文章
共 136 篇，涵蓋 GCP 雲端技術、架構設計與認證攻略。
系列文章
查看全部 →2026
55 篇
經典架構拆解 · 06 — Discord 百萬人頻道與 NoSQL 選型
Discord 的頻道很熱鬧時，訊息、連線和語音怎麼撐住？從資料庫遷移與服務調整看它的選擇。
經典架構拆解 · 05 — Airbnb 搜尋排名與金流分帳
房源搜尋要排序，下單又要處理付款與信任問題。從 Airbnb 的公開案例看這幾套系統怎麼分工。
經典架構拆解 · 04 — Slack 即時訊息與已讀同步
訊息送出後，其他裝置怎麼收到，已讀狀態又怎麼同步？從 Slack 看長連線、扇出與搜尋索引。
經典架構拆解 · 03 — Stripe API 冪等性設計
付款請求逾時後重送，怎麼避免重複扣款？從 Stripe API 的冪等鍵與 webhook 重試看做法。
經典架構拆解 · 02 — Uber 即時派單架構
乘客和司機的位置都在變，派單系統怎麼跟上？用 Uber 的公開架構案例看地理分片與工作流程。
經典架構拆解 · 01 — Netflix 全球串流架構
影片怎麼順暢送到各地使用者？從 Netflix 的 Open Connect、微服務和故障演練看架構取捨。
GKE Autopilot 適合你的工作負載嗎？先看幾個限制
Autopilot 代管節點，但計費、Pod 權限和擴容方式都有取捨。部署前先對照現有工作負載。
PCA 雲端架構師之旅 13 — 安全與成本
架構圖畫好了，權限與帳單也要交代清楚。從 IAM、網路邊界到主要服務費用，檢查方案能否落地。
PCA 雲端架構師之旅 12 — 災難復原 (DR)
整個區域無法使用時，多久要恢復、最多能丟多久的資料？用 RTO／RPO 比較幾種災難復原做法。
PCA 雲端架構師之旅 11 — 可靠性與擴展性
一台機器壞了或流量突然變多，服務能不能繼續？分開檢查可靠性與擴展性，再找共同設計。
PCA 雲端架構師之旅 10 — 網路拓樸
把 Region、Zone、VPC、Subnet、DNS 和負載平衡器畫在同一張圖上，檢查請求到底怎麼走。
PCA 雲端架構師之旅 09 — 網路與 Load Balancing
GCP 負載平衡器種類很多，先用流量協定、對外或對內、全域或區域三個問題縮小選項。
PCA 雲端架構師之旅 08 — GCP 儲存服務選擇
資料的讀寫需求已經列好了，下一步怎麼選服務？沿著檔案、交易、文件、分析等路徑縮小範圍。
PCA 雲端架構師之旅 07 — 儲存特性分析
先別急著選 Cloud SQL 或 Firestore。把資料量、讀寫方式、一致性和保存期限列出來，選型才有根據。
PCA 雲端架構師之旅 06 — REST API 設計
API 發布後要改欄位、處理重試，該怎麼設計才不會讓串接者受傷？用登雲書店看版本、冪等和錯誤回應。
PCA 雲端架構師之旅 05 — Microservices 拆分
微服務要怎麼拆，才不會只是把單體分成更多難維護的部分？從團隊責任、資料和變更頻率找邊界。
PCA 雲端架構師之旅 04 — 定義 SLO 與 SLI
可用性寫 99.99%，到底量的是什麼？從 User Story 定出 SLI，再設定能負擔也能驗證的 SLO。
PCA 雲端架構師之旅 03 — 撰寫 User Stories
「使用者要快一點」還不能拿來設計架構。把角色、動作和驗收條件寫成 User Story，再接到 SLI／SLO。
PCA 雲端架構師之旅 02 — 定義 User Personas
案例裡的「使用者」到底是誰？先分出幾種角色與使用方式，後面的 SLO、API 和儲存選擇才有依據。
PCA 雲端架構師之旅 01 — 讀懂案例情境
看到 PCA 案例題，先別急著選服務。把業務目標、硬性限制和相關角色讀清楚，再談架構。
GKE、EKS、AKS 怎麼選？比較日常維運責任
從代管模式、升級、網路、安全、可觀測性、成本與混合雲比較 GKE、EKS、AKS，並用決策流程與 PoC 檢核表選出適合團隊的 Kubernetes 平台。
