Lecciones en español / Cloud Digital Leader / Hoja de repaso · English

Hoja de repaso de Cloud Digital Leader Cloud Digital Leader

Cada consejo para el examen y término clave de las lecciones gratuitas de Cloud Digital Leader, por dominio. Usa la opción Imprimir de tu navegador para guardarla como PDF.

Dominio 1: Digital transformation with Google Cloud (17%)

Consejos para el examen

Si una respuesta solo cambia dónde se ejecutan los servidores pero no cómo funciona el negocio, es migración, no transformación. Busca respuestas sobre velocidad, experimentación, decisiones basadas en datos y nuevo valor para el cliente.
La escalabilidad trata de poder crecer; la elasticidad es crecer y reducirse automáticamente con la demanda. Una pregunta que menciona picos cortos seguidos de periodos tranquilos apunta a la elasticidad.
La nube traslada el gasto de CapEx a OpEx, no al revés. Cuando una pregunta menciona costos ocultos como energía, enfriamiento o personal, está evaluando el TCO.
Busca las palabras 'on-premises' o 'nuestro propio centro de datos' en el escenario. Si aparecen junto con una nube pública, la respuesta es híbrida; si solo aparecen varias nubes públicas, es multinube.
Relaciona productos con modelos: Compute Engine es IaaS, App Engine es PaaS, Cloud Run y Cloud Run functions son serverless, Google Workspace es SaaS. El cliente siempre administra sus datos y el acceso, en todos los modelos.
Cualquier respuesta que diga que el proveedor se vuelve responsable de los datos del cliente o de las decisiones de acceso es incorrecta. La pregunta suele evaluar qué capa pasa al proveedor conforme vas de IaaS a PaaS a SaaS.
Las zonas protegen contra la falla de un centro de datos; las regiones protegen contra un desastre regional más grande y ayudan con la latencia y la ubicación de los datos. Los PoPs del borde sirven para que el tráfico entre a la red de Google cerca de los usuarios, no para ejecutar tus VMs.
Una respuesta lenta con poca carga en el servidor suele indicar latencia por distancia, que se resuelve eligiendo regiones más cercanas o un CDN. Las transferencias masivas lentas indican un ancho de banda limitado.
Cuando una pregunta mencione portabilidad, flexibilidad entre entornos o evitar la dependencia de un proveedor, busca código abierto, estándares abiertos o Kubernetes en las respuestas.
Cuando la tecnología ya está en su lugar pero los resultados son malos, la respuesta suele tener que ver con cultura, habilidades, estructura de equipos o procesos, no con comprar más recursos en la nube.

Términos clave

Cloud computing (computación en la nube): Acceso bajo demanda a recursos de cómputo compartidos a través de una red, pagados según el uso.
Digital transformation (transformación digital): Uso de tecnología digital para cambiar cómo opera una organización, cómo atiende a sus clientes y cómo crea valor.
On-demand self-service (autoservicio bajo demanda): Los usuarios aprovisionan recursos por sí mismos, cuando los necesitan, sin interacción humana con el proveedor.
Measured service (servicio medido): El uso de recursos se mide y se reporta, lo que permite la facturación de pago por uso.
Scalability (escalabilidad): Capacidad de aumentar la capacidad para manejar más carga, escalando vertical u horizontalmente.
Elasticity (elasticidad): Agregar y quitar recursos automáticamente según cambia la demanda, de modo que la capacidad sigue a la carga.
Agility (agilidad): Capacidad de moverse rápido: aprovisionar, experimentar y cambiar de rumbo con poco retraso o costo.
Reliability (confiabilidad): Capacidad de un servicio de seguir funcionando correctamente cuando fallan componentes.
Capital expenditure (CapEx, gasto de capital): Gasto inicial en activos de larga duración que se deprecian con el tiempo.
Operating expenditure (OpEx, gasto operativo): Gasto continuo en servicios y costos de operación, que se registra como gasto conforme se usa.
Total cost of ownership (TCO, costo total de propiedad): Todos los costos directos e indirectos de un sistema durante su vida útil, incluidos instalaciones, energía, personal y renovación.
Depreciation (depreciación): Distribuir contablemente el costo de un activo a lo largo de su vida útil.
On-premises (en las instalaciones propias): Infraestructura que la organización opera en instalaciones propias o arrendadas.
Private cloud (nube privada): Infraestructura al estilo de la nube dedicada a una sola organización.
Hybrid cloud (nube híbrida): Combinación de infraestructura on-premises o nube privada con una nube pública, funcionando juntas.
Multicloud (multinube): Uso de servicios de dos o más proveedores de nube pública.
IaaS: Infraestructura como servicio: máquinas virtuales, almacenamiento y redes, y el cliente administra el sistema operativo y lo que está por encima.
PaaS: Plataforma como servicio: un entorno de ejecución administrado al que el cliente lleva su código y sus datos.
SaaS: Software como servicio: una aplicación completa entregada a través de internet.
Serverless (sin servidor): Servicios sin servidores que administrar, con escalado automático y facturación de pago por uso.
Shared responsibility model (modelo de responsabilidad compartida): La división de las tareas de seguridad y operación entre el proveedor de nube y el cliente.
Shared fate (destino compartido): El enfoque de Google Cloud de ayudar activamente a los clientes a asegurar su parte mediante configuraciones por defecto, herramientas y orientación.
Security of the cloud (seguridad de la nube): La tarea del proveedor: instalaciones físicas, hardware, red y virtualización.
Security in the cloud (seguridad en la nube): La tarea del cliente: datos, identidades, acceso y configuración.
Region (región): Un área geográfica independiente que contiene varias zonas, como us-central1.
Zone (zona): Un área de implementación aislada dentro de una región; un dominio de falla para los recursos zonales.
Point of presence (PoP, punto de presencia): Una ubicación en el borde donde la red de Google se conecta con otras redes cerca de los usuarios.
Multi-region (multirregión): Un área geográfica grande, como US o EU, que contiene varias regiones y que usan algunos servicios de almacenamiento y bases de datos.
Bandwidth (ancho de banda): La cantidad máxima de datos que se puede transportar por segundo en una conexión.
Latency (latencia): El retraso con que los datos viajan entre dos puntos, normalmente medido en milisegundos.
Cloud CDN: La red de entrega de contenido de Google Cloud, que almacena contenido en caché en ubicaciones del borde cercanas a los usuarios.
Cloud Interconnect: Conectividad privada y de gran ancho de banda entre una red on-premises y Google Cloud.
Vendor lock-in (dependencia de un proveedor): Dependencia de un solo proveedor que hace que cambiar sea costoso o difícil.
Open source (código abierto): Software cuyo código está disponible abiertamente para usarlo, modificarlo y compartirlo bajo una licencia.
Open standard (estándar abierto): Una especificación disponible públicamente que cualquiera puede implementar, como SQL.
Portability (portabilidad): La capacidad de mover aplicaciones y datos entre entornos con pocos cambios.
Cloud center of excellence (centro de excelencia de nube): Un equipo multifuncional que define estándares de nube, construye bases compartidas y ayuda a otros equipos a adoptar la nube.
Silo: Un equipo o departamento que trabaja aislado de los demás, lo que hace más lentas las entregas de trabajo y las decisiones.
Change management (gestión del cambio): Un enfoque estructurado para ayudar a las personas y a las organizaciones a adoptar nuevas formas de trabajar.
Blameless culture (cultura sin culpa): Revisar las fallas para aprender y mejorar los sistemas en lugar de castigar a las personas.

