機器系列資源與比較指南

本文說明可供選擇的機器系列、機器系列和機器類型，方便您建立虛擬機器 (VM) 執行個體或裸機執行個體，並取得所需資源。建立運算執行個體時，請從機器系列中選取機器類型，決定該執行個體可用的資源。

有多個機器系列可供選擇。每個機器系列又可細分為機器系列，以及每個系列中預先定義的機器類型。舉例來說，在一般用途機器系列的 N2 機器類型中，您可以選取 n2-standard-4 機器類型。

如要瞭解支援現成 VM (和先占 VM) 的機器系列，請參閱 Compute Engine 執行個體佈建模型。

注意：這是 Compute Engine 機器系列的清單。如需各個機器家族的詳細說明，請參閱下列頁面：
  • 一般用途 — 成本效益最佳，適合多種工作負載。
  • 儲存空間最佳化：最適合核心用量低、儲存空間密度高的工作負載。
  • 運算最佳化 — Compute Engine 中每個核心的效能最高，並針對須耗用大量運算資源的工作負載進行最佳化。
  • 記憶體最佳化：適合會耗用大量記憶體的工作負載，相較於其他機器系列，每個核心可提供更多記憶體容量，最高可達 12 TB。
  • 加速器最佳化 — 適用於大規模平行的統一計算架構 (CUDA) 運算工作負載，例如機器學習 (ML) 和高效能運算 (HPC)。這個系列非常適合需要 GPU 的工作負載。

Compute Engine 術語

本說明文件使用下列詞彙：

  • 機器系列：已針對特定工作負載完成最佳化的一組精選處理器與硬體設定，例如一般用途、加速器最佳化或記憶體最佳化。

  • 機器系列：機器系列會依系列、代別和處理器類型進一步分類。

    • 每個系列都著重於運算能力或效能的不同層面。舉例來說，E 系列提供低成本的高效率 VM，而 C 系列則提供更優異的效能。

    • 系統會以遞增數字表示世代。舉例來說，一般用途機器系列中的 N1 系列是 N2 系列的舊版。通常代別或系列編號越高，表示底層 CPU 平台或技術越新。舉例來說，M3 系列採用第 3 代 Intel Xeon 可擴充處理器 (Ice Lake)，比採用第 2 代 Intel Xeon 可擴充處理器 (Cascade Lake) 的 M2 系列更新。

      生成 Intel AMD Arm
      第 4 代機器系列 N4、C4、X4、M4、A4 C4D C4A、A4X
      第 3 代機器系列 C3、H3、Z3、M3、A3 C3D 不適用
      第 2 代機器系列 N2、E2、C2、M2、A2、G2 N2D、C2D、T2D、E2 T2A

  • 機型：每個機型系列至少提供一種機型。每種機型都會為運算執行個體提供一組資源，例如 vCPU、記憶體、磁碟和 GPU。如果預先定義的機器類型不符合需求，您也可以為部分機器系列建立自訂機器類型。

以下各節說明不同機器類型。

預先定義的機器類型

預先定義的機器類型會提供無法設定的記憶體和 vCPU 數量。預先定義的機器類型會使用各種 vCPU 與記憶體比率：

  • highcpu：每個 vCPU 1 到 3 GB 的記憶體；通常每個 vCPU 2 GB 的記憶體。
  • standard - 每個 vCPU 的記憶體為 3 到 7 GB，通常為每個 vCPU 4 GB。
  • highmem - 每個 vCPU 的記憶體為 7 到 14 GB，通常為 8 GB。
  • megamem - 每個 vCPU 14 到 19 GB 的記憶體
  • hypermem - 每個 vCPU 19 到 24 GB 的記憶體；通常每個 vCPU 21 GB 的記憶體
  • ultramem - 每個 vCPU 24 到 31 GB 的記憶體

