Actualizaciones del modelo de datos de los CUDs basados en la inversión

Como parte de la ampliación del programa de descuentos por uso confirmado (CUD), vamos a actualizar el modelo de CUD basado en el gasto y a proporcionar herramientas para ayudarte a prepararte para los cambios, que incluyen lo siguiente:

  • Exportación de datos de ejemplo de BigQuery: un conjunto de datos de ejemplo que muestra cómo habilitar la opción cambia la apariencia de las exportaciones de datos de DUA basadas en el gasto en BigQuery.
  • Consultas de ejemplo de KPIs de CUD: consultas de ejemplo que se pueden usar con la exportación de datos de ejemplo de BigQuery para calcular los indicadores clave de rendimiento (KPIs) de CUD importantes.
  • Nuevos detalles de los CUDs: descripciones de los nuevos campos de los CUDs y de la migración de datos, como los IDs de los SKUs de las nuevas tarifas de los CUDs, los nombres de las ofertas y los IDs de los modelos de consumo.

Exportación de datos de muestra de BigQuery

Puede usar la exportación de datos de muestra de BigQuery para preparar sus sistemas internos para los cambios que se produzcan en sus datos de DUC basados en el gasto. El proceso para usar la exportación de datos de muestra consta de los siguientes pasos principales:

  1. Comprueba los requisitos previos.
  2. Habilita la exportación de datos de muestra.
  3. Permite que se acumulen los nuevos datos.
  4. Consulta el nuevo modelo de datos y las consultas.
  5. Actualiza tus sistemas y flujos de trabajo internos en consecuencia.

Requisitos previos

Para usar la exportación de datos de muestra, debes cumplir los siguientes requisitos:

  • Debes tener configurada una exportación de datos de facturación detallada o estándar en tu cuenta de facturación de Cloud. Para obtener más información, consulta Configurar la exportación de datos de facturación de Cloud a BigQuery.

  • Debes tener permisos en el proyecto propietario de la exportación y en la cuenta de facturación de Cloud en la que habilites la exportación. Por ejemplo:

    • bigquery.datasets.create en el proyecto que contiene el conjunto de datos.
    • billing.accounts.getUsageExportSpec en la cuenta de facturación de Cloud.

    Para encontrar roles de facturación de Cloud predefinidos que contengan estos permisos (por ejemplo, Lector de cuentas de facturación, Administrador de costes de la cuenta de facturación o Administrador de cuentas de facturación), consulta el artículo Control de acceso y permisos de facturación de Cloud. Para obtener más información sobre los permisos específicos de BigQuery, consulta el artículo sobre los roles y permisos de gestión de identidades y accesos de BigQuery.

  • Cuando creas una cuenta de facturación de Cloud, la atribución proporcional se habilita de forma predeterminada para los compromisos basados en el gasto. De lo contrario, debes haberla habilitado para usar esta exportación. Para ello, sigue estas instrucciones.

    • Si tienes habilitado VPC-SC para los recursos de BigQuery en tu proyecto u organización, debes crear reglas de entrada y de salida para habilitar esta función correctamente:
    • Crea una regla de acceso que dé acceso al usuario para crear la exportación:
    - ingressFrom:
    identities:
    - PRINCIPAL_ID_FOR_PERSON_ENABLING_SUBSCRIPTION
    sources:
    - accessLevel: "*"
ingressTo:
    roles:
    - roles/bigquery.dataOwner
    resources:
    - projects/YOUR_PROJECT_ID_TO_HOST_SAMPLE_DATA
title: 'Sample Export Ingress'

  • Crea una regla de salida para permitir que Google Cloud cree el conjunto de datos vinculado de BigQuery en el VPC-SC:

    


      

    • egressTo:
roles:

        

      • roles/bigquery.dataOwner
resources:
        • 

      • projects/710382390241
egressFrom:
identityType: ANY_IDENTITY
sources:
        • 

      • accessLevel: "*"
sourceRestriction: RESTRICTION_STATUS
title: 'Sample Export Egress'

Habilita la exportación de datos de ejemplo

Para habilitar la exportación de datos de muestra, siga estos pasos:

  1. Abre la sección Exportación de facturación de la Google Cloud consola.

    Ir a Exportación de facturación

  2. En el cuadro de diálogo Exportación de facturación, seleccione la cuenta de facturación de Cloud en la que quiera habilitar la exportación de datos de muestra, tal como se muestra en la siguiente pantalla. Cuadro de diálogo que se usa para elegir la cuenta

  3. El proceso de exportación de datos se inicia y tarda aproximadamente un día en habilitarse. Verás la siguiente nota hasta que esté listo: Pantalla que muestra el mensaje que indica que la exportación de datos de muestra no está lista Después de habilitar la exportación de datos de muestra, se empezarán a recoger datos de facturación de Cloud, y se añadirán nuevos datos continuamente hasta enero del 2026. Deje pasar el tiempo suficiente para que se acumulen datos en la exportación antes de actualizar sus sistemas para que se ajusten al nuevo modelo de datos.