Dominio 2: Exploring data transformation with Google Cloud (16%)

Consejos para el examen

Los escenarios del examen sobre 'liberar el valor de los datos' suelen apuntar a romper los silos, reunir los datos en la nube y hacerlos accesibles, no simplemente a almacenar más.
Las imágenes, el video, el audio y los documentos son no estructurados y normalmente van en Cloud Storage. JSON y los logs son semiestructurados. Las tablas con columnas fijas son estructuradas.
Si el escenario trata de las transacciones diarias de una aplicación, elige una base de datos. Si trata de análisis y reportes a partir de varias fuentes, elige un warehouse (BigQuery). Si trata de almacenar a bajo costo datos sin procesar de tipos mixtos, elige un lake (Cloud Storage).
Relaciona la frecuencia de acceso: uso diario es Standard, mensual es Nearline, trimestral es Coldline, menos de una vez al año es Archive. Recuerda que Archive sigue devolviendo datos en milisegundos; el equilibrio es de costo, no de velocidad.
Palabras clave: 'MySQL/PostgreSQL/SQL Server existente, cambios mínimos' significa Cloud SQL; 'global, escala horizontal, consistencia fuerte' significa Spanner; 'compatible con PostgreSQL, alto rendimiento' significa AlloyDB.
Aplicación móvil o web, sincronización en tiempo real, modo sin conexión: Firestore. Datos masivos de series de tiempo o IoT con alto rendimiento y baja latencia: Bigtable. Ninguno es la respuesta para analítica SQL, que es BigQuery.
Para analítica SQL a gran escala sin administrar infraestructura, la respuesta es BigQuery. Cloud SQL ejecuta las transacciones de las aplicaciones; BigQuery analiza los datos de todo el negocio.
Ingerir eventos: Pub/Sub. Transformar datos en tiempo real sin administrar servidores: Dataflow. Código existente de Spark o Hadoop: Dataproc.
Métricas consistentes y gobernadas en toda la empresa apuntan a Looker y su modelo semántico. Un tablero rápido y gratuito a partir de muchas fuentes apunta a Looker Studio.
Pon atención a las pistas sobre la velocidad de la red y el tamaño de los datos. 'Conexión lenta' y 'cientos de terabytes' significan Transfer Appliance. 'Mover una base de datos con tiempo de inactividad mínimo' significa Database Migration Service.
Las preguntas sobre encontrar datos confiables, saber quién es su dueño, rastrear de dónde vinieron y limitar quién ve los campos sensibles tratan todas de gobernanza de datos.