舉例來說，c3-standard-22 機器類型有 22 個 vCPU，而 standard 機器類型則有 88 GB 的記憶體。

本機 SSD 機器類型

本機 SSD 機器類型是特殊的預先定義機器類型。機器類型名稱包括 lssd。使用下列任一機器類型建立運算執行個體時，系統會自動將 Titanium SSD 或本機 SSD 磁碟連接至執行個體：

  • -lssd：適用於 C4、C4A、C4D、C3 和 C3D 機器系列，這些機型會將預先決定的 375 GiB 本機 SSD 磁碟數量附加至執行個體。這類機器類型的範例包括 c4a-standard-4-lssd、c3-standard-88-lssd 和 c3d-highmem-360-lssd。
  • -standardlssd：這些機器類型適用於儲存空間最佳化 Z3 機器系列，每個 vCPU 最多可提供 350 GiB 的 Titanium SSD 磁碟容量。建議使用這些機器類型，針對中型資料集進行高效能搜尋和資料分析。這類機器類型的範例為 z3-highmem-22-standardlssd。
  • -highlssd：這些機型適用於 Z3 系列機器，每 vCPU 可提供 350 GiB 至 600 GiB 的 Titanium SSD 磁碟容量。這些機器類型效能優異，建議用於大型資料集的儲存空間密集型串流和資料分析。這種機器的範例是 z3-highmem-88-highlssd。

其他機器系列也支援本機 SSD 磁碟，但使用的機器類型名稱不含 lssd。如要查看可搭配 Titanium SSD 或本機 SSD 磁碟使用的所有機器類型，請參閱「選擇有效的本機 SSD 磁碟數量」。

Bare Metal 機器類型

裸機機器類型是特殊的預先定義機器類型。機器類型名稱結尾為 -metal。使用這些機器類型建立運算執行個體時，執行個體上不會安裝管理程序。您可以將磁碟連結至 Bare Metal 執行個體，就像連結至 VM 執行個體一樣。裸機執行個體可與 VM 執行個體一樣，用於虛擬私有雲網路和子網路。

這些機型適用於 C4 (預先發布版)、C4D (預先發布版)、C3 和 X4 系列。

自訂機器類型

如果預先定義的機器類型都不符合工作負載需求，您可以為一般用途機器家族中的N 和 E 系列建立自訂機器類型的 VM 執行個體。。

自訂機器類型的使用費用略高於同等的預先定義機器類型。此外，自訂機器類型可選取的記憶體和 vCPU 數量也有限制。自訂機型的以量計價價格，會比預先定義機型的以量計價和承諾價格多出 5% 的附加費率。

建立自訂機型時，可以使用擴充記憶體功能。您可以指定記憶體大小，最高可達機器系列的限制，不必使用根據所選 vCPU 數量得出的預設記憶體大小。

詳情請參閱「建立採用自訂機型的 VM」。

共用核心機器類型

E2 和 N1 系列包含共用核心機器類型。這些機器類型會分時共用實體核心，如果是執行無須耗用大量資源的小型應用程式，選用此機器類型較經濟實惠。

  • E2：提供 e2-micro、e2-small 和 e2-medium 共用核心機型，可短暫爆發使用 2 個 vCPU。

  • N1：提供 f1-micro 和 g1-small 共用核心機器類型，最多可短時間爆發使用 1 個 vCPU。

詳情請參閱「CPU 爆量」。

機器家族和系列建議

下表針對不同工作負載提供建議。

一般用途工作負載
N4、N2、N2D、N1 C4、C4A、C4D、C3、C3D E2 Tau T2D、Tau T2A
兼顧價格與效能，適用於多種機器類型 具備穩定的高效能，適合各種工作負載 以較低的費用進行日常運算 適用於向外擴充工作負載，每核心效能/費用比最高
  • 中等流量的網站和應用程式伺服器
  • 容器化微服務
  • 商業智慧應用程式
  • 虛擬桌面
  • 客戶關係管理應用程式
  • 開發和測試環境
  • 批次處理
  • 儲存與封存
    		•
  • 高流量網站和應用程式伺服器
  • 資料庫
  • 記憶體內建的快取
  • 廣告伺服器
  • 遊戲伺服器
  • 資料分析
  • 媒體串流與轉碼
  • 以 CPU 為基礎的機器學習訓練與推論
    		•
  • 低流量網路伺服器
  • 後勤應用程式
  • 容器化微服務
  • 微服務
  • 虛擬桌面
  • 開發和測試環境
    		•
  • 向外擴充工作負載
  • 提供網路服務
  • 容器化微服務
  • 媒體轉碼
  • 大規模 Java 應用程式
    		•