GCP 和 AWS 怎麼選？先看現有工作負載
用工作負載、成本、資料與 AI、Kubernetes、網路、治理及團隊能力比較 Google Cloud 與 AWS，附台灣 Region、PoC 與多雲決策框架。
Cloud Run、Cloud Run functions、App Engine 怎麼選？先看執行方式，不要只背產品名稱
從 HTTP 服務、事件函式、批次工作與既有系統四種需求，比較 Cloud Run、Cloud Run functions、App Engine Standard 與 Flexible，整理選型、成本與可靠性重點。
GCP 面試題指南：2026 年 20 道核心題與回答框架
整理 20 道 Google Cloud 核心面試題，涵蓋資源階層、Compute、Storage、Database、Networking、IAM、GKE、Serverless 與系統設計，重點放在需求釐清與技術取捨。
Google Cloud 免費試用與 Free Tier：怎麼練習又不讓帳單失控
整理 Google Cloud $300／90 天免費試用、Free Tier、Alerts-only 與 Spend Cap Budget，說明相依費用、資源清理與安全練習方法。
Google Cloud 資料庫怎麼選？先看資料怎麼讀寫
Cloud SQL、AlloyDB、Spanner、Firestore、Bigtable 和 BigQuery 各有用途。從交易、查詢與規模開始比較。
ACE、PCA、PDE、PCSE、PCNE：哪張認證適合你？
五張 Google Cloud 認證各考什麼、對應哪些工作？先看自己的日常任務，再決定要準備哪張。
十種 GCP 架構模式：先看需求，再挑組合
三層網站、事件驅動、資料湖與災難復原怎麼用？用十種常見模式整理情境、服務選擇和取捨。
gcloud CLI 速查表：照工作任務找指令
要查專案、開 VM、部署 Cloud Run 或調 IAM？按服務整理常用 gcloud 指令，執行前記得確認目標環境。
GCP IAM 入門：看懂身分、角色與權限繼承
分清 IAM 身分、角色、資源範圍與繼承，用私有 Bucket 和短期模擬服務帳號驗證只讀、拒絕寫入、撤回與資源清理。
Cloud Memorystore 入門：快取該用哪種引擎？
資料庫查詢撐不住時，快取能幫什麼忙？比較 Redis、Valkey、Memcached 與部署設定。
Cloud DNS 入門：公開、私有網域與解析路徑
網域要給外部使用者查，還是只給 VPC 內部查？從 Public／Private Zone 到 DNSSEC 和路由策略。
Cloud Bigtable 入門：大量資料的 Row Key 怎麼設計？
時序或感測器資料量很大時，Bigtable 適合嗎？從 Row Key、叢集容量與資料保留策略看起。
Firestore 入門：文件資料、即時更新與存取規則
App 的資料適合放 Firestore 嗎？從文件模型、即時監聽和安全規則開始，再看費用與選型。
Cloud Run functions 入門：函式會在什麼時候執行？
用 HTTP、Cloud Storage 和 Pub/Sub 事件認識 Cloud Run functions，再比較兩代函式的設定差異。
多個 GCP 專案的網路怎麼接？Shared VPC、Peering 與 Cloud NAT
專案變多後，網路和權限怎麼分？從 Shared VPC、VPC Peering 到私有 VM 的出站連線逐一看。
Cloud Run 入門：部署、擴縮、權限與 VPC 怎麼設定
從部署第一個容器開始，說明 Cloud Run 的 Revision、計費模式、冷啟動、流量分配、IAM、VPC 與 Secret Manager。
Cloud SQL 入門：版本、HA、連線與備份怎麼選