Términos clave

Data-driven decision (decisión basada en datos): Una elección basada en el análisis de datos y no solo en la intuición o la costumbre.
Data silo (silo de datos): Datos en manos de un equipo o sistema que otros no pueden acceder ni combinar fácilmente.
Data pipeline (pipeline de datos): El flujo automatizado que mueve los datos desde las fuentes, pasando por el procesamiento, hasta donde se usan.
Insight (información útil): Una comprensión obtenida a partir de los datos que puede guiar una acción.
Structured data (datos estructurados): Datos organizados en un esquema fijo de filas y columnas, fáciles de consultar con SQL.
Semi-structured data (datos semiestructurados): Datos con etiquetas o claves pero con un esquema flexible, como JSON o XML.
Unstructured data (datos no estructurados): Datos sin un modelo predefinido, como imágenes, video, audio y texto libre.
Schema (esquema): La definición de los campos, los tipos y las relaciones de un conjunto de datos.
Database (OLTP, base de datos): Un almacén optimizado para muchas transacciones pequeñas y rápidas que hacen funcionar una aplicación.
Data warehouse (OLAP): Un almacén optimizado para consultas analíticas sobre grandes cantidades de datos estructurados e históricos.
Data lake (lago de datos): Un repositorio de datos sin procesar de cualquier tipo, guardados en su formato original para procesarlos más tarde.
Lakehouse: Un enfoque que combina el almacenamiento de un data lake con la administración y la analítica SQL al estilo de un warehouse.
Bucket: Un contenedor de objetos en Cloud Storage, con un nombre, una ubicación y una clase de almacenamiento predeterminada.
Storage class (clase de almacenamiento): Un ajuste que equilibra el precio de almacenamiento frente al costo de acceso: Standard, Nearline, Coldline o Archive.
Minimum storage duration (duración mínima de almacenamiento): El periodo que se te cobra aunque elimines un objeto antes: 30, 90 y 365 días para Nearline, Coldline y Archive.
Object Lifecycle Management: Reglas que cambian automáticamente la clase de almacenamiento de los objetos o los eliminan según condiciones como la antigüedad.
Relational database (base de datos relacional): Una base de datos que almacena datos en tablas relacionadas y usa SQL y transacciones.
Cloud SQL: Bases de datos administradas MySQL, PostgreSQL y SQL Server.
AlloyDB: Una base de datos administrada, de alto rendimiento y compatible con PostgreSQL.
Spanner: Una base de datos relacional con escalado horizontal y consistencia fuerte que puede abarcar varias regiones.
NoSQL: Bases de datos que usan modelos distintos de las tablas relacionales, como documentos, clave-valor o columnas anchas.
Firestore: Una base de datos de documentos NoSQL serverless con actualizaciones en tiempo real y soporte sin conexión para aplicaciones.
Bigtable: Una base de datos NoSQL de columnas anchas para cargas de trabajo muy grandes, de baja latencia y alto rendimiento.
Row key (clave de fila): El identificador único que se usa para almacenar y recuperar filas en Bigtable, y que determina cómo se organizan los datos.
Data warehouse: Un almacén central de datos limpios y estructurados optimizado para consultas analíticas.
Serverless (sin servidor): Sin infraestructura que aprovisionar ni administrar; la capacidad se asigna automáticamente.
Columnar storage (almacenamiento columnar): Almacenar los datos por columna, de modo que las consultas lean solo las columnas que necesitan.
BigQuery sandbox: Una forma sin costo de probar BigQuery dentro de límites mensuales gratuitos, sin una cuenta de facturación.
Pub/Sub: Un servicio de mensajería global donde los publicadores envían mensajes a temas y los suscriptores los reciben de forma asíncrona.
Dataflow: Un servicio serverless que ejecuta pipelines de Apache Beam para procesar datos en streaming y por lotes.
Dataproc: Un servicio administrado para Apache Spark, Hadoop y herramientas de código abierto relacionadas.
Streaming data (datos en streaming): Datos que se procesan de forma continua a medida que llegan los eventos, en lugar de en lotes programados.
Business intelligence (BI, inteligencia de negocios): Herramientas y prácticas que convierten los datos en reportes y tableros para la toma de decisiones.
Semantic layer (capa semántica): Una definición compartida de las métricas del negocio y de las relaciones entre los datos que usan todos los reportes.
LookML: El lenguaje de modelado de Looker para definir dimensiones, medidas y relaciones.
Looker Studio: La herramienta gratuita y de autoservicio de Google para tableros y reportes.
Database Migration Service: Un servicio administrado que migra bases de datos a Cloud SQL o AlloyDB con un tiempo de inactividad mínimo.
BigQuery Data Transfer Service: Cargas de datos programadas y administradas hacia BigQuery desde Google, SaaS y otras fuentes.
Storage Transfer Service: Transferencias en línea de datos de objetos y archivos hacia Cloud Storage desde otras nubes, HTTP u on-premises.
Transfer Appliance: Un dispositivo físico que se envía al cliente para mover sin conexión conjuntos de datos muy grandes a Google Cloud.
Data governance (gobernanza de datos): Políticas, roles y herramientas que mantienen los datos precisos, seguros, fáciles de encontrar y bien utilizados.
Data lineage (linaje de datos): Un registro de dónde vinieron los datos y cómo se transformaron.
Data catalog (catálogo de datos): Un inventario de activos de datos con descripciones, responsables y clasificaciones para que las personas puedan encontrarlos.
Column-level security (seguridad a nivel de columna): Restringir el acceso a columnas específicas de una tabla, como los campos sensibles.

Dominio 3: Innovating with Google Cloud artificial intelligence (16%)

Consejos para el examen

Si el sistema produce contenido nuevo a partir de un prompt, es IA generativa. Si predice una categoría o un número a partir de ejemplos pasados, es ML tradicional (predictivo). Si sigue una lógica fija de si-entonces, no es ML en absoluto.
Las respuestas distractoras del examen a menudo sugieren ML para tareas con reglas exactas. Elige ML cuando los patrones son complejos y hay muchos datos; elige código normal cuando la lógica es conocida.
Cuando un modelo funciona bien para un grupo pero mal para otro, la causa más probable son datos de entrenamiento no representativos, no la falta de poder de cómputo.
Relaciona el escenario con el principio: 'por qué el modelo decidió esto' es explicabilidad, 'resultados distintos para distintos grupos' es equidad, 'quién es responsable' es rendición de cuentas, 'datos personales' es privacidad.
Tarea común más ninguna habilidad de ML más necesitarlo rápido es igual a una API preentrenada. La Vision API lee el texto de las imágenes; la Natural Language API analiza el significado de un texto; Translation convierte entre idiomas.
Analistas con dominio de SQL más datos que ya están en BigQuery más una tarea de predicción común es igual a BigQuery ML. Evita mover los datos y no necesita Python.
Datos etiquetados propios más poca experiencia en ML apunta a AutoML. Un problema único y diferenciador más científicos de datos capacitados apunta a entrenamiento personalizado. Ambos se ejecutan en Vertex AI.
Lee las pistas: 'sin experiencia en ML, tarea común' es una API preentrenada; 'analistas de SQL, datos en BigQuery' es BigQuery ML; 'datos etiquetados propios, poca experiencia' es AutoML; 'único, control total, científicos de datos' es entrenamiento personalizado.
Model Garden sirve para encontrar y elegir modelos; Vertex AI Studio sirve para probar prompts y crear prototipos; Gemini es la familia de modelos. Multimodal significa texto más imágenes, audio o video en el mismo modelo.
Cuando un escenario describe respuestas inventadas o desactualizadas de un chatbot sobre información de la empresa, la solución es fundamentar el modelo en datos confiables de la empresa, no agregar más cómputo.
Las TPUs son los chips de ML diseñados a la medida por Google. Si una pregunta pide qué construyó Google específicamente para acelerar el aprendizaje automático, la respuesta es TPUs, no GPUs.