    最佳化工作負載
    儲存空間最佳化 運算最佳化 記憶體最佳化 加速器最佳化
    Z3 H3、C2、C2D X4、M4、M3、M2、M1 A4X、A4、A3、A2、G2
    區塊儲存空間與運算資源比率最高，適合需要大量儲存空間的工作負載 效能超高，適合會耗用大量運算資源的工作負載 記憶體與運算比率最高，適合會耗用大量記憶體的工作負載 針對加速高效能運算工作負載完成最佳化
    • SQL、NoSQL 和向量資料庫
    • 資料分析和資料倉儲
    • 搜尋
    • 媒體串流
    • 大型分散式平行檔案系統
    • 取決於運算能力的工作負載
    • 高效能網路伺服器
    • 遊戲伺服器
    • 高效能運算 (HPC)
    • 媒體轉碼
    • 模型設計和模擬工作負載
    • AI/機器學習
    • 中型到特大型 SAP HANA 記憶體內資料庫
    • 記憶體內資料儲存庫，例如 Redis
    • 模擬
    • 高效能資料庫，例如 Microsoft SQL Server、MySQL
    • 電子設計自動化
    • 生成式 AI 模型，例如：
      • 大型語言模型 (LLM)
      • 擴散模型
      • 生成對抗網路 (GAN)
    • 支援 CUDA 的機器學習訓練和推論
    • 高效能運算 (HPC)
    • 大量平行化運算
    • BERT 自然語言處理
    • 深度學習推薦模型 (DLRM)
    • 影片轉碼
    • 遠端視覺化工作站