  4. Cuando la exportación esté lista, verás la siguiente notificación en la sección Facturación de la Google Cloud consola: Pantalla que muestra el mensaje que indica que la exportación de datos de muestra está lista

    La exportación de datos se crea como un conjunto de datos vinculado en el mismo proyecto de BigQuery que contiene la exportación de datos de facturación detallada o estándar. Como se trata de un conjunto de datos vinculado, no se te cobrará nada adicional por la exportación de muestra. Para obtener más información, consulta la introducción a la función de compartir de BigQuery.

  5. Haz clic en Ver conjunto de datos de ejemplo para abrir BigQuery en la consolaGoogle Cloud , donde puedes ejecutar consultas para conocer tus KPIs de CUD importantes.

Limitaciones de la exportación de muestras

La exportación de datos de muestra es una herramienta útil para prepararse para los cambios en el modelo de datos, pero se diferencia de las exportaciones de datos reales en los siguientes aspectos importantes:

  • Después de la migración: no uses las exportaciones de muestra después de habilitar el nuevo modelo de datos, ya que dejarán de ser precisas.
  • Tamaño de la salida: debido a las diferencias en la agregación de datos, el tamaño de la exportación de muestra puede variar con respecto a la exportación real que ve después de habilitar estos cambios.
  • Métodos de redondeo: debido a las diferencias en los métodos de redondeo, pueden producirse pequeñas discrepancias en importes muy pequeños o en monedas que no sean dólares estadounidenses.
  • Tarifas prorrateadas: la exportación de muestra puede sobreestimar los costes de la primera y la última hora de una compra de CUD, ya que no tiene en cuenta las tarifas de compromiso de horas parciales de la misma forma. Si compras un DCU basado en la inversión, la cuota de la primera hora se prorratea.

Ejemplo de exportación de datos antes y después del nuevo modelo de CUD

El nuevo modelo de CUD basado en el gasto requiere que planifiques y ajustes tus sistemas internos que puedan consumir datos de Facturación de Cloud. Por eso, ofrecemos los siguientes casos prácticos para mostrar cómo cambian el esquema de exportación de datos y los datos antes y después del nuevo modelo de CUD. Además, dividimos estos casos en situaciones en las que se hace un uso excesivo o insuficiente de las CUDs para mostrar el efecto en la exportación de datos.

En ambos casos, supongamos que has comprado una máquina virtual E2-Standard-8 en US Central 1, que consta de dos SKUs de RAM y de Core. Estos SKUs usan los IDs ficticios RAM SKU y Core SKU, respectivamente.

Después, compras una 1 Year GCE Flex CUD por 0,1 USD/hora en el caso de sobreutilización y por 0,3 USD/hora en el caso de infrautilización. En los datos, se representan con el ID ficticio Fee SKU.

Situación de CUD sobreutilizado

En el caso de uso excesivo, has hecho las compras mencionadas anteriormente y has usado en exceso los CUDs.

Datos anteriores

Antes del nuevo modelo de CUD, el esquema de exportación de facturación de Cloud y los valores de los datos eran como los que se muestran en la siguiente tabla.

SKU cost usage.amount_in_pricing_units usage.pricing_unit price.effective_price originating-sku 1 subscription.instance_id credits
SKU de tarifa 0,046868 6,509490 hora 0,0072 SKU de RAM subscriptions/e52fd279-0851-4f53-a533-093119e27bad []
SKU de tarifa 0,025132 3,490510 hora 0,0072 SKU principal subscriptions/e52fd279-0851-4f53-a533-093119e27bad []
SKU de RAM 0,174496 8 gibibytes por hora 0,02181159 null null [{"amount":-0.065095,"full_name":"Committed use discount - dollar based: GCE Commitments", "type":"COMMITTED_USAGE_DISCOUNT_DOLLAR_BASE"}]
SKU principal 0,093568 32 hora 0,00292353 null null [{"amount":-0.034905,"full_name":"Committed use discount - dollar based: GCE Commitments", "type":"COMMITTED_USAGE_DISCOUNT_DOLLAR_BASE"}]

1. Esta columna representa el valor de la etiqueta goog-originating-sku-id.

Datos posteriores a

Después de aplicar el nuevo modelo de CUD, el esquema de exportación de facturación de Cloud y los valores de los datos tendrán el aspecto que se muestra en la siguiente tabla.

