Primeros Pasos en Google Cloud Platform¶

Práctica 15 - Introducción a la Consola y Servicios GCP
UT5: Pipelines ETL en la Nube | Google Cloud Skills Boost

📚 Tiempo estimado de lectura: ~15 min
- Autora: Milagros Cancela
- Fecha: Diciembre 2024
- Código del Lab: GSP282
- Nivel: Introductorio
- Duración del Lab: ~30 minutos

🎯 Objetivos del Lab¶

Este laboratorio introductorio proporciona experiencia práctica fundamental con Google Cloud Platform, estableciendo las bases necesarias para construir pipelines ETL escalables en la nube. Los objetivos específicos incluyen:

Acceder y navegar la consola de Google Cloud con credenciales específicas
Explorar la estructura y organización de proyectos en Google Cloud
Comprender el sistema de gestión de identidad y acceso (Cloud IAM)
Familiarizarse con roles, permisos y políticas de seguridad
Explorar y habilitar APIs de Google Cloud para integración de servicios

🔍 Contexto y Relevancia para Data Engineering¶

Google Cloud Platform ofrece una suite completa de servicios en la nube que van desde computación y almacenamiento hasta análisis de datos, machine learning y networking. Para la construcción de pipelines ETL escalables, es fundamental comprender:

Estructura de proyectos: Organización de recursos y servicios cloud
IAM (Identity and Access Management): Control de acceso y permisos
APIs y servicios: Integración programática con servicios GCP
Interfaz de consola: Navegación y gestión de recursos

Este conocimiento base es esencial para implementar soluciones de ingeniería de datos robustas y seguras en entornos cloud.

🛠️ Componentes y Conceptos Clave¶

1. Estructura de Labs en Google Cloud Skills Boost¶

Todos los labs comparten una interfaz común con componentes esenciales:

Componente	Descripción
Start Lab	Inicia un ambiente temporal de GCP con credenciales y recursos configurados
Timer	Cuenta regresiva del tiempo disponible para completar el lab
Lab Details Pane	Contiene credenciales temporales, Project ID y botón para abrir la consola
Activity Tracking	Sistema de scoring que verifica la completitud de tareas específicas

2. Google Cloud Projects¶

Definición: Un proyecto de Google Cloud es una entidad organizacional que contiene recursos y servicios cloud (VMs, bases de datos, redes, etc.), junto con configuraciones de permisos y seguridad.

Características importantes:

Project ID: Identificador único global (e.g., qwiklabs-gcp-xxx)
Project Name: Nombre descriptivo para usuarios
Project Number: Identificador numérico interno

Proyecto "Qwiklabs Resources":

Proyecto compartido (read-only) con archivos, datasets e imágenes
Accesible desde todos los labs pero no modificable
Los proyectos temporales de lab se eliminan al finalizar

3. Cloud IAM (Identity and Access Management)¶

Sistema de gestión de permisos que controla quién puede hacer qué sobre qué recursos.

Roles Básicos:

Role	Permisos	Use Case
`roles/viewer`	Acciones read-only, no modifica estado	Consulta de recursos y datos existentes
`roles/editor`	Todos los permisos de viewer + modificar recursos	Crear, modificar y eliminar recursos
`roles/owner`	Todos los permisos de editor + gestión de roles y billing	Administración completa del proyecto

Nota importante: Como editor, puedes crear, modificar y eliminar recursos, pero NO puedes añadir o remover miembros del proyecto.

📝 Proceso Práctico Realizado¶

Task 1: Acceso a Cloud Console¶

1. Inicio del Lab

Click en "Start Lab" para generar ambiente temporal
Esperar activación de recursos y credenciales (timer inicia)
Verificar Lab Details pane con credenciales temporales

2. Sign-in a Google Cloud

Username: student-xx-xxxxxx@qwiklabs.net
Password: [proporcionado en Lab Details]
Project ID: qwiklabs-gcp-xxx

Consideraciones:

NO usar cuenta personal o corporativa
Usar ventana incógnito para evitar conflictos
Las credenciales son temporales (se invalidan al terminar)

3. Navegación inicial

Aceptar términos de servicio de Google Cloud
Familiarización con interfaz de Cloud Console
Identificación de menú de navegación y servicios disponibles

Task 2: Exploración de Proyectos¶

1. Visualización de Project Info

Ubicación: Card en esquina superior izquierda
Contenido: Project Name, Project Number, Project ID

2. Acceso a múltiples proyectos

Click en dropdown del proyecto (barra de título)
Visualización de "Qwiklabs Resources" y proyecto temporal
Comprensión de estructura multi-proyecto

Aprendizaje clave: Los proyectos son el método principal de organización en GCP. Organizaciones grandes pueden tener docenas o miles de proyectos organizados por equipo, producto o propósito.