Términos clave

Artificial intelligence (AI, inteligencia artificial): El campo de construir sistemas que realizan tareas que normalmente requieren inteligencia humana.
Machine learning (ML, aprendizaje automático): Un subconjunto de la IA donde los sistemas aprenden patrones a partir de datos en lugar de seguir reglas escritas a mano.
Generative AI (IA generativa): IA que crea contenido nuevo, como texto, imágenes o código, a partir de un prompt.
Foundation model (modelo fundacional): Un modelo grande entrenado con datos amplios que se puede adaptar a muchas tareas; los LLMs son un tipo.
Classification (clasificación): Predecir a qué categoría pertenece un elemento, como fraude o no fraude.
Forecasting (pronóstico): Predecir valores numéricos futuros, como la demanda del próximo mes.
Anomaly detection (detección de anomalías): Encontrar datos que difieren significativamente de los patrones normales.
Model drift (deriva del modelo): Una caída en la precisión de un modelo con el tiempo a medida que los datos del mundo real se alejan de los datos de entrenamiento.
Training data (datos de entrenamiento): Los ejemplos de los que aprende un modelo.
Representative data (datos representativos): Datos que cubren toda la gama de casos y grupos que el modelo enfrentará en el uso real.
Bias (sesgo en ML): Errores sistemáticos en los resultados de un modelo que favorecen o perjudican injustamente a ciertos grupos.
Label (etiqueta): La respuesta correcta asociada a un ejemplo de entrenamiento en el aprendizaje supervisado.
Responsible AI (IA responsable): Diseñar y usar la IA para que sea justa, segura, privada, explicable y responsable.
Fairness (equidad): Evitar diferencias injustas en los resultados para distintos grupos de personas.
Explainability (explicabilidad): La capacidad de describir por qué un modelo produjo un resultado determinado.
Human in the loop (humano en el circuito): Un diseño en el que una persona revisa o aprueba los resultados de la IA antes de acciones importantes.
Pre-trained model (modelo preentrenado): Un modelo ya entrenado por el proveedor que puedes usar de inmediato sin tus propios datos de entrenamiento.
OCR: Reconocimiento óptico de caracteres: extraer texto de imágenes de documentos impresos o manuscritos.
Sentiment analysis (análisis de sentimiento): Determinar si un texto expresa una opinión positiva, negativa o neutral.
Entity extraction (extracción de entidades): Identificar nombres de personas, lugares, organizaciones y otros elementos en un texto.
BigQuery ML: Una función de BigQuery para crear, entrenar y usar modelos de ML con SQL.
CREATE MODEL: La sentencia SQL que define y entrena un modelo en BigQuery ML.
ML.PREDICT: La función de BigQuery ML que aplica un modelo entrenado a los datos para producir predicciones.
Logistic regression (regresión logística): Un tipo de modelo que predice la probabilidad de un resultado de sí o no.
Vertex AI: La plataforma unificada de Google Cloud para construir, implementar y administrar ML e IA generativa.
AutoML: Entrenar un modelo personalizado con tus propios datos con poco o nada de código; el servicio se encarga del diseño y el ajuste del modelo.
Custom training (entrenamiento personalizado): Entrenar con tu propio código y framework para tener control total sobre el modelo.
MLOps: Prácticas y herramientas para implementar, monitorear y mantener modelos de ML en producción.
Build vs buy (construir o comprar): Decidir si desarrollar una solución internamente o usar un producto o servicio existente.
Customization (personalización): Qué tanto se puede adaptar un modelo a los datos y necesidades específicos de una organización.
Time to value (tiempo para obtener valor): Qué tan rápido un enfoque empieza a dar resultados de negocio.
Tuning (ajuste): Adaptar un modelo preentrenado o fundacional con ejemplos adicionales para una tarea específica.
Gemini: La familia de modelos fundacionales multimodales de Google.
Multimodal: Capaz de procesar más de un tipo de datos, como texto, imágenes y audio, en conjunto.
Vertex AI Model Garden: Un catálogo en Vertex AI para descubrir, probar e implementar modelos de Google, de socios y abiertos.
Prompt engineering (ingeniería de prompts): Diseñar las entradas de un modelo generativo para obtener resultados más útiles y confiables.
Hallucination (alucinación): Un resultado seguro pero incorrecto o inventado de un modelo generativo.
Grounding (fundamentación): Conectar los resultados del modelo con fuentes confiables para que las respuestas se basen en información real.
Retrieval-augmented generation (RAG, generación aumentada por recuperación): Recuperar contenido relevante de una fuente de conocimiento y dárselo al modelo junto con la pregunta.
AI agent (agente de IA): Un sistema que usa un modelo para planear y tomar acciones mediante herramientas con el fin de lograr un objetivo.
Accelerator (acelerador): Hardware especializado, como una GPU o una TPU, que agiliza el cómputo de ML.
GPU: Unidad de procesamiento gráfico: un procesador con muchos núcleos en paralelo, muy usado para ML.
TPU: Tensor Processing Unit: el ASIC personalizado de Google diseñado para cargas de trabajo de aprendizaje automático.
ASIC: Circuito integrado de aplicación específica: un chip diseñado para un tipo de tarea.

