ArcGIS 系统基于多种云服务和提供商构建而成。 Google Cloud Platform (GCP) 及其他 Google 服务和工具常作为 ArcGIS 系统的一部分或两个业务系统之间的集成点使用。
客户可以基于 GCP 虚拟机设计和实现 ArcGIS 系统，从而支持多种虚拟硬件配置文件、配置和价格模型。 也可部署虚拟机用于通过 ArcGIS Pro 支持用户或客户端工作流，但在任何此类场景中，均应遵循结合使用 ArcGIS Pro 和 VDI 的相关性能考虑因素及建议。
使用 ArcGIS Enterprise on Kubernetes 的组织可以使用 Google Kubernetes Engine (GKE) 作为该软件的托管环境。 GKE 包含多种 Kubernetes 助手服务和结构，以协助部署。 有关高级别步骤，请参见在 Google Kubernetes Engine 上部署 ArcGIS Enterprise on Kubernetes。
Google Cloud Dataproc 属于大规模可扩展的分析系统，用于处理大数据存储。 ArcGIS GeoAnalytics Engine 可以用于 Cloud Dataproc，因为它支持 Spark 交互模式，可以将 ArcGIS 空间功能和工具带入现有工作流，或支持完成新分析。
GCP 为不同类型和规模的数据或数据存储工作负载提供了多种数据存储方案。
Google Cloud SQL 是一种托管关系数据库产品，支持多种关系数据库，可与 ArcGIS 一起使用。 请查看最新的系统要求，了解当前支持的 Google Cloud SQL 产品。 Cloud SQL 也可以配置为 ArcGIS Enterprise on Kubernetes 的关系存储。
Google Cloud Storage 服务提供的文件和对象存储通常与 ArcGIS 一起用于托管栅格数据集，可以通过云连接文件访问。 在大多数情况中，映射工作流不支持直接读取 S3 中的矢量数据，但是对于使用在 AWS 内部或邻近的 Spark 环境中运行的 ArcGIS Pro 或者 ArcGIS GeoAnalytics Engine 的地理分析工作流，在分析输入中使用这些矢量数据集是常见做法。 ArcGIS Pro 也可以连接到并读取来自云存储连接的 Apache Parquet 文件。
Google BigQuery 是一个强大的云数据仓库，可用于组合和分析组织内部的数据集。 ArcGIS 通过在 ArcGIS Pro 中创作查询图层，支持 BigQuery 的数据汇总与分析功能。这些查询图层可连接至 BigQuery，将数据显示在地图或表中，随后发布到 ArcGIS Enterprise 以创建动态地图服务和要素图层。 有关此领域的最佳做法，请参阅数据湖和数据仓库内容。 ArcGIS Data Pipelines 也可以连接到 Google BigQuery 并从中读取表。
在 Google Cloud 中设计的系统采用了虚拟网络、连接和防火墙等常见概念。 Google 的一项相关服务是 Google Cloud Load Balancing（一款基于软件的负载均衡器），可部署用于将用户流量转发或代理至后端的 ArcGIS 组件，或在多机站点或高可用性架构中实现负载均衡。
或者，一些组织会在负载均衡器上启用 Google 身份感知代理功能。 该技术提供预身份验证步骤，要求访问代理的用户必须证明其对 GCP 中应用程序的访问权限，才能获得后端服务。 Google IAP 是身份感知代理的示例，本网站的相关部分中提供了关于 IAP 的最佳做法和注意事项。
在 Google Drive 存储数据集的用户可以将其添加到 ArcGIS Online 地图和内容中，以根据这些文件访问并创建托管内容。 总体而言，将 Google Drive 用作个人文件存储时，可与 ArcGIS 配合良好；但若使用共享文件夹存储数据或 ArcGIS Pro 项目文件，则应仔细检查，以确保 Google Drive 的数据复制和同步功能不会导致文件损坏或其他问题。
许多大量使用 GCP 的组织同时也使用 Google for Work，并通过该 Google 服务管理用户身份、电子邮件和日历。 通过 SAML 联合或 OIDC 配置，Google 身份可以为 ArcGIS Online 或 ArcGIS Enterprise 提供企业登录功能。 这使用户能够享受单点登录的便利，只需使用其 Google 账户即可直接访问 ArcGIS Enterprise 或 ArcGIS Online，无需额外记忆密码或凭据。