    建立運算執行個體後，您可以根據工作負載使用最適規模建議，達到最佳資源使用率。詳情請參閱對 VM 套用機器類型建議。

    一般用途機器系列指南

    一般用途機器系列提供多種機器系列，可為各種工作負載提供最佳性價比。

    Compute Engine 提供一般用途機器系列，可在 x86 或 Arm 架構上執行。

    x86

    • C4 機器系列適用於 Intel Emerald Rapids 和 Granite Rapids CPU 平台，並採用 Titanium。C4 機器類型經過最佳化，可提供穩定卓越的效能，並擴充至 288 個 vCPU 和 1.5 TB 的 DDR5 記憶體。C4 提供 highcpu (每個 vCPU 2 GB)、standard (每個 vCPU 3.75 GB) 和 highmem (每個 vCPU 7.75 GB) 設定。
    • C4D 系列機器採用 AMD EPYC Turin CPU 平台，並搭載 Titanium。與 C3D 相比，C4D 的最高升頻頻率更高，且每時脈指令數 (IPC) 也有所提升，因此資料庫交易速度更快。與 C3D 相比，C4D 運用 Hyperdisk 儲存空間和 Titanium 網路，在 MySQL 上每秒查詢次數最多可提高 55%，在 Redis 工作負載上效能最多可提升 35%。C4D 執行個體最多可搭載 384 個 vCPU 和 3 TB 的 DDR5 記憶體。C4D 提供 highcpu (每個 vCPU 1.875 GB)、standard (每個 vCPU 3.875 GB) 和 highmem (每個 vCPU 7.875 GB) 設定。
    • N4 機器系列採用 Intel Emerald Rapids CPU 平台，並搭載 Titanium。N4 機器類型經過最佳化，可提供彈性和成本效益，並具備預先定義和自訂的形狀，最多可擴充至 80 個 vCPU，以及 640 GB 的 DDR5 記憶體。N4 提供 highcpu (每個 vCPU 2 GB)、standard (每個 vCPU 4 GB) 和 highmem (每個 vCPU 8 GB) 設定。
    • N2 機器系列最多可搭載 128 個 vCPU，每個 vCPU 最多可提供 8 GB 記憶體，適用於 Intel Ice Lake 和 Intel Cascade Lake CPU 平台。
    • N2D 機器系列最多可搭載 224 個 vCPU，每個 vCPU 具備 8 GB 記憶體，並可使用第二代 AMD EPYC Rome 和第三代 AMD EPYC Milan 平台。
    • C3 系列機器最多可提供 176 個 vCPU，每個 vCPU 最多可提供 2、4 或 8 GB 記憶體，並可在 Intel Sapphire Rapids CPU 平台和 Titanium 上使用。C3 執行個體與基礎 NUMA 架構一致，可提供最佳、穩定且一致的效能。
    • C3D 機器系列採用 AMD EPYC Genoa CPU 平台和 Titanium，每個 vCPU 最多可提供 360 個 vCPU 和 2、4 或 8 GB 的記憶體。C3D 執行個體與基礎 NUMA 架構一致，可提供最佳、穩定且一致的效能。
    • E2 機器系列最多可搭載 32 個虛擬核心 (vCPU)，最多可提供 128 GB 記憶體，每個 vCPU 最多可提供 8 GB 記憶體，是所有機器系列中成本最低的。E2 系列機器的 CPU 平台是預先定義，可執行 Intel 處理器或第二代 AMD EPYC™ Rome 處理器。建立執行個體時，系統會為您選取處理器。這個機器系列提供各種運算資源，在 Compute Engine 中費用最低，搭配承諾使用折扣時更是如此。
    • Tau T2D 機器系列提供最佳化的向外擴充功能集。每個 VM 執行個體最多可搭載 60 個 vCPU，每個 vCPU 最多可提供 4 GB 記憶體，並在第三代 AMD EPYC Milan 處理器上運作。Tau T2D 系列機器不會使用叢集執行緒，因此一個 vCPU 等於一個完整核心。
    • N1 系列 VM 最多可搭載 96 個 vCPU，每個 vCPU 最多可提供 6.5 GB 記憶體，並且可在 Intel Sandy Bridge、Ivy Bridge、Haswell、Broadwell 和 Skylake CPU 平台上使用。

    Arm

    • C4A 機器系列是第二個執行 Arm 處理器的機器系列，也是第一個執行 Google Axion 處理器的機器系列，支援 Arm V9 架構。 Google CloudC4A 執行個體採用 Titanium IPU，可卸載磁碟和網路作業，藉此減少主機處理作業，提升執行個體效能。

      C4A 執行個體最多可提供 72 個 vCPU，每個 vCPU 最多可提供 8 GB 記憶體，C4A 提供 -lssd 機型，搭載容量最高 6 TiB 的 Titanium SSD。C4A 執行個體不會使用多執行緒並行 (SMT)。C4A 執行個體中的 vCPU 等於整個實體核心。

    • Tau T2A 機器系列是 Google Cloud 第一個執行 Arm 處理器的機器系列。Tau T2A 機器經過最佳化，可提供極具吸引力的成本效益。每個 VM 最多可有 48 個 vCPU，每個 vCPU 搭配 4 GB 記憶體。Tau T2A 機器系列搭配 Arm 指令集和全核心頻率 3 GHz，Tau T2A 機器類型支援單一 NUMA 節點，且 vCPU 等於整個核心。

    儲存空間最佳化機器系列指南

    儲存空間最佳化機器家族最適合用於高效能和快閃最佳化工作負載，例如 SQL、NoSQL 和向量資料庫、向外擴充資料分析、資料倉儲和搜尋，以及需要快速存取本機儲存空間中大量資料的分散式檔案系統。儲存空間最佳化機器系列旨在提供高本機儲存空間輸送量和 IOPS，且延遲時間不到 1 毫秒。

