Reservierungsempfehlungen

Auf dieser Seite wird erläutert, wie Compute Engine Reservierungsempfehlungen generiert und welche Parameter für deren Konfiguration verwendet werden.

Compute Engine gibt Empfehlungen zu Reservierungen aus, damit Sie inaktive oder nicht ausgelastete On-Demand-Reservierungen der letzten sieben Tage ermitteln und ändern oder löschen können.

Compute Engine generiert automatisch Empfehlungen basierend auf Systemmesswerten, die vom Cloud Monitoring-Dienst erfasst wurden. Sie können die Empfehlungen für Reservierungen so konfigurieren, dass mehr oder weniger Empfehlungen ausgegeben werden.

Preise

Für die Verwendung von Empfehlungen für inaktive Reservierungen fallen keine Kosten an. Die Verwendung von Empfehlungen zur Reduzierung der Ressourcennutzung kann zu Kosteneinsparungen führen. Die angezeigte Schätzung der Kosteneinsparung entspricht den potenziellen monatlichen Einsparungen, die Sie erzielen, wenn Sie Ihre VM-Reservierung an Ihre tatsächliche Nutzung anpassen. Wenn Sie beispielsweise 8 VMs reserviert haben, aber immer nur eine verwenden, sehen Sie die Kosteneinsparungen, die sich durch die Verringerung Ihrer Reservierung auf eine VM ergeben.

Beschränkungen

Empfehlungen für inaktive und nicht ausgelastete Reservierungen sind für die folgenden Reservierungen nicht verfügbar:

  • On-Demand-Reservierungen, die mit Rabatten für zugesicherte Nutzung (CUDs, Committed Use Discounts) verbunden sind
  • On-Demand-Reservierungen für VM-Instanzen (virtuelle Maschinen) mit TPUs

So werden inaktive und nicht ausgelastete Reservierungen erkannt

Reservierungsempfehlungen für die Compute Engine basieren auf bisherigen Nutzungsmesswerten. Standardmäßig umfasst der historische Beobachtungszeitraum die letzten 7 Tage. Durch Ändern des Standardzeitraums können Sie die Empfehlungen, die Sie erhalten, anpassen.

Beim Generieren von Empfehlungen berücksichtigt der Algorithmus Reservierungen, die Kosten verursachen, während der letzten 7 Tage aber keiner aktiven Compute Engine-Ressource zugeordnet waren.

Häufigkeit der Empfehlungen

Nachdem eine Reservierung erstellt wurde und Sie mindestens 7 Tage lang keine Ressourcen verbraucht haben, beginnt Compute Engine mit dem Erstellen entsprechender Empfehlungen. Neue Empfehlungen werden einmal pro Tag generiert.

Empfehlungen anpassen

Mit Compute Engine können Sie die Empfehlungen anpassen, die Sie für Ihr Projekt erhalten, indem Sie die vom Empfehlungsalgorithmus verwendete Konfiguration ändern. Insbesondere erhalten Sie durch Ändern des Standardbeobachtungszeitraums die Empfehlungen, die besser zu Ihren Arbeitslasten, Anwendungen und Infrastrukturanforderungen passen.

Informationen zum Ändern der Konfiguration für Ihr Projekt finden Sie unter den folgenden Links:

Richtige Konfiguration auswählen

In diesem Abschnitt werden die Werte beschrieben, die Sie für die Konfiguration festlegen können. Das Ändern dieser Werte wirkt sich auf die Empfehlungen aus, die Sie erhalten.

Beobachtungszeitraum

Legen Sie die Dauer des Beobachtungszeitraums fest, um Empfehlungen zu berechnen. Ändern Sie dazu den Wert für idle_reservation_lookback_period oder under_utilized_reservation_lookback_period und laden Sie die neue Konfiguration für Ihr Projekt hoch. Sie können den Beobachtungszeitraum auf einen Wert zwischen 7 und 30 Tagen festlegen, z. B.:

  • Verwenden Sie "P7D" für einen Beobachtungszeitraum von sieben Tagen.
  • Verwenden Sie "P30D" für einen Beobachtungszeitraum von 30 Tagen.

Standardmäßig beträgt der Beobachtungszeitraum 7 Tage.

  • Verwenden Sie einen kürzeren Beobachtungszeitraum, wenn Sie Empfehlungen basierend auf kurzfristigen Änderungen in Ihrer Arbeitslast erhalten möchten.
  • Verwenden Sie einen längeren Beobachtungszeitraum, wenn Sie Empfehlungen erhalten möchten, die nicht von kurzfristigen Schwankungen Ihrer Arbeitslast betroffen sind.

Legen Sie auch den Nutzungsgrenzwert fest, der eine Empfehlung für eine nicht ausgelastete Reservierung auslöst. Ändern Sie dazu den Wert für under_utilized_reservation_utilization_threshold und laden Sie die neue Konfiguration für Ihr Projekt hoch. Beispiel:

  • Bei einem Grenzwert von 80 % ist das "0.8".

Nächste Schritte