從資料庫版本與機型開始，說明 Cloud SQL 的高可用架構、安全連線、備份還原、讀取副本和成本取捨。
Cloud Storage 入門：位置、儲存類別、權限與資料保護
從 Bucket 和 Object 的基本概念開始，學會選擇位置與儲存類別，並用 IAM、Lifecycle、Soft Delete 和版本控制保護資料。
GCP 監控與日誌入門：用 Monitoring 和 Logging 找出問題
從 Metrics、Dashboard、告警與 Uptime Check 開始，再練習查詢日誌、設定 Log Sink、建立 Log-based Metric，整理 GCP 的基本可觀測性流程。
地端連 Google Cloud：VPN 與 Interconnect 怎麼選？
機房和 Google Cloud 要互通，該選 VPN 還是專線？從目的地、頻寬、加密和備援要求，一步步釐清選型。
Terraform、Infrastructure Manager、Config Connector 怎麼選？
同樣是用程式碼管理 GCP 資源，三種工具各接手哪一段？比較設定語法、State 與維運責任。
Dataflow 與 Managed Service for Apache Spark（原 Dataproc）怎麼選？
Dataflow 與 Managed Service for Apache Spark（原 Dataproc）都能處理大量資料，差別在哪？從 Apache Beam、Spark 和批次／串流需求來比較。
Cloud Spanner 何時比 Cloud SQL 合適？
需要跨區域的關聯式交易時，Spanner 能解什麼問題？從容量、主鍵設計到多區域配置比較。
App Engine 怎麼部署和切流量？先選 Standard 或 Flexible
同樣是 App Engine，Standard 和 Flexible 的維運與費用不同。從 app.yaml、版本到流量分割逐步看。
BigQuery 查詢與成本：分區、叢集怎麼用？
資料進了 BigQuery，查詢卻慢又貴？從分區、叢集和計費方式看怎麼縮小掃描範圍。
GCP 負載平衡器怎麼選？從流量入口到 CDN 與 Armor
流量要送到哪裡、在哪裡終止 TLS？比較 Application 和 Network Load Balancer，再看 CDN 與 Armor。
Cloud Pub/Sub 入門：服務之間怎麼傳訊息？
訂單送出後，通知、庫存與分析怎麼各自接手？從 Topic、Subscription 到重試和死信主題看流程。
用 Cloud Build 串起測試、建置與 Cloud Run 部署
每次改完程式都要手動建映像、推送、部署？用 Cloud Build 觸發器把步驟寫清楚，並守住權限。
用 Terraform 管 GCP 資源：從第一份設定到共用 State
手動建立的資源越來越多，怎麼讓環境可以重建？從 Provider、Resource、State 和 GCS 遠端儲存開始。
GKE 入門：在 Google Kubernetes Engine 上部署容器應用
已經有容器，什麼時候需要 GKE？從 Pod、Deployment 和 Service 開始，再比較 Standard 與 Autopilot。
Google Cloud 產品改名後，舊文件要怎麼查？
教學寫 Stackdriver，主控台卻是新名字？整理常見產品名稱變化，以及查舊資料時的對照方式。
Google Cloud 服務停用後怎麼辦？先看遷移期限
服務宣布棄用，不代表今天就不能用。整理常見停用案例、公告時間與遷移時要檢查的事。
GCP 和 Google Cloud 是同一個嗎？
官方文件寫 Google Cloud，社群卻還常說 GCP。沿著名稱變化，釐清它們指的是什麼。
ACE 認證怎麼準備？一份八週讀書路線
把 ACE 考綱拆成每週可練的主題：先讀概念、動手做 Lab，再用模擬題找出還不熟的地方。
2025
81 篇