    • Z3 standardlssd 執行個體最多可搭載 176 個 vCPU、1,408 GB 記憶體，以及 36 TiB 的 Titanium SSD。
    • Z3 highlssd 執行個體最多可搭載 88 個 vCPU、704 GB 記憶體和 36 TiB Titanium SSD。
    • Z3 裸機執行個體 (搶先版) 具有 192 個 vCPU、1,536 GB 記憶體，以及 72 TiB 的本機 Titanium SSD。

    Z3 採用 Intel Xeon 可擴充處理器 (代號為 Sapphire Rapids)，搭配 DDR5 記憶體和 Titanium 卸載處理器。Z3 將運算、網路和儲存空間創新技術整合至單一平台，Z3 執行個體與基礎 NUMA 架構一致，可提供最佳、穩定且一致的效能。

    運算最佳化機器系列指南

    運算最佳化機器系列可提供每個核心的最高效能，因此最適合執行運算密集型應用程式。

    • H3 執行個體提供 88 個 vCPU 和 352 GB 的 DDR5 記憶體。H3 執行個體採用 Intel Sapphire Rapids CPU 平台和 Titanium 卸載處理器。H3 執行個體與基礎 NUMA 架構一致，可提供最佳、穩定且一致的效能。H3 可提升各種 HPC 工作負載的效能，例如分子動力學、計算地球科學、財務風險分析、天氣模型、前端和後端 EDA，以及計算流體力學。
    • C2 執行個體最多可搭載 60 個 vCPU，每個 vCPU 最多可提供 4 GB 記憶體，適用於 Intel Cascade Lake CPU 平台。
    • C2D 執行個體最多可搭載 112 個 vCPU，每個 vCPU 最多可提供 8 GB 記憶體，適用於第三代 AMD EPYC Milan 平台。

    記憶體最佳化機器系列指南

    記憶體最佳化機器系列的機器類型非常適合 OLAP 和 OLTP SAP 工作負載、基因體建模、電子設計自動化，以及耗用大量記憶體的 HPC 工作負載。相較於其他機器系列，這個系列每個核心可提供更多記憶體容量，最高可達 32 TB。

    • X4 裸機執行個體最多可搭載 1,920 個 vCPU，每個 vCPU 可提供 17 GB 記憶體。X4 機器類型提供 16、24 和 32 TB 的記憶體，適用於 Intel Sapphire Rapids CPU 平台。
    • M4 執行個體最多可搭載 224 個 vCPU，每個 vCPU 最多可提供 26.5 GB 記憶體，適用於 Intel Emerald Rapids CPU 平台。
    • M3 執行個體最多可搭載 128 個 vCPU，每個 vCPU 最多可提供 30.5 GB 記憶體，適用於 Intel Ice Lake CPU 平台。
    • M2 執行個體提供 6 TB、9 TB 和 12 TB 機器類型，適用於 Intel Cascade Lake CPU 平台。
    • M1 執行個體最多可提供 160 個 vCPU，每個 vCPU 最多可提供 14.9 GB 到 24 GB 的記憶體，並且可在 Intel Skylake 和 Broadwell CPU 平台上使用。

    加速器最佳化機器系列指南

    加速器最佳化機器系列非常適合大規模平行的統一計算架構 (CUDA) 運算工作負載，例如機器學習 (ML) 和高效能運算 (HPC)。這個機器系列非常適合需要 GPU 的工作負載。

    Google 也提供 AI 超級電腦，可建立經過加速器最佳化的 VM 叢集，並進行 GPU 間通訊，專為執行非常密集的 AI 和機器學習工作負載而設計。詳情請參閱「AI 超級電腦總覽」。