Dominio 4: Modernize infrastructure and applications with Google Cloud (17%)

Consejos para el examen

La modernización de la infraestructura cambia dónde se ejecutan las cosas; la modernización de aplicaciones cambia cómo se construyen y entregan. Las mayores ganancias de agilidad vienen de la segunda.
Fecha límite y sin tiempo para cambios: rehospedar. Cambios pequeños para usar servicios administrados: replataformar. Reescribir para obtener beneficios nativos de la nube: refactorizar. Sin uso: retirar. Todavía no se mueve: retener.
El escalado automático y el reemplazo de VMs que fallan apuntan a un grupo de instancias administrado. El control total del sistema operativo apunta a Compute Engine y no a las opciones serverless.
Las palabras 'VMware', 'herramientas y procesos existentes' y 'migración rápida' apuntan a Google Cloud VMware Engine. 'Oracle' o 'hardware físico dedicado' apuntan a Bare Metal Solution.
La portabilidad y la consistencia entre entornos son los beneficios clave de los contenedores. Los contenedores comparten el kernel del anfitrión, así que son más ligeros y arrancan más rápido que las VMs, que llevan cada una un sistema operativo invitado completo.
¿Quieres Kubernetes sin administrar nodos? GKE Autopilot. ¿Quieres control sobre la configuración de los nodos? GKE Standard. Recuerda que Kubernetes en sí es de código abierto y nació en Google.
Aplicación web o API en contenedor sin infraestructura que administrar y con escalado a cero: Cloud Run. Un fragmento pequeño de código disparado por un evento: Cloud Run functions. Plataforma de aplicaciones web basada en código: App Engine.
Usa el servicio más administrado que cubra la necesidad. Control total del sistema operativo o aplicación heredada sin cambios: Compute Engine. Funciones de Kubernetes y portabilidad: GKE. Sin estado, con picos y con operación mínima: Cloud Run.
La implementación independiente, el escalado independiente y el aislamiento de fallas son los beneficios clave de los microservicios. La contrapartida es más complejidad operativa, así que convienen a aplicaciones grandes que cambian rápido.
Las APIs liberan los datos heredados y habilitan ecosistemas de socios. Apigee las administra: seguridad, cuotas, analítica, portales para desarrolladores y monetización.
La administración, las políticas y la seguridad consistentes en on-premises, Google Cloud y otras nubes corresponden a GKE Enterprise. El nombre anterior, Anthos, todavía puede aparecer en materiales de estudio.

Términos clave

Modernization (modernización): Actualizar la infraestructura y las aplicaciones para usar capacidades de la nube como servicios administrados, contenedores y automatización.
Technical debt (deuda técnica): El costo futuro creado por tecnología obsoleta o atajos que hacen más difícil el cambio.
CI/CD: Integración continua y entrega continua: automatizar la compilación, las pruebas y la implementación del código.
Migration Center: Una herramienta de Google Cloud para descubrir la infraestructura actual, evaluarla y planear una migración.
Rehost (lift and shift, rehospedar): Mover una aplicación a la nube sin cambiarla, normalmente a VMs.
Replatform (move and improve, replataformar): Hacer cambios puntuales durante la migración, como adoptar una base de datos administrada.
Refactor (refactorizar): Cambiar el código y la arquitectura de una aplicación para que sea nativa de la nube.
Retire (retirar): Dar de baja una aplicación que ya no se necesita en lugar de migrarla.
Compute Engine: El servicio IaaS de Google Cloud para ejecutar máquinas virtuales.
Machine type (tipo de máquina): La configuración de vCPU y memoria de una VM, predefinida o personalizada.
Managed instance group (MIG, grupo de instancias administrado): Un grupo de VMs idénticas creadas a partir de una plantilla, con escalado automático, autorreparación y actualizaciones graduales.
Instance template (plantilla de instancia): Una definición reutilizable de la configuración de una VM que se usa para crear VMs en un MIG.
Google Cloud VMware Engine: Un servicio administrado que ejecuta un entorno VMware nativo en Google Cloud.
Bare Metal Solution: Servidores físicos dedicados cerca de las regiones de Google Cloud para cargas de trabajo especializadas como bases de datos Oracle.
Hypervisor (hipervisor): Software que crea y ejecuta máquinas virtuales sobre hardware físico.
Bare metal: Un servidor físico que se usa directamente, sin una capa de virtualización compartida con otros.
Container (contenedor): Un paquete ligero de una aplicación y sus dependencias que se ejecuta de forma consistente en cualquier entorno.
Container image (imagen de contenedor): Una plantilla de solo lectura y con versiones a partir de la cual se inician los contenedores.
Artifact Registry: El servicio de Google Cloud para almacenar y administrar imágenes de contenedor y otros artefactos de compilación.
Orchestration (orquestación): La asignación, el escalado, la conexión de red y la reparación automatizados de muchos contenedores en varias máquinas.
Kubernetes: Un sistema de código abierto para automatizar la implementación, el escalado y la administración de contenedores.
GKE: Google Kubernetes Engine, el servicio de Kubernetes administrado de Google Cloud.
Autopilot: Un modo de GKE en el que Google administra los nodos y la infraestructura, y la facturación se basa en los recursos que solicitan los pods.
Pod: La unidad implementable más pequeña de Kubernetes, que contiene uno o más contenedores.
Serverless (sin servidor): Ejecutar código sin administrar servidores, con escalado automático y precios de pago por uso.
Cloud Run: Una plataforma serverless administrada para ejecutar contenedores que escala automáticamente, incluso hasta cero.
Cloud Run functions: Funciones serverless impulsadas por eventos que se ejecutan en respuesta a disparadores como solicitudes HTTP o archivos nuevos.
Scale to zero (escalar a cero): No ejecutar ninguna instancia, y no generar costo de cómputo, cuando no hay tráfico.
Compute spectrum (espectro de cómputo): El rango que va desde las VMs de IaaS (mayor control) hasta serverless (menor administración).
Stateless (sin estado): Una aplicación que no guarda datos de sesión localmente, de modo que cualquier instancia puede atender cualquier solicitud.
Operational overhead (carga operativa): El trabajo necesario para ejecutar, parchar, escalar y asegurar la infraestructura.
Portability (portabilidad): La capacidad de ejecutar la misma carga de trabajo en distintos entornos.
Monolith (monolito): Una aplicación construida e implementada como una sola unidad.
Microservices (microservicios): Una arquitectura de servicios pequeños que se implementan de forma independiente y se comunican mediante APIs.
Strangler pattern (patrón estrangulador): Reemplazar gradualmente partes de un sistema heredado con servicios nuevos hasta que el sistema antiguo pueda retirarse.
Infrastructure as code (infraestructura como código): Definir y administrar la infraestructura mediante archivos de configuración con control de versiones.
API: Interfaz de programación de aplicaciones: una forma definida en que un software solicita datos o acciones a otro software.
API management (administración de APIs): Asegurar, controlar, monitorear y publicar APIs como productos.
Apigee: La plataforma de administración de APIs de Google Cloud.
Rate limiting (limitación de tasa): Restringir cuántas solicitudes puede hacer un consumidor en un periodo para proteger los sistemas de back end.
GKE Enterprise: La plataforma de Google Cloud para administrar clústeres de Kubernetes en Google Cloud, on-premises, otras nubes y el borde (antes Anthos).
Fleet (flota): Un grupo lógico de clústeres de Kubernetes que se administran juntos.
Service mesh (malla de servicios): Una capa que administra la comunicación segura, el tráfico y la observabilidad entre servicios.
Policy as code (políticas como código): Definir políticas de configuración y seguridad en archivos con control de versiones que se aplican automáticamente.