2026 年的雲端工作：多雲、FinOps 與 AI 應用
多雲、成本管理和 AI 應用常被一起討論。這篇分開看它們各解決什麼問題，以及何時值得投入。
GCP 資料與 AI 服務怎麼接？從資料進來到模型回答
Pub/Sub、Dataflow、BigQuery，加上兩個已改名的服務 Managed Service for Apache Spark（原 Dataproc）和 Agent Platform（原 Vertex AI），各做什麼？沿著一筆資料的去向，弄清楚何時需要哪個服務。
GCP 網路基礎：看懂 VPC、Subnet、防火牆與 IAP
看懂 VPC、CIDR、防火牆評估與 IAP，使用獨立練習環境驗證 SSH 允許、拒絕與復原，再依保存的設定清理資源。
建立第一台 Compute Engine VM：連線、架站、備份與監控
在 Google Cloud 建立一台 Linux VM，透過 SSH 安裝 Apache，接著設定防火牆、快照、監控與費用管理。
GCP 環境設定：建立 Project、設定 IAM 與使用 Cloud Shell
核對 Google Cloud 身分、Project 與計費範圍，使用 Cloud Shell 保存練習設定、預覽獨立網頁，並完成不授權、不下載金鑰的服務帳戶生命週期練習。
GCP 新手入門：先搞懂雲端，再決定要不要學 Google Cloud
從 IaaS、PaaS、SaaS 開始認識雲端，整理 GCP、AWS、Azure 的差異，以及學習 Google Cloud 和準備雲端工作的實際路線。
想走雲端架構師這條路？先準備作品與面試
從工作內容、技術作品到面試與薪資討論，整理轉職雲端架構師時真正需要準備的事。
GCP 認證怎麼準備？從 ACE 到 PCA 的學習路線
ACE 和 PCA 該先考哪張？依工作經驗、可用時間和目標，安排讀書、實作與模擬題練習。
GCP 帳單怎麼看？從用量找出能省的地方
雲端費用突然變高，先查哪裡？從 Billing Reports 找用量，再評估承諾折扣、Spot VM 和閒置資源。
搬上 Google Cloud 前，先把遷移計畫排清楚
舊系統能不能搬、費用怎麼估、出事怎麼退？從工作負載盤點、6R 到分階段切換整理遷移路線。
GCP 資安怎麼分層？從 IAM 到資料邊界與稽核
帳號權限設好之後，資料還可能怎麼外流？沿著身分、偵測、加密和資料邊界檢查防護。
App Engine、Cloud Run、GKE 怎麼選？先看誰負責維運
同一個應用可以用好幾種方式部署。從程式怎麼交付、需要多少控制權和團隊願意維護什麼，選合適的平台。
GCP 高可用架構：一個 Zone 故障時服務怎麼繼續？
從健康檢查、MIG 和負載平衡器開始，設計 Zone 故障時仍能服務的架構，再看備份與跨區域復原。
GCP 資料該放哪？從存取方式選儲存服務
照片、訂單和事件紀錄不必擠在同一種資料庫。從讀寫方式、復原需求與帳單，選 Cloud Storage、Cloud SQL 等服務。
Gemini＋Imagen 圖片應用：生成只是中間一步
從意圖、素材權利與安全政策，到圖片模型選擇、非同步生成、人工審核與資產治理，設計真正能上線的圖片應用
Gemini Cloud Assist 給 DevOps：先穩定，再找根因
用安全交付閘門、漸進發布與共同事件時間線，把 Gemini 的建議變成可查證、可回滾的 DevOps 與 SRE 行動
SCC Finding 分流：先查證，再讓 Gemini 幫忙
把 Security Command Center Finding、攻擊暴露、IAM 路徑與稽核日誌串成可查證的風險脈絡，再安全地縮權與修復
Gemini Cloud Assist 網路除錯：先畫封包路徑
用五元組、DNS、路由、防火牆、NAT、Connectivity Tests 與服務健康度逐跳蒐證，再讓 Gemini 協助整理根因與最小修復
Gemini Cloud Assist 給架構師：先提方案，再找證據
