机器系列简介

本文档介绍了您可以选择的机器系列、机器系列和机器类型，以创建具有所需资源的虚拟机 (VM) 实例。创建虚拟机时，您可以从某个机器类型系列中选择一个机器类型以确定该虚拟机可用的资源。您可以从多个机器系列中进行选择，每个机器系列又进一步分为机器系列和每个系列中的预定义机器类型。例如，在通用机器系列的 N2 系列中，您可以选择 n2-standard-4 机器类型。

除了 M2 机器系列之外，所有机器系列均支持抢占式虚拟机。

注意：这是 Compute Engine 机器系列的列表。如需详细了解每个系列，请参阅以下页面：

通用 - 多种工作负载的最佳性价比。
计算优化 - Compute Engine 的每个核心的最高性能，并针对计算密集型工作负载进行了优化。
内存优化 - 非常适合内存密集型工作负载，每个内核提供比其他机器系列更多的内存，可高达 12 TB 内存。
加速器优化 - 非常适合大规模并行计算统一设备架构 (CUDA) 计算工作负载，例如机器学习 (ML) 和高性能计算 (HPC)。此系列是需要 GPU 的工作负载的最佳选项。

总之，本文档描述了以下术语：

机器系列：针对特定工作负载优化的一组精选处理器和硬件配置。创建虚拟机实例时，您可以从首选机器系列中选择预定义或自定义机器类型。
系列：机器系列按系列和世代进一步分类。例如，通用机器系列中的 N1 系列是 N2 系列的旧版本。通常，机器系列的世代编号较大，用于描述较新的世代。例如，N2 系列是 N1 系列的较新世代。
机器类型：每个机器类型都有一个预定义机器类型，用于为您的虚拟机提供一组资源。如果预定义机器类型不能满足您的需求，您还可以创建自定义机器类型。

自行试用

如果您是 Google Cloud 新手，请创建一个帐号来评估 Compute Engine 在实际场景中的表现。新客户还可获享 $300 赠金，用于运行、测试和部署工作负载。

免费试用 Compute Engine

结算

您需要为虚拟机实例使用的资源支付费用。虚拟机如虚拟机实例价格页面中所述。具体而言，我们将按照基于资源的结算模式中所述，向您分别结算每个 vCPU 和每 GB 内存的费用。适用折扣（如持续使用折扣和承诺使用折扣）将在结算中反映。

如需了解计算得出的每种机器类型每小时和每月的费用，请参阅虚拟机实例价格。

机器系列类别

通用机器系列提供多种机器系列，这些系列具有最优性价比，适用于各种工作负载。

经过费用优化的 E2 机器系列最多可以有 32 个 vCPU，最多 128 GB 内存，每个 vCPU 最多 8 GB。E2 机器系列具有预定义的 CPU 平台，运行 Intel 处理器或第二代 AMD EPYC Rome 处理器。在创建虚拟机时，系统会为您选择处理器。此机器系列在 Compute Engine 上以最低价格提供各种计算资源，尤其在结合承诺使用折扣时价格更优。
N2 机器系列配备多达 128 个 vCPU，并为每个 vCPU 提供最高 8 GB 内存，支持 Intel Ice Lake 和 Cascade Lake CPU 平台。
N2D 机器系列具有多达 224 个 vCPU，并为每个 vCPU 提供最高 8 GB 内存，支持第二代 AMD EPYC Rome 和第三代 AMD EPYC Milan 平台。
Tau T2D 机器系列提供了经过优化的横向扩容功能集。每个虚拟机最多可以配备 60 个 vCPU、每个 vCPU 4 GB 内存，并且可以在第三代 AMD EPYC Milan 处理器上使用。Tau T2D 机器系列停用了集群线程，因此一个 vCPU 等同于整个核心。
N1 机器系列配备多达 96 个 vCPU，并为每个 vCPU 提供最高 6.5 GB 内存，支持 Intel Sandy Bridge、Ivy Bridge、Haswell、Broadwell、Skylake 等 CPU 平台。

E2 和 N1 系列是共享核心机器系列。这些系列中的机器类型分时共用一个物理核心，这是运行小型、非资源密集型应用的经济实惠的方法。

E2：提供 2 个 vCPU，可用于短时间爆发。
N1：提供 f1-micro 和 g1-small 共享核心机器类型，它们最多有 1 个 vCPU 可用于短时间爆发。

计算优化机器系列在 Compute Engine 上具有最高的单核心性能，并针对计算密集型工作负载进行了优化。此系列中的机器系列在可维持高达 3.9 GHz 全核 Turbo 频率的 Intel 可扩缩处理器 (Cascade Lake) 或提供高达 3.5 GHz 的最大提升频率的第 3 代 AMD EPYC Milan 处理器上运行。