Dominio 5: Trust and security with Google Cloud (17%)

Consejos para el examen

Relaciona el incidente con la propiedad: datos vistos por las personas equivocadas es confidencialidad, datos modificados es integridad, servicio caído es disponibilidad. Cumplir no significa estar seguro.
Migrar a la nube traslada a Google la seguridad de la infraestructura, pero los datos, las identidades, el acceso y la configuración se quedan con el cliente en todos los modelos.
La mayoría de las brechas en la nube se deben a problemas del lado del cliente: configuraciones erróneas y credenciales robadas. Las defensas más sólidas son la configuración segura, el mínimo privilegio y la autenticación multifactor resistente al phishing.
Confianza cero: verificar cada solicitud por identidad y contexto, no por ubicación de red. Defensa en profundidad: varias capas de controles. Si una pregunta describe 'confiar en todo lo que está dentro de la red', describe el antiguo modelo perimetral.
Conoce las capas: seguridad física del centro de datos, hardware personalizado con chips Titan, comunicación cifrada y autenticada entre servicios, una red global privada y controles operativos estrictos. Los clientes heredan todo esto.
El cifrado en reposo está activado de forma predeterminada; los clientes no necesitan habilitarlo. Elige CMEK en Cloud KMS cuando una pregunta enfatice el control del cliente sobre la rotación, la desactivación o la destrucción de las claves.
Otorga roles, no permisos, a grupos en lugar de a personas, en el alcance más pequeño. Los roles básicos (Owner, Editor, Viewer) casi nunca son la respuesta de mínimo privilegio.
DDoS y ataques web contra un sitio público: Cloud Armor. Datos copiados fuera de los servicios administrados incluso con credenciales válidas: VPC Service Controls. Permitir o negar el tráfico hacia las VMs por puerto y dirección: reglas de firewall.
Postura y amenazas en los proyectos de Google Cloud: Security Command Center. Quién hizo qué y cuándo: Cloud Audit Logs (Admin Activity siempre está activado). SIEM y SOAR para toda la empresa: Google Security Operations.
La residencia trata de dónde están los datos, se define eligiendo regiones y se aplica con la política de ubicaciones de recursos. La soberanía agrega quién los controla y puede acceder a ellos bajo qué leyes. Las cargas de trabajo reguladas con controles de ubicación y de personal apuntan a Assured Workloads.
Reportes de auditoría y certificados: Compliance Reports Manager. Logs del acceso del personal de Google: Access Transparency. Aprobar el acceso antes de que ocurra: Access Approval. Las certificaciones del proveedor no hacen que el cliente cumpla automáticamente.