用需求、限制和環境證據讓 Gemini Cloud Assist 提出候選架構，再透過文件、Quota、價格、IaC 與 ADR 完成決策
Gemini Code Assist 組織導入：先管授權與資料
釐清 Billing Account、License、Project、IAM、Logging 與 Code customization 的邊界，分階段把 AI 輔助開發帶進團隊
Gemini Code Assist 上手：先把 AI 建議當成 Patch
從 IDE 上下文、行內補全與 Chat，到 Diff 審查、測試、安全掃描和來源檢查，建立能放心合併的 AI 輔助開發流程
AI Agent 安全：別只叫模型「不要洩密」
從 Prompt Injection、工具越權與資料外洩，到 Model Armor、IAM、VPC Service Controls 和人工核准的分層防禦
Agent Platform（原 Vertex AI）模型評估：不要讓平均分數決定上線
把離線切片、Gen AI 評估、Model Registry、線上實驗、護欄與回滾串成能真正擋住退化模型的發布流程
Data Store Agent：FAQ 準不準，先看資料
從資料來源、版控、ACL、解析與切片到引用驗證，整理一套能持續維護的企業知識問答上線流程
Generative Playbooks：該用 Flow 還是 Playbook？
從目標、指令、範例、參數到工具護欄，判斷客服流程何時該用 Playbook、何時應留在確定性的 Flow
企業資料庫 AI Agent：NL2SQL 不等於直接執行
從 QueryData、Schema 語意層到唯讀 View、查詢驗證與人工核准，讓 Agent 能問企業資料，又不繞過既有資料權限
Agent Assist 與 GenAI：讓客服建議來得及又可信
從即時轉錄、知識檢索、客服審核到通話後摘要，建立有引用、守權限、能量測延遲與品質的 Agent Assist 流程
部署多代理系統：先確認真的需要拆
用 ADK 設計循序、平行與動態委派流程，建立可驗收的交接契約、狀態邊界與故障隔離，再部署到 Agent Runtime（原 Agent Engine）
Gemini Enterprise 入門：從 Agentspace 到企業代理入口
釐清 Gemini Enterprise app 與 Gemini Enterprise Agent Platform 的定位，從身分、連接器、同步、ACL 到引用驗證，安全接上企業資料
Agent Development Kit：從工具呼叫到可部署 Agent
用 ADK 把模型、工具、Session 與 Runner 組成可測試的 Agent，並補齊權限、錯誤處理、評估與部署前檢查
GenAI 的 MLOps 實踐
把模型、Prompt、檢索、工具與評估案例綁成可重現版本，透過發布閘門、漸進上線、監控與回滾維運 GenAI 應用
負責任 AI：隱私與安全
沿著資料生命週期做好最小化、去識別、權限與輸入輸出防護，並釐清差分隱私、聯邦學習與 Google Cloud 安全工具的邊界
負責任 AI：可解釋性與透明度
從讀者與使用情境選擇特徵歸因、相似案例或反事實方法，並學會驗證解釋的忠實度、穩定性與隱私風險
負責任 AI：公平性與偏差
從受影響的人與可能傷害出發，學會切片量測、判讀公平指標的取捨，並把偏差檢查接進 AI 開發與上線流程
Agent Studio（原 Vertex AI Studio）入門
釐清 Agent Studio 與舊名 Vertex AI Studio 的關係，從 Prompt 實驗、模型選擇、Grounding 與安全設定走到可重現的開發流程
圖片說明生成模型
理解圖片說明生成的技術原理、視覺 Encoder 與語言 Decoder 如何協作，並學會依需求選擇 Cloud Vision、Gemini 或專用模型
Transformer 與 BERT 模型