Task 3: Navegación de Servicios¶

Acceso al Navigation Menu:

Icono de hamburguesa (☰) en barra de título
Click en "View all Products"
Exploración de categorías de servicios:
Compute (Compute Engine, Kubernetes, Cloud Functions)
Storage (Cloud Storage, Filestore)
Databases (Cloud SQL, BigQuery, Firestore)
Big Data (Dataflow, Dataproc, Pub/Sub)
AI/ML (Vertex AI, AutoML)
Networking, Security, Operations, etc.

Implicación para Data Engineering: La familiarización con estos servicios es crucial para diseñar arquitecturas de datos. Por ejemplo:

BigQuery para data warehousing
Dataflow para procesamiento de streams
Cloud Storage para data lakes
Pub/Sub para ingesta en tiempo real

Task 4: Gestión de Roles y Permisos IAM¶

1. Acceso a IAM Console

Navigation menu → IAM & Admin → IAM

2. Revisión de roles asignados

Identificación de usuario student en lista
Verificación de role: Editor
Comprensión de permisos asociados

3. Concesión de rol IAM

Proceso:

1. Click "Grant access"
2. Add principals: [identifier del segundo usuario]
3. Select role: Viewer
4. Click "Save"
5. Verificar en lista IAM

Activity Tracking: Este paso incluye verificación automática de completitud mediante "Check my progress".

Principio de seguridad: Implementar el principio de "least privilege" - otorgar solo los permisos mínimos necesarios para realizar tareas específicas.

Task 5: Exploración de APIs¶

Google Cloud APIs:

200+ APIs disponibles para integración
Diseño orientado a recursos (Resource-Oriented Design)
Accesibles vía llamadas directas o bibliotecas cliente

Proceso de habilitación de API:

1. Navegación a API Library

Navigation menu → APIs & Services → Library

2. Búsqueda y habilitación

Search: "Dialogflow"
Select: Dialogflow API
Click: "Enable"

3. Verificación de estado

Confirmación visual de "API enabled"
Acceso a documentación de API
Exploración de opciones "Try this API"

Ejemplo práctico - Dialogflow API:

Permite construir aplicaciones conversacionales
Uso de NLP sin necesidad de entender esquemas subyacentes
Integración con Google Assistant y otras plataformas

Implicación para pipelines ETL:

Acceso programático a servicios (BigQuery API, Cloud Storage API)
Integración de servicios de ML en pipelines de datos
Automatización de tareas de ingeniería de datos

💡 Insights y Aprendizajes Clave¶

Conceptos Fundamentales¶

1. Ambiente de desarrollo en la nube

Todo se gestiona vía interfaz web o APIs
Recursos temporales vs. proyectos productivos
Importancia de gestión adecuada de credenciales

2. Organización jerárquica

Organization
└── Folders (opcional)
    └── Projects
        └── Resources (VMs, databases, storage, etc.)

3. Modelo de seguridad

Autenticación: ¿Quién eres? (Cloud Identity)
Autorización: ¿Qué puedes hacer? (Cloud IAM)
Auditoría: ¿Qué hiciste? (Cloud Audit Logs)

Mejores Prácticas Observadas¶

Separación de ambientes: Usar proyectos diferentes para dev, staging, producción
Gestión granular de permisos: Asignar roles específicos en lugar de owner
Habilitación selectiva de APIs: Solo habilitar APIs necesarias por seguridad
Uso de service accounts: Para aplicaciones que necesitan acceso programático

Relevancia para Pipelines ETL¶

Este lab establece conocimiento fundamental para:

Infraestructura: Configurar proyectos para alojar pipelines
Seguridad: Gestionar accesos a datos y recursos
Integración: Habilitar APIs necesarias (BigQuery, Dataflow, Storage)
Automatización: Comprender cómo se organizan recursos para scripting

🎓 Conclusiones¶

Este laboratorio introductorio proporciona la base esencial para trabajar con Google Cloud Platform. Los conceptos de proyectos, IAM, roles y APIs son fundamentales para cualquier trabajo de ingeniería de datos en la nube.

Competencias adquiridas:

Navegación efectiva de la consola de Google Cloud
Comprensión de estructura de proyectos y recursos
Gestión básica de identidad y permisos (IAM)
Habilitación y exploración de APIs de GCP
Familiarización con categorías de servicios disponibles

Preparación para próximos pasos:

Profundización en servicios específicos (BigQuery, Dataflow, Cloud Storage)
Implementación de pipelines ETL usando servicios GCP
Automatización mediante código (Python SDK, gcloud CLI)
Integración de servicios para arquitecturas de datos completas

Este conocimiento base es el primer paso crítico para construir soluciones de datos escalables, seguras y eficientes en Google Cloud Platform.

📚 Referencias¶

Fecha de realización: Diciembre 2025
Programa: Ingeniería en IA y Ciencia de Datos
Curso: UT5 - Pipelines ETL en la Nube
Institución: Universidad Católica del Uruguay