L’éditeur profite de la vitrine de la conférence Google Next qui se tient jusqu’à demain pour présenter différentes fonctions nouvelles pour un monitoring avancé de BigQuery.
Désormais en préversion, ces fonctions permettent aux équipes de visualiser l'utilisation de BigQuery par utilisateur et par projet. Elles permettent d'identifier ceux qui génèrent le plus de dépenses, de repérer les temps de requête longs dans ces segments afin de les optimiser et de détecter les problèmes de qualité des données. Ces fonctions s’appuient sur les capacités Google Cloud existantes de l'entreprise. Les utilisateurs peuvent monitorer, résoudre les problèmes, améliorer et sécuriser leurs applications LLM Gemini et Vertex AI, et démarrer rapidement avec l'auto-instrumentation. Avec le nouveau Cloud TPU integration de Datadog, les équipes peuvent détecter les goulets d'étranglement et la sous-utilisation de leur infrastructure TPU parmi les noeuds de travail et les clusters GKE (Google Kubernetes Engine). Les utilisateurs Datadog peuvent désormais envoyer leur télémétrie aux sites de Datadog hébergés dans Google Cloud avec Private Service Connect de Google pour une meilleure sécurité des données et une réduction des coûts de transferts des données. Datadog Kubernetes Autoscaling donne aux utilisateurs des recommandations multidimensionnelles de mise à l'échelle de la charge de travail pour leur environnement GKE, ainsi que la capacité à les automatiser au sein de la plateforme Datadog. De plus ils bénéficient d'une visibilité sur leur stockage Google Cloud Storage au niveau des objets et des préfixes. Les équipes peuvent ainsi identifier les goulets d'étranglement, suivre les performances et détecter rapidement une croissance inhabituelle de leur consommation de stockage. Datadog Cloud Cost Management identifie désormais automatiquement les coûts inutiles dans les environnements Google Cloud et propose des recommandations d'optimisation des services Google Cloud tels que Cloud Run et Cloud SQL.