拆解 Transformer 的共同積木，理解 BERT 的雙向編碼器與原始預訓練方法，並比較常見架構適合的任務
編碼器-解碼器架構
翻譯或摘要時，模型怎麼把一段輸入變成另一段輸出？拆開 Encoder 和 Decoder 的分工。
注意力機制
模型讀一句話時，怎麼決定該參考哪些字？從 Query、Key、Value 看懂注意力機制。
Gemini + Streamlit 開發 GenAI App
用 Streamlit 接上 Gemini 做原型很快，但多人使用時要補什麼？從本機實驗一路看到 Cloud Run 部署。
Agent Platform（原 Vertex AI）+ Flutter 打造 AI Agent
把 AI 功能放進 Flutter App，哪些事能在手機上做、哪些要交給後端？從權限、弱網路和資料流看架構。
GenAI 驅動網站現代化
網站搜尋不好用，一定要加聊天機器人嗎？先找出使用者卡住的地方，再評估搜尋、導覽與推薦。
建構 GenAI 應用
Gemini Demo 能跑，離正式上線還差什麼？從前後端整合到權限、成本和監控逐項檢查。
Gemini 貫穿軟體開發生命週期
從整理需求到排查錯誤，Gemini 可以在哪些開發環節幫忙？每一步又該由誰驗證？
Gemini 開發者指南
Gemini API 的 Demo 能跑之後，還要顧哪些事？比較串流、結構化輸出、工具呼叫與錯誤處理。
Gemini 多模態 RAG 文件檢索
文件裡有表格和圖片，RAG 只抽文字會漏掉什麼？從解析、檢索到 Gemini 回答走過一次。
向量搜尋與嵌入技術
把文字轉成向量，搜尋就會變準嗎？從 Embedding、索引到評估，看看語義搜尋真正要調哪些地方。
圖片生成技術導論
認識圖片生成的核心技術原理，從 GAN 到 Diffusion Model，理解 Google Imagen 的架構與應用場景
Google Cloud AI/ML 工具怎麼選
現成 API、AutoML、自訂模型該選哪個？從資料、控制需求和維運能力整理 Google Cloud 的工具。
GenAI Agent 轉型組織
了解 AI Agent 的概念與架構，認識 Gemini Enterprise Agent Platform 的 Agent 開發工具（原 Vertex AI Agent Builder），並評估組織導入 Agent 的流程與風險
GenAI 怎麼幫忙處理日常工作
寫信、查資料、寫程式時，哪些工作能交給 GenAI 幫忙？從個人使用走到團隊協作。
生成式 AI 產品怎麼分層
模型、平台、應用服務滿天飛，該怎麼分？用五個層次整理生成式 AI 產品的位置。
GenAI 從輸入到回答：幾個基本概念
文字送進模型後發生什麼事？從 Token、Embedding 到推論，沿著資料流認識生成式 AI。
生成式 AI 不只會聊天
除了聊天機器人，生成式 AI 還能幫忙做什麼？從內容、程式碼、資料分析到流程自動化看實際用途。
Google Cloud AI 負責任原則實踐
負責任 AI 原則要怎麼落地？從開發流程、檢查工具和團隊分工，找出可以驗證的做法。
Agent Platform（原 Vertex AI）Prompt 設計
同一個任務，提示寫法一換結果就不同。用 Zero-shot、Few-shot 和輸出格式練習把需求說清楚。
負責任的 AI 導論
AI 應用可能出錯或傷害誰？從 Google 的 AI 原則談起，把公平、安全和透明度帶進開發流程。
大型語言模型導論
大型語言模型怎麼學會接續文字？從預訓練、推論到 Prompt Tuning 和 Fine-tuning，建立基本概念。
生成式 AI 導論
生成式 AI 和以前的 AI 差在哪？先弄清楚 AI、機器學習、深度學習與生成式 AI 的關係。
Gemini 提升 BigQuery 生產力
寫 SQL、看執行計畫、補欄位說明，哪些工作能請 Gemini 幫忙？整理 BigQuery 裡實用的用法和檢查點。