SKU cost usage.amount_in_pricing_units usage.pricing_unit consumption_model.description price.effective_price originating-sku 1 subscription.instance_id credits
SKU de tarifa 0,046868 0,046868330 hora Predeterminado 1 SKU de RAM subscriptions/1fd3b130-40f8-4a79-ac6f-5753aaa0ceeb [{"amount":"-0.046868",""type":"FEE_UTILIZATION_OFFSET"}]
SKU de tarifa 0,025132 0,025131670 hora Predeterminado 1 SKU principal subscriptions/1fd3b130-40f8-4a79-ac6f-5753aaa0ceeb [{"amount":"-0.025132",""type":"FEE_UTILIZATION_OFFSET"}]
SKU de RAM 0,109398 5,015577498 gibibytes por hora Predeterminado 0,02181159 null null []
SKU principal 0,058648 20,06066639 hora Predeterminado 0,00292353 null null []
SKU de RAM 0,046868 2,984422502 gibibytes por hora CUDs flexibles de Compute de 1 año 0,01570434 null subscriptions/1fd3b130-40f8-4a79-ac6f-5753aaa0ceeb []
SKU principal 0,025132 11,93933361 hora CUDs flexibles de Compute de 1 año 0,00210494 null subscriptions/1fd3b130-40f8-4a79-ac6f-5753aaa0ceeb []

1. Esta columna representa el valor de la etiqueta goog-originating-sku-id.

Ten en cuenta lo siguiente en este nuevo modelo de CUD:

  • Hay dos filas por cada CUD, en lugar de una.
  • Hay una nueva columna consumption_model.description que separa las entradas de CUD adicionales, donde:
    • El valor Compute Flexible CUDs 1 Year indica que has recibido el descuento por compromiso de uso esperado.
    • El valor Default indica que has utilizado la CUD en exceso y que el coste ha vuelto al precio predeterminado del importe excedente. Esto también se indica porque subscription.instance_id no tiene ningún valor.
    • Las filas de las comisiones de CUD también tienen el valor Default, ya que no se les aplican descuentos. En su lugar, el campo credits indica que se ha aplicado un desplazamiento negativo para anular la comisión.

Situación de CUD infrautilizado

En este caso, suponemos que has hecho las compras mencionadas anteriormente y que no has aprovechado las CUDs.

Datos anteriores

Antes del nuevo modelo de CUD, el esquema de exportación de facturación de Cloud y los valores de los datos eran como los que se muestran en la siguiente tabla.

SKU cost usage.amount_in_pricing_units usage.pricing_unit price.effective_price originating-sku 1 subscription.instance_id credits
SKU de tarifa 0,022994 3194 hora 0,0072 null subscriptions/e52fd279-0851-4f53-a533-093119e27bad []
SKU de tarifa 0,125637 17.450 hora 0,0072 SKU de RAM subscriptions/e52fd279-0851-4f53-a533-093119e27bad []
SKU de tarifa 0,067369 9357 hora 0,0072 SKU principal subscriptions/e52fd279-0851-4f53-a533-093119e27bad []
SKU de RAM 0,174496 8 gibibytes por hora 0,02181159 null null [{"amount":-0.174496,"full_name":"Committed use discount - dollar based: GCE Commitments", "type":"COMMITTED_USAGE_DISCOUNT_DOLLAR_BASE"}]
SKU principal 0,093568 32 hora 0,00292353 null null [{"amount":-0.093568,"full_name":"Committed use discount - dollar based: GCE Commitments", "type":"COMMITTED_USAGE_DISCOUNT_DOLLAR_BASE"}]

1. Esta columna representa el valor de la etiqueta goog-originating-sku-id.

Datos posteriores a

Después de aplicar el nuevo modelo de CUD, el esquema de exportación de facturación de Cloud y los valores de los datos tendrán el aspecto que se muestra en la siguiente tabla.