C2 虚拟机可提供多达 60 个 vCPU，并为每个 vCPU 提供最高 4 GB 内存，支持 Intel Cascade Lake CPU 平台。
C2D 虚拟机可提供多达 112 个 vCPU，并为每个 vCPU 提供最高 4 GB 内存，支持第三代 AMD EPYC Milan 平台。

内存优化机器系列的机器系列非常适合内存密集型工作负载。此系列提供比任何其他机器系列更多的内存，可高达 12 TB 内存。

加速器优化机器系列非常适合大规模并行的计算统一设备架构 (CUDA) 计算工作负载，例如机器学习 (ML) 和高性能计算 (HPC)。此系列是需要 GPU 的工作负载的最佳选择。

机器系列和系列建议

下表提供了针对不同工作负载的建议。

工作负载类型
通用工作负载			优化的工作负载
减少费用	平衡	横向扩容优化	内存优化	计算优化	加速器优化
E2	N2、N2D、N1	Tau T2D	M2、M1	C2、C2D	A2
以更低的费用进行日常计算	在多种虚拟机类型之间实现平衡的性价比	横向扩容工作负载的最佳性能/费用	超高内存工作负载	超高性能，适合处理计算密集型工作负载	针对高性能计算工作负载进行了优化
Web 服务应用提供服务后台应用中小型数据库微服务虚拟桌面开发环境	Web 服务应用提供服务后台应用中型数据库缓存媒体/流式传输	横向扩容工作负载 Web 服务容器化的微服务媒体转码大规模 Java 应用	大中型内存数据库，例如 SAP HANA 内存数据库和内存分析 Microsoft SQL Server 和类似数据库	受计算限制的工作负载高性能 Web 服务游戏（AAA 游戏服务器）广告投放高性能计算 (HPC) 媒体转码人工智能/机器学习	支持 CUDA 的机器学习训练和推断 HPC 大规模并行计算

创建虚拟机后，您可以使用“合理容量建议”来根据工作负载优化资源利用率。如需了解详情，请参阅为虚拟机实例应用机器类型建议。

机器系列比较

使用下表比较每个机器系列并确定哪种机器系列适合您的工作负载。如果在查看本部分之后，您仍然不确定哪个系列最适合您的工作负载，请从通用机器系列开始。如需详细了解所有支持的处理器，请参阅 CPU 平台。

如需了解您的选择如何影响挂接到虚拟机的永久性磁盘的性能，请参阅基于机器类型和 vCPU 数量的磁盘性能。

机器系列	vCPU	内存（每个 vCPU）	处理器	自定义虚拟机	本地 SSD	持续使用折扣	抢占式虚拟机
E2^* 通用	2 - 32	0.5–8 GB^†	Skylake Broadwell Haswell AMD EPYC Rome	是	否	否	是
E2^* 共享核心	0.25–1	0.5 - 8 GB	Skylake Broadwell Haswell AMD EPYC Rome	是	否	否	是
N2 通用	2–128	0.5 - 8 GB	Cascade Lake Ice Lake	是	是	是	是
N2D^‡ 通用	2 - 224	0.5 - 8 GB	AMD EPYC Rome AMD EPYC Milan	是	是	是	是
Tau T2D 通用	1–60	4 GB	AMD EPYC Milan	否	否	否	是
N1 通用	1–96	0.9–6.5 GB	Skylake Broadwell Haswell Sandy Bridge Ivy Bridge	是	是	是	是
N1 共享核心	0.2–0.5	3.0–3.4 GB	Skylake Broadwell Haswell Ivy Bridge Sandy Bridge	否	否	是	是
C2 计算优化	4–60	4 GB	Cascade Lake	否	是	是	是
C2D 计算优化	2–112	2–8 GB	AMD EPYC Milan	否	是	否	是
M1 内存优化 Megamem	96	14.9 GB	Skylake	否	是	是	是
M1 内存优化 Ultramem	40–160	28.3 GB	Broadwell E7	否	否	是	是
M2 内存优化 Ultramem	208–416	28.3 GB	Cascade Lake	否	否	是	否
A2 加速器优化高 GPU	12–96	7 GB	Cascade Lake	否	是	否	是
A2 加速器优化超级 GPU	96	14 GB	Cascade Lake	否	是	否	是

^*如果您使用 E2 机器类型，系统会为您选择处理器。
^†E2 虚拟机总共支持高达 128 GB 的内存。
^‡N2D 标准虚拟机和高 CPU 虚拟机最多可以有 224 个 vCPU。

GPU 和虚拟机

GPU 用于加速工作负载。您只能使用 N1 机器系列或 A2 机器系列将 GPU 挂接到虚拟机。其他机器系列不支持 GPU。

GPU 数量较少的虚拟机会有 vCPU 数量上限的限制。通常情况下，如果 GPU 数量较多，您可以创建具有较多 vCPU 和内存的实例。如需了解详情，请参阅 Compute Engine 上的 GPU。