 유형 구조

1. 범용 머신 (General-purpose machines)

2. 컴퓨팅 최적화 머신 (Compute-optimized machines)

3. 메모리 최적화 머신 (Memory-optimized machines)

4. 가속기 최적화 머신 (Accelerator-optimized machines)

머신 유형별 주요 사양 비교

GCP 과정 목적 / 해당 과정은 Cloud 사용 경험이 있는 상태에서,

1. 과정 개요

초기 설문

1-2 Network 실습 2

VM 연결 명령어

3-2 가상 머신 생성 실습

3-3 가상 머신 생성 실습

5-1 Application 배포하기

Windows에 PowerShell 설치

댓글 없음:

자동차 전면 유리 제상(Defrost/De-icing) 성능”**을 ANSYS Fluent로 해석 ///