    Arm

    • A4X 執行個體最多可搭載 140 個 vCPU 和 884 GB 記憶體。每個 A4X 機型都連接 4 個 NVIDIA B200 GPU 和 2 個 NVIDIA Grace CPU。A4X 執行個體的網路頻寬上限為 2,000 GBps。

    x86

    • A4 執行個體最多可搭載 224 個 vCPU 和 3,968 GB 記憶體。每個 A4 機型都連接 8 個 NVIDIA B200 GPU。A4 執行個體的最大網路頻寬高達 3,600 Gbps，適用於 Intel Emerald Rapids CPU 平台。
    • A3 執行個體最多可搭載 224 個 vCPU 和 2,952 GB 記憶體。 每個 A3 機器類型連接 1、2、4 或 8 個 NVIDIA H100 或 8 個 H200 GPU。A3 執行個體的網路頻寬上限為 3,200 Gbps，適用於下列 CPU 平台：
      • Intel Emerald Rapids - A3 Ultra
      • Intel Sapphire Rapids - A3 Mega、High 和 Edge
    • A2 執行個體可搭載 12 到 96 個 vCPU，最多可提供 1,360 GB 記憶體。每個 A2 機型都連接 1、2、4、8 或 16 個 NVIDIA A100 GPU。A2 執行個體最高可提供 100 Gbps 的網路頻寬，適用於 Intel Cascade Lake CPU 平台。
    • G2 執行個體可搭載 4 到 96 個 vCPU，最多可提供 432 GB 記憶體。每個 G2 機型都連接 1、2、4 或 8 個 NVIDIA L4 GPU。G2 執行個體的最大網路頻寬高達 100 Gbps，適用於 Intel Cascade Lake CPU 平台。

    機器系列比較

    請使用下表比較每個機器家族，判斷哪一個適合您的工作負載。參閱本節內容之後，如果您還是無法確定哪個系列最適合您的工作負載，我們會建議您先使用一般用途機器系列。如要進一步瞭解所有支援的處理器，請參閱「CPU 平台」。