SKU cost usage.amount_in_pricing_units usage.pricing_unit price.effective_price consumption_model.description originating-sku 1 subscription.instance_id credits
SKU de tarifa 0,022994 0,0230 hora 1 Predeterminado null subscriptions/1fd3b130-40f8-4a79-ac6f-5753aaa0ceeb []
SKU de tarifa 0,125637 0,1256371 hora 1 Predeterminado SKU de RAM subscriptions/1fd3b130-40f8-4a79-ac6f-5753aaa0ceeb [{"amount":"-0.1256348",""type":"FEE_UTILIZATION_OFFSET"}]
SKU de tarifa 0,067369 0,0673690 hora 1 Predeterminado SKU principal subscriptions/1fd3b130-40f8-4a79-ac6f-5753aaa0ceeb [{"amount":"-0.0673581",""type":"FEE_UTILIZATION_OFFSET"}]
SKU de RAM 0,125637 8 gibibytes por hora 0,0157043448 CUDs flexibles de Compute de 1 año null subscriptions/1fd3b130-40f8-4a79-ac6f-5753aaa0ceeb []
SKU principal 0,067369 32 hora 0,0021049416 CUDs flexibles de Compute de 1 año null subscriptions/1fd3b130-40f8-4a79-ac6f-5753aaa0ceeb []

1. Esta columna representa el valor de la etiqueta goog-originating-sku-id.

Ten en cuenta lo siguiente en este nuevo modelo de CUD:

  • Hay dos filas por cada CUD, en lugar de una.
  • Hay una nueva columna consumption_model.description que separa las entradas de CUD adicionales, donde:
    • El valor Compute Flexible CUDs 1 Year indica que has recibido el descuento por compromiso de uso esperado.
    • El valor Default indica las filas de la cuota de CUD, ya que no se aplican descuentos a estas filas. En su lugar, el campo credits indica que se ha aplicado un desplazamiento negativo para anular las comisiones, que se han acumulado en la primera fila.
  • En la primera fila se muestra la suma de las comisiones de CUD.

Consultas de ejemplo de los principales KPIs de CUD

Puedes usar estas métricas de KPIs importantes para validar que tus sistemas funcionan correctamente con el nuevo modelo de datos:

  1. Ahorro por compromiso de uso (en $): describe el ahorro que has conseguido gracias a tus compromisos. La métrica usa la fórmula (Cost of resources at on-demand rates - cost of resources with commitment discounts).
  2. Ahorro por compromiso de uso (%): describe el porcentaje de ahorro que has conseguido gracias a tus compromisos. La métrica usa la fórmula (Commitment savings / costs of resources at on-demand rates)*100.
  3. Utilización del compromiso (%): mide la eficacia con la que usas tus compromisos, expresada como un porcentaje. La métrica usa la fórmula (Commitment applied to eligible spend / total commitment).

  4. Tasa de ahorro efectiva (%): indica el retorno de la inversión (ROI) de los descuentos por compromiso. La métrica usa la fórmula (Commitment Savings / On-Demand Equivalent Spend).

    Para obtener información valiosa sobre sus datos de costes, las siguientes consultas de ejemplo de BigQuery muestran cómo obtener información útil sobre los siguientes KPIs.

Elige la consulta de ejemplo correcta

Para ayudarle a actualizar sus consultas en función de los cambios del modelo de datos, le ofrecemos dos versiones de las consultas de muestra de KPIs. Elige una de estas opciones:

Consultas de KPIs de ejemplo con el modelo de datos antiguo

Usa estas consultas de ejemplo si no utilizas el nuevo modelo de datos.

Estas consultas solo se aplican a los CUDs flexibles de Compute. Para consultar otros productos con CUD basados en el gasto, debe cambiar los siguientes valores:

  • cud_product
  • sku.description
  • credit.type

Coste del CUD más el ahorro del CUD

WITH
 cost_data AS (
   SELECT *
   FROM project.dataset.gcp_billing_export_resource_v1_NNNNNN_NNNNNN_NNNNNN
   WHERE invoice.month = 'month'
 ),
 cud_product_data AS (
   SELECT * FROM UNNEST(
     [
       STRUCT(
         'Compute Engine Flexible CUDs' AS cud_product,
         'Commitment - dollar based v1: GCE' AS cud_fee_regex,
         'GCE Commitments' AS cud_credit_regex)])
 ),
 cud_costs AS (
   SELECT
     invoice.month AS invoice_month,
     cud_product_data.cud_product,
     IFNULL(
       (
         SELECT l.value
         FROM UNNEST(labels) l
         WHERE l.key = 'goog-originating-service-id'
       ),
       service.id) AS service,
     SUM(cost) AS cost
   FROM
     cost_data
   JOIN cud_product_data
     ON
       REGEXP_CONTAINS(
         sku.description, cud_fee_regex)
   GROUP BY 1, 2, 3
 ),
 cud_credits AS (
   SELECT
     invoice.month AS invoice_month,
     cud_product,
     service.id AS service,
     SUM(credit.amount) AS spend_cud_credits
   FROM
     cost_data, UNNEST(credits) AS credit
   JOIN cud_product_data
     ON
       REGEXP_CONTAINS(
         credit.full_name, cud_credit_regex)
   WHERE
     credit.type = 'COMMITTED_USAGE_DISCOUNT_DOLLAR_BASE'
   GROUP BY 1, 2, 3
 )
SELECT
 invoice_month,
 cud_product,
 cost As commitment_cost,
 -1 * (cost + IFNULL(spend_cud_credits, 0)) AS commitment_savings
FROM cud_costs
LEFT JOIN cud_credits
 USING (invoice_month, cud_product, service);
  • month es el año y el mes actuales en formato YYYYMM. Por ejemplo, "202504".

Uso confirmado

WITH
 cost_data AS (
   SELECT *
   FROM project.dataset.gcp_billing_export_resource_v1_NNNNNN_NNNNNN_NNNNNN
   WHERE invoice.month = 'month'
 ),
 cud_product_data AS (
   SELECT * FROM UNNEST(
     [
       STRUCT(
         'Compute Engine Flexible CUDs' AS cud_product,
         'Commitment - dollar based v1: GCE' AS cud_fee_regex,
         'GCE Commitments' AS cud_credit_regex)])
),
 cud_commitment_amount AS (
   SELECT
     invoice.month AS invoice_month,
     cud_product_data.cud_product,
     SUM(usage.amount_in_pricing_units / 100) AS commitment_amount,
   FROM
     cost_data
   JOIN cud_product_data
     ON
       REGEXP_CONTAINS(
         sku.description, cud_fee_regex)
   GROUP BY 1, 2
 ),
 cud_utilized_commitment_amount AS (
   SELECT
     invoice.month AS invoice_month,
     cud_product,
     ABS(SUM(credit.amount / currency_conversion_rate))
       AS utilized_commitment_amount
   FROM
     cost_data, UNNEST(credits) AS credit
   JOIN cud_product_data
     ON
       REGEXP_CONTAINS(
         credit.full_name, cud_credit_regex)
   WHERE
     credit.type = 'COMMITTED_USAGE_DISCOUNT_DOLLAR_BASE'
   GROUP BY 1, 2
 )
SELECT
 invoice_month,
 cud_product,
 utilized_commitment_amount / commitment_amount *100 AS commitment_utilization
FROM cud_commitment_amount
LEFT JOIN cud_utilized_commitment_amount
 USING (invoice_month, cud_product);
  • month es el año y el mes actuales en formato YYYYMM. Por ejemplo, "202504".

Tasa de ahorro efectiva

WITH
 cost_data AS (
   SELECT *
   FROM project.dataset.gcp_billing_export_resource_v1_NNNNNN_NNNNNN_NNNNNN
   WHERE invoice.month = 'month'
 ),
 cud_product_data AS (
   SELECT * FROM UNNEST(
     [
       STRUCT(
         'Compute Engine Flexible CUDs' AS cud_product,
         'Commitment - dollar based v1: GCE' AS cud_fee_regex,
         'GCE Commitments' AS cud_credit_regex)])
 ),
 eligible_cud_skus AS (
   SELECT sku_id
   FROM example_project.dataset.flex_cud_skus
 ),
 eligible_cud_spend AS (
   SELECT
     invoice.month AS invoice_month,
     SUM(cost) AS cost,
     SUM(
       IFNULL(
         (
           SELECT SUM(credit.amount)
           FROM UNNEST(credits) AS credit
           WHERE
             credit.type IN (
               'COMMITTED_USAGE_DISCOUNT',
               'COMMITTED_USAGE_DISCOUNT_DOLLAR_BASE',
               'DISCOUNT',
               'FREE_TIER')
         ),
         0)) AS costs_ineligible_for_cud,
   FROM cost_data
   JOIN eligible_cud_skus
     ON sku.id = sku_id
   GROUP BY 1
 ),
 cud_costs AS (
   SELECT
     invoice.month AS invoice_month,
     cud_product_data.cud_product,
     IFNULL(
       (
         SELECT l.value
         FROM UNNEST(labels) l
         WHERE l.key = 'goog-originating-service-id'
       ),
       service.id) AS service,
     SUM(cost) AS cost
   FROM
     cost_data
   JOIN cud_product_data
     ON
       REGEXP_CONTAINS(
         sku.description, cud_fee_regex)
   GROUP BY 1, 2, 3
 ),
 cud_credits AS (
   SELECT
     invoice.month AS invoice_month,
     SUM(credit.amount) AS spend_cud_credits
   FROM
     cost_data, UNNEST(credits) AS credit
   WHERE
     credit.type = 'COMMITTED_USAGE_DISCOUNT_DOLLAR_BASE'
     AND REGEXP_CONTAINS(credit.full_name, 'GCE Commitments')
   GROUP BY 1
 ),
cud_savings AS (
  SELECT
   invoice_month,
   Cud_product,
   spend_cud_credits as spend_cud_credits,
   -1 * (cost + IFNULL(spend_cud_credits, 0)) AS commitment_savings
FROM cud_costs
LEFT JOIN cud_credits
 USING (invoice_month)
)
SELECT
 Invoice_month,
 commitment_savings * 100
   / (cost + costs_ineligible_for_cud - IFNULL(spend_cud_credits, 0))
   AS effective_savings_rate
FROM eligible_cud_spend
LEFT JOIN cud_savings
 USING (invoice_month);
  • month es el año y el mes actuales en formato YYYYMM. Por ejemplo, "202504".