Términos clave

Confidentiality (confidencialidad): Asegurar que la información solo sea accesible para las personas autorizadas.
Integrity (integridad): Asegurar que la información sea precisa y no se altere sin autorización.
Availability (disponibilidad): Asegurar que los sistemas y los datos sean accesibles cuando se necesitan.
Compliance (cumplimiento): Satisfacer los requisitos de leyes, regulaciones, estándares y contratos.
Shared responsibility (responsabilidad compartida): La división de las tareas de seguridad entre el proveedor de nube y el cliente.
Shared fate (destino compartido): El enfoque de Google Cloud de ayudar activamente a los clientes a asegurar sus cargas de trabajo con configuraciones por defecto, herramientas y orientación.
Attack surface (superficie de ataque): Todos los puntos por los que un atacante podría intentar entrar a un sistema.
Identity perimeter (perímetro de identidad): Tratar las verificaciones de identidad y acceso, en lugar del borde de la red, como la principal frontera de seguridad.
Misconfiguration (configuración errónea): Un ajuste inseguro, como el acceso público o permisos demasiado amplios, a menudo hecho por error.
Phishing: Mensajes engañosos diseñados para que las personas revelen credenciales o ejecuten malware.
Ransomware: Malware que cifra los datos y exige un pago para restaurar el acceso.
Compromised credentials (credenciales comprometidas): Contraseñas, claves o tokens obtenidos por un atacante y usados para hacerse pasar por un usuario legítimo.
Zero trust (confianza cero): Un modelo que no otorga confianza implícita basada en la ubicación de red y verifica cada solicitud.
BeyondCorp: La implementación de confianza cero de Google, que permite el acceso con base en el usuario y el dispositivo en lugar de la red.
Defense in depth (defensa en profundidad): Superponer varios controles de seguridad independientes para que una sola falla no exponga el sistema.
Identity-Aware Proxy (IAP): Un servicio de Google Cloud que verifica la identidad y el contexto antes de otorgar acceso a aplicaciones y VMs.
Titan chip (chip Titan): Un chip de seguridad diseñado por Google que verifica que las máquinas arranquen con firmware y software confiables.
Hardware root of trust (raíz de confianza en hardware): Un componente de hardware confiable que verifica la integridad del sistema desde el arranque.
Shielded VM: Una VM de Compute Engine con arranque seguro y monitoreo de integridad contra manipulaciones a nivel de arranque.
Defense at scale (defensa a escala): Usar el tamaño de la red y de las operaciones de seguridad de Google para detectar y absorber ataques.
Encryption at rest (cifrado en reposo): Cifrar los datos almacenados; está activado de forma predeterminada para todos los datos de los clientes en Google Cloud.
Encryption in transit (cifrado en tránsito): Cifrar los datos mientras se mueven por las redes, por ejemplo con TLS.
CMEK: Claves de cifrado administradas por el cliente: claves que el cliente crea y controla en Cloud KMS.
Cloud KMS: El servicio de Google Cloud para crear, administrar, rotar y usar claves criptográficas.
Principal: Una identidad a la que se puede otorgar acceso, como un usuario, un grupo o una cuenta de servicio.
Role (rol): Un conjunto de permisos que se puede otorgar a un principal sobre un recurso.
Least privilege (mínimo privilegio): Otorgar solo los permisos necesarios, en el alcance más limitado y solo durante el tiempo necesario.
Service account (cuenta de servicio): Una identidad que usan las aplicaciones y las cargas de trabajo en lugar de las personas.
VPC firewall rules (reglas de firewall de VPC): Reglas que permiten o niegan el tráfico de red hacia y desde los recursos de una red VPC.
Cloud Armor: La protección contra DDoS y el firewall de aplicaciones web de Google Cloud para aplicaciones detrás de balanceadores de carga externos.
Web application firewall (WAF, firewall de aplicaciones web): Un filtro que bloquea ataques web comunes como la inyección de SQL y el cross-site scripting.
VPC Service Controls: Perímetros de servicio alrededor de los servicios de Google Cloud que reducen el riesgo de exfiltración de datos.
Security Command Center: La plataforma central de Google Cloud para la postura de seguridad, las vulnerabilidades, las configuraciones erróneas y la detección de amenazas.
Cloud Audit Logs: Logs que registran las acciones administrativas y el acceso a los datos en Google Cloud.
SIEM: Gestión de información y eventos de seguridad: recopilar y analizar logs de seguridad para detectar amenazas.
SOAR: Orquestación, automatización y respuesta de seguridad: automatizar los pasos de investigación y respuesta.
Data residency (residencia de datos): La ubicación geográfica donde se almacenan y procesan los datos.
Data sovereignty (soberanía de datos): El principio de que los datos están sujetos a las leyes del país donde se encuentran, incluido el control sobre quién puede acceder a ellos.
Assured Workloads: Un servicio de Google Cloud que aplica controles, como la ubicación de los datos y el acceso del personal, para cargas de trabajo reguladas.
Resource locations constraint (restricción de ubicaciones de recursos): Una política de la organización que restringe las ubicaciones donde se pueden crear recursos.
Compliance Reports Manager: El portal de Google para descargar certificaciones y reportes de auditoría de terceros.
Access Transparency: Logs de las acciones que realiza el personal de Google sobre el contenido del cliente, con sus justificaciones.
Access Approval: Una función que requiere la aprobación del cliente antes de que el personal de Google acceda al contenido del cliente.
SOC 2 report (reporte SOC 2): Un reporte de auditoría independiente sobre los controles de un proveedor de servicios en seguridad, disponibilidad, confidencialidad y criterios relacionados.

Dominio 6: Scaling with Google Cloud operations (17%)

Consejos para el examen

FinOps trata de la responsabilidad compartida y de maximizar el valor de negocio, no solo de recortar costos. Busca respuestas que impliquen visibilidad y colaboración entre finanzas e ingeniería.
Recuerda el orden: organización, carpetas, proyectos, recursos. Cada recurso vive exactamente en un proyecto, y los proyectos son donde se habilitan las APIs y se vincula la facturación.
IAM controla quién puede hacer qué; las políticas de la organización controlan qué se puede configurar, para todos. Los otorgamientos de permisos de IAM son aditivos, así que un otorgamiento en una carpeta no se puede quitar en un proyecto que está debajo.
Los presupuestos alertan, no ponen tope. Las cuotas limitan el uso de recursos. Las etiquetas asignan el costo. La exportación de la facturación a BigQuery permite un análisis detallado. Conoce qué herramienta conviene a cada objetivo.
Estable y predecible durante años: descuentos por compromiso de uso. Tolerante a fallas e interrumpible: Spot VMs. Automático y sin compromiso: descuentos por uso continuo. Impredecible: pago por uso.
SRE es la implementación de Google de los principios de DevOps. Palabras clave para reconocerlo: SLOs, presupuestos de error, reducción del toil, automatización y postmortems sin culpa.
El SLI es lo que mides, el SLO es tu meta interna, el SLA es el contrato externo con penalizaciones. Presupuesto de error = 100% menos el SLO. Los SLAs suelen ser más holgados que los SLOs.
El RPO trata de la pérdida de datos (hasta qué punto atrás restauras); el RTO trata del tiempo de inactividad (cuánto tardas en volver a funcionar). Varias zonas protegen contra la falla de una zona; varias regiones protegen contra desastres regionales.
Métricas, tableros y alertas: Cloud Monitoring. Buscar y almacenar logs: Cloud Logging. Encontrar la latencia entre microservicios: Cloud Trace. Agrupar los errores de las aplicaciones: Error Reporting.
Las cargas de trabajo críticas para el negocio que necesitan la respuesta más rápida y un asesor designado apuntan al nivel superior (Premium Support con un Technical Account Manager). No memorices los tiempos de respuesta; cambian.
Conoce las herramientas: la herramienta Carbon Footprint reporta las emisiones del cliente; los indicadores de región de bajo CO2 y el CFE% ayudan a elegir regiones. La meta de Google para 2030 es la energía libre de carbono 24/7.