    如要瞭解所選設定對附加至運算執行個體的磁碟區效能有何影響，請參閱：

    比較不同機器系列的特徵，從 C4A 到 G2。 您可以在「選擇要比較的執行個體屬性」欄位中選取特定屬性，比較下表中所有機器系列的這些屬性。

    一般用途 一般用途 一般用途 一般用途 一般用途 一般用途 一般用途 一般用途 一般用途 一般用途 一般用途 最佳成本效益 儲存空間最佳化 運算最佳化 運算最佳化 運算最佳化 記憶體最佳化 記憶體最佳化 記憶體最佳化 記憶體最佳化 記憶體最佳化 加速器最佳化 加速器最佳化 加速器最佳化 加速器最佳化 加速器最佳化 加速器最佳化 加速器最佳化
    VM VM VM 和裸機 VM 和裸機 VM VM VM VM VM VM VM VM VM 和裸機 VM VM VM 裸機 VM VM VM VM VM VM VM VM VM VM VM
    Intel Emerald Rapids 和 Granite Rapids Google Axion AMD EPYC Turin Intel Sapphire Rapids AMD EPYC Genoa Intel Emerald Rapids Intel Cascade Lake 和 Ice Lake AMD EPYC Rome 和 EPYC Milan Intel Skylake、Broadwell、Haswell、Sandy Bridge 和 Ivy Bridge AMD EPYC Milan Ampere Altra Intel Skylake、Broadwell 和 Haswell，AMD EPYC Rome 和 EPYC Milan Intel Sapphire Rapids Intel Sapphire Rapids Intel Cascade Lake AMD EPYC Milan Intel Sapphire Rapids Intel Emerald Rapids Intel Ice Lake Intel Cascade Lake Intel Skylake 和 Broadwell Intel Skylake、Broadwell、Haswell、Sandy Bridge 和 Ivy Bridge NVIDIA Grace Intel Emerald Rapids Intel Emerald Rapids Intel Sapphire Rapids Intel Cascade Lake Intel Cascade Lake
    x86 Arm x86 x86 x86 x86 x86 x86 x86 x86 Arm x86 x86 x86 x86 x86 x86 x86 x86 x86 x86 x86 Arm x86 x86 x86 x86 x86
    2 至 288 1 至 72 2 至 384 4 到 176 4 至 360 2 至 80 2 至 128 2 至 224 1 至 96 1 至 60 1 至 48 0.25 至 32 8 到 192 88 4 到 60 2 至 112 960 到 1,920 28 到 224 32 到 128 208 至 416 40 至 160 1 至 96 140 224 224 208 12 至 96 4 到 96
    討論串 核心 討論串 討論串 討論串 討論串 討論串 討論串 討論串 核心 核心 討論串 討論串 核心 討論串 討論串 討論串 討論串 討論串 討論串 討論串 討論串 核心 討論串 討論串 討論串 討論串 討論串
    2 至 2,232 GB 2 至 576 GB 3 至 3,072 GB 8 至 1,408 GB 8 至 2,880 GB 2 至 640 GB 2 至 864 GB 2 至 896 GB 1.8 至 624 GB 4 至 240 GB 4 至 192 GB 1 至 128 GB 64 至 1,536 GB 352 GB 16 至 240 GB 4 至 896 GB 16,384 至 32,768 GB 372 至 5,952 GB 976 至 3,904 GB 5,888 至 11,776 GB 961 至 3,844 GB 3.75 至 624 GB 884 GB 3,968 GB 2,952 GB 1,872 GB 85 至 1,360 GB 16 至 432 GB
    — — — — — — — — — — — — — — — — — — — — —
    — — — — — — — — — — — — — — — — — — — — — — —
    — — — — — — — — — —
    — — — — — — — — — — — — — — — —
    — — <style="white-space:no-wrap;"> AMD SEV  </style="white-space:no-wrap;"> Intel TDX <style="white-space:no-wrap;"> AMD SEV  </style="white-space:no-wrap;"> — — <style="white-space:no-wrap;"> AMD SEV 、 AMD SEV-SNP </style="white-space:no-wrap;"> — — — — — — — <style="white-space:no-wrap;"> AMD SEV  </style="white-space:no-wrap;"> — — — — — — — — — Intel TDX、 NVIDIA 機密運算 — —
    NVMe NVMe NVMe NVMe NVMe NVMe SCSI 和 NVMe SCSI 和 NVMe SCSI 和 NVMe SCSI 和 NVMe NVMe SCSI NVMe NVMe SCSI 和 NVMe SCSI 和 NVMe NVMe NVMe NVMe SCSI SCSI 和 NVMe SCSI 和 NVMe NVMe NVMe NVMe NVMe SCSI 和 NVMe NVMe