在 BigQuery 中使用 Gemini 模型
一整欄文字要分類或摘要，能直接在 BigQuery 裡做嗎？用 AI.GENERATE_TEXT 批次呼叫 Gemini。
BigQuery ML 推論實戰
模型訓練好之後，怎麼對新資料做預測？比較 BigQuery ML 原生模型、匯入模型與遠端模型的用法。
Gemini 輔助數據分析
讓 Gemini 幫忙起草 SQL 和圖表後，分析師還要檢查什麼？以 BigQuery 和 Looker 的工作流程為例。
AppSheet 低程式碼應用開發
手上有一張試算表，想做成同事能填寫的 App？從 AppSheet 的資料、表單到權限一步步設定。
Gemini API 搭配 Agent Platform（原 Vertex AI）探索 GenAI
想把 Gemini 接進自己的程式？先用圖形介面試提示，再看 API 怎麼處理文字與圖片。
Agent Platform（原 Vertex AI）機器學習解決方案
現成 API 和 BigQuery ML 不夠用時，模型要怎麼訓練、部署和追蹤？從 Agent Platform 的幾條路徑開始看。
BigQuery ML 建模實戰
資料已經在 BigQuery，能不能直接用 SQL 做預測？從建模、評估到預測，試一次 BigQuery ML。
基礎 Data、ML 與 AI 任務
資料進來後怎麼處理、查詢，語音又怎麼轉文字？用 BigQuery、Dataflow 和 Speech-to-Text 走過基本流程。
使用 Google Cloud ML API
想辨識圖片、分析文字或翻譯內容，不一定要自己訓練模型。用三種現成 API 試試看。
BigQuery 搭配 Connected Sheets 分析
資料在 BigQuery，同事卻習慣用試算表？看看 Connected Sheets 怎麼讓他們用熟悉的介面分析資料。
Cloud SQL for PostgreSQL 管理實作
把 PostgreSQL 搬上 Google Cloud 後，連線、備份和故障切換該怎麼顧？從建立 Cloud SQL 實例開始實作。
管理 Kubernetes 叢集
GKE 服務上線後，怎麼看出問題、擴充容量並安全升級？從告警、Pod 與節點池的日常維運談起。
部署應用到 Kubernetes
容器有了，怎麼讓它在 GKE 上穩定提供服務？從叢集、Deployment、Service 到更新與回滾走一次。
Firebase 無伺服器應用開發
用 Firebase 做應用時，登入、資料存取和後端處理怎麼接？從 Auth、Firestore 到 Functions 一起看。
Cloud Run 無伺服器開發
從程式碼到 Cloud Run 網址，中間要經過哪些步驟？帶你建映像、部署服務，再調整擴縮設定。
Cloud Run functions 三種實作
要收到 HTTP 請求、檔案事件或 Pub/Sub 訊息時，怎麼讓函式接手？用三個範例看懂觸發方式。
App Engine 三種部署方式
App Engine 的 Standard 和 Flexible 差在哪？從直接部署、版本分流到 Cloud Build，自然接上發布流程。
在 GCP 上建立網站
網站只有靜態檔案，還是需要後端程式？比較 Cloud Storage、Cloud Run 和 Firebase Hosting 各自適合的情況。
設定 App 開發環境
上傳檔案後，怎麼讓程式自動接著處理？用 Cloud Storage、Pub/Sub 和 Cloud Run functions 串起一條事件流程。
建立與管理雲端資源
在 Cloud Shell 下指令前，先認清帳號、專案和權限。這篇從資源階層談起，帶你建立並檢查雲端資源。
GCP 運算服務基礎
不知道該開 VM、部署容器，還是直接交給平台？從 Compute Engine、App Engine 和 Cloud Run 的分工開始看起。