Consultas de KPIs de ejemplo con el nuevo modelo de datos

Usa esta consulta de ejemplo si has adoptado el nuevo modelo de datos.

Estas consultas solo se aplican a los CUDs flexibles de Compute. Para consultar otros productos con CUD basados en el gasto, debe cambiar los siguientes valores:

  • cud_fee_skus
  • consumption_model.id
SET bigquery_billing_project = billing-project-id;

WITH
  cost_data AS (
    SELECT *
    FROM
      project.dataset.gcp_billing_export_resource_v1_NNNNNN_NNNNNN_NNNNNN
    WHERE invoice.month = 'month'
  ),
  cud_fee_skus AS (
    SELECT * FROM UNNEST(
      [
        '5515-81A8-03A2',
        'B22F-51BE-D599'])
      fee_sku_id
  ),
  cud_costs AS (
    SELECT
      invoice.month AS invoice_month,
      subscription.instance_id AS subscription_instance_id,
      IFNULL(
        (
          SELECT l.value
          FROM UNNEST(labels) l
          WHERE l.key = 'goog-originating-service-id'
        ),
        service.id) AS service,
      SUM(cost) AS commitment_cost,
      SUM(
        (
          SELECT SUM(credit.amount)
          FROM UNNEST(credits) credit
          WHERE credit.type = 'FEE_UTILIZATION_OFFSET'
        )) AS fee_utilization_offset
    FROM
      cost_data
    JOIN cud_fee_skus
      ON fee_sku_id = sku.id
    GROUP BY 1, 2, 3
  ),
  cud_savings AS (
    SELECT
      invoice.month AS invoice_month,
      subscription.instance_id,
      service.id AS service,
      SUM(cost - cost_at_effective_price_default) AS cud_savings_amount,
      SUM(cost_at_effective_price_default) AS on_demand_costs
    FROM
      cost_data
    WHERE
      consumption_model.id IS NOT NULL
      AND consumption_model.id IN ('D97B-0795-975B','70D7-D1AB-12A4')
    GROUP BY 1, 2, 3
  )
SELECT
  invoice_month,
  subscription_instance_id,
  service,
  commitment_cost,
  commitment_cost + fee_utilization_offset + IFNULL(cud_savings_amount, 0)
    AS commitment_savings,
  ABS(fee_utilization_offset) / commitment_cost * 100 AS cud_utilization_percent,
  (commitment_cost + fee_utilization_offset + IFNULL(cud_savings_amount, 0))
    / IFNULL(on_demand_costs, 1) * 100 AS effective_savings_rate
FROM cud_costs
LEFT JOIN cud_savings
  USING (invoice_month, subscription_instance_id, service);
  • month es el año y el mes actuales en formato YYYYMM. Por ejemplo, "202504".

Exportación de datos de Facturación de Cloud a BigQuery

La exportación de datos estándar, detallados y de refacturación (solo para revendedores) de Cloud Billing a BigQuery tiene los siguientes campos nuevos o modificados:

Campo Tipo Nuevo o actualizado
price Estructura Actual (no hay cambios en la exportación detallada ni en la de refacturación, se añade a la exportación estándar).
price.