    — — — — — — — — — — —
    — — — — — — — — — — — — — — — — — — — —
    — — — — — — — — — — — —
    — — — — — — — — — — — — — — — — — — — — — — —
    — — — — — — — — — — — — — — — — — — —
    — — — — — — — — —
    128 0 12 TiB 12 TiB 12 TiB 0 9 TiB 9 TiB 9 TiB 0 0 0 36 TiB (VM)、72 TiB (Metal) 0 3 TiB 3 TiB 0 0 3 TiB 0 3 TiB 9 TiB 12 TiB 12 TiB 12 TiB 6 TiB 3 TiB 3 TiB
    — — — — — — 可用區和區域 可用區和區域 可用區和區域 可用區 可用區 可用區和區域 — — 可用區 可用區 — — — 可用區 可用區 可用區和區域 — — — — 可用區 —
    — — — 可用區 可用區 — 可用區和區域 可用區和區域 可用區和區域 可用區 可用區 可用區和區域 可用區 可用區 可用區 可用區 — — 可用區 可用區 可用區 可用區和區域 — — — 可用區 可用區 可用區
    — — — 可用區 可用區 — 可用區和區域 可用區和區域 可用區和區域 可用區 可用區 可用區和區域 可用區 — 可用區 可用區 — — 可用區 可用區 可用區 可用區和區域 — — — 可用區 可用區 可用區
    — — — — — — — — — — — — — — — — — — — — — — — —
    gVNIC 和 IDPF gVNIC gVNIC 和 IDPF gVNIC 和 IDPF gVNIC gVNIC gVNIC 和 VirtIO-Net gVNIC 和 VirtIO-Net gVNIC 和 VirtIO-Net gVNIC 和 VirtIO-Net gVNIC gVNIC 和 VirtIO-Net gVNIC 和 IDPF gVNIC gVNIC 和 VirtIO-Net gVNIC 和 VirtIO-Net IDPF gVNIC gVNIC gVNIC 和 VirtIO-Net gVNIC 和 VirtIO-Net gVNIC 和 VirtIO-Net gVNIC 和 MRDMA gVNIC 和 MRDMA gVNIC 和 MRDMA gVNIC gVNIC 和 VirtIO-Net gVNIC 和 VirtIO-Net
    10 到 100 Gbps 10 到 50 Gbps 10 到 100 Gbps 23 到 100 Gbps 20 到 100 Gbps 10 到 50 Gbps 10 到 32 Gbps 10 到 32 Gbps 2 到 32 Gbps 10 到 32 Gbps 10 到 32 Gbps 1 至 16 Gbps 23 到 100 Gbps 最高 200 Gbps 10 到 32 Gbps 10 到 32 Gbps 最高 100 Gbps 32 到 100 Gbps 最高 32 Gbps 最高 32 Gbps 最高 32 Gbps 2 到 32 Gbps 最高 2,000 GBps 最高 3,600 Gbps 最高 3,200 Gbps 最高 1,800 Gbps 24 到 100 Gbps 10 到 100 Gbps
    50 到 200 Gbps 50 到 100 Gbps 50 到 200 Gbps 50 到 200 Gbps 50 到 200 Gbps — 50 到 100 Gbps 50 到 100 Gbps — — — — 50 到 200 Gbps — 50 到 100 Gbps 50 到 100 Gbps — 50 到 200 Gbps 50 到 100 Gbps — — 50 到 100 Gbps 最高 2,000 GBps 最高 3,600 Gbps 最高 3,200 Gbps 最高 1,800 Gbps 50 到 100 Gbps 50 到 100 Gbps
    0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 8 4 8 8 8 16 8
    — — — — — — — — — — — — — — — — — — — — —
    依資源計算的 CUD 和彈性 CUD 依資源計算的 CUD 和彈性 CUD 依資源計算的 CUD 和彈性 CUD 依資源計算的 CUD 和彈性 CUD 依資源計算的 CUD 和彈性 CUD 依資源計算的 CUD 和彈性 CUD 依資源計算的 CUD 和彈性 CUD 依資源計算的 CUD 和彈性 CUD 依資源計算的 CUD 和彈性 CUD 依資源計算的 CUD — 依資源計算的 CUD 和彈性 CUD 依資源計算的 CUD 和彈性 CUD 依資源計算的 CUD 依資源計算的 CUD 和彈性 CUD 依資源計算的 CUD 和彈性 CUD 依資源計算的 CUD 依資源計算的 CUD 依資源計算的 CUD 依資源計算的 CUD 依資源計算的 CUD 依資源計算的 CUD 依資源計算的 CUD 依資源計算的 CUD 依資源計算的 CUD 依資源計算的 CUD 依資源計算的 CUD 依資源計算的 CUD
    — — — —

    GPU 和運算執行個體

    GPU 可用來加速工作負載，並支援 A4X、A4、A3、A2、G2 和 N1 執行個體。如果執行個體使用 A4X、A4、A3、A2 或 G2 機器類型，系統會在您建立執行個體時自動附加 GPU。對於使用 N1 機器類型的執行個體，您可以在建立執行個體時或之後，將 GPU 附加至執行個體。GPU 無法與任何其他機器系列搭配使用。

    如果執行個體連結的 GPU 較少，vCPU 數量就會有上限。一般而言，GPU 數量越多，表示您可以建立 vCPU 較多且記憶體較大的執行個體。詳情請參閱「Compute Engine 上的 GPU」。

    後續步驟