Términos clave

FinOps: Una práctica que reúne a finanzas, tecnología y negocio para administrar los costos de la nube y maximizar el valor.
Cost allocation (asignación de costos): Asignar los costos de la nube a los equipos, productos o proyectos que los generan.
Rightsizing (redimensionamiento): Cambiar los recursos al tamaño que realmente corresponde a su carga de trabajo.
Active Assist recommendations (recomendaciones de Active Assist): Sugerencias de Google Cloud, como eliminar VMs ociosas o cambiar el tamaño de las máquinas, para reducir el costo y mejorar la seguridad.
Organization node (nodo de organización): La raíz de la jerarquía de recursos, que representa a la empresa.
Folder (carpeta): Una agrupación de proyectos y otras carpetas, a menudo por departamento, equipo o entorno.
Project (proyecto): La unidad básica para habilitar servicios, facturación, IAM y agrupar recursos; cada recurso pertenece a uno.
Project ID (ID de proyecto): Un identificador de proyecto único a nivel global y permanente.
Policy inheritance (herencia de políticas): Las políticas configuradas en un nodo aplican a todos sus descendientes en la jerarquía.
IAM allow policy (política de permisos de IAM): Una política que otorga roles a los principales sobre un recurso.
Organization policy (política de la organización): Una restricción que limita cómo se pueden configurar los recursos, sin importar quién actúe.
Additive access (acceso aditivo): Los permisos efectivos son la unión de todos los otorgamientos en un recurso y en sus ancestros.
Cloud Billing account (cuenta de Cloud Billing): La cuenta que paga el uso de Google Cloud, vinculada a proyectos y a un método de pago.
Budget alert (alerta de presupuesto): Una notificación que se envía cuando el gasto real o pronosticado alcanza un umbral; no detiene el gasto.
Quota (cuota): Un límite de cuánto de un recurso o de una API puede usar un proyecto.
Label (etiqueta): Un par clave-valor asociado a los recursos, que se usa para organizar y asignar los costos.
Pay-as-you-go (pago por uso): Pagar solo por los recursos usados, sin compromiso inicial.
Sustained use discount (descuento por uso continuo): Un descuento automático para ciertos recursos de Compute Engine que se ejecutan durante buena parte del mes.
Committed use discount (CUD, descuento por compromiso de uso): Un precio más bajo a cambio de un compromiso de uno o tres años de recursos o de gasto.
Spot VM: Una VM con gran descuento que usa capacidad sobrante y que Google puede detener en cualquier momento.
DevOps: Una cultura y un conjunto de prácticas que unen al desarrollo y a las operaciones para entregar cambios de forma rápida y confiable.
Site Reliability Engineering (SRE): El enfoque de Google para operar sistemas confiables aplicando la ingeniería de software a las operaciones.
Toil (trabajo repetitivo): Trabajo operativo manual y repetitivo que crece con el servicio y que se puede automatizar.
Blameless postmortem (postmortem sin culpa): Una revisión de incidentes que se enfoca en las causas y las correcciones, no en culpar a las personas.
SLI: Indicador de nivel de servicio: una medición del comportamiento del servicio, como el porcentaje de solicitudes exitosas.
SLO: Objetivo de nivel de servicio: una meta interna para un SLI durante un periodo.
SLA: Acuerdo de nivel de servicio: un contrato con los clientes que establece consecuencias si no se cumple un nivel de servicio.
Error budget (presupuesto de error): La falta de confiabilidad permitida por un SLO, igual a 100% menos el SLO.
High availability (alta disponibilidad): Diseñar un sistema para que siga funcionando a pesar de las fallas de componentes, normalmente mediante redundancia.
Disaster recovery (recuperación ante desastres): Planes y sistemas para restaurar el servicio después de una falla grave.
RTO: Objetivo de tiempo de recuperación: el tiempo máximo aceptable de inactividad antes de restaurar el servicio.
RPO: Objetivo de punto de recuperación: la pérdida máxima aceptable de datos, medida en tiempo.
Observability (observabilidad): La capacidad de entender el estado interno de un sistema a partir de sus métricas, logs y trazas.
Cloud Monitoring: Recopila métricas y ofrece tableros, verificaciones de tiempo de actividad y alertas.
Cloud Logging: Recopila, almacena, busca y enruta datos de logs.
Cloud Trace: Rastreo distribuido que muestra cuánto tarda cada paso de una solicitud a través de los servicios.
Customer Care: La oferta de soporte de Google Cloud, con planes básico y de pago.
Technical Account Manager (TAM, gerente técnico de cuenta): Un asesor designado de Google para los clientes de Premium Support que conoce su entorno.
Case priority (prioridad del caso): El nivel de urgencia que se fija en un caso de soporte, según el impacto en el negocio.
Proactive support (soporte proactivo): Orientación como revisiones de arquitectura y planeación de eventos que se ofrece antes de que surjan los problemas.
24/7 carbon-free energy (energía libre de carbono 24/7): Igualar cada hora de consumo eléctrico con fuentes libres de carbono en la misma red; la meta de Google para 2030.
Carbon-free energy percentage (CFE%, porcentaje de energía libre de carbono): La proporción del consumo eléctrico horario de una región que proviene de fuentes libres de carbono.
Carbon Footprint tool (herramienta Carbon Footprint): Una herramienta de la consola que reporta las emisiones estimadas del uso de Google Cloud de un cliente.
Low CO2 region (región de bajo CO2): Una región marcada en la consola por tener una baja intensidad de carbono en la red eléctrica.

Estudia Cloud Digital Leader gratis
Plan semana a semana con lecciones, cuestionarios, simulaciones de examen y práctica, en español.

Abrir el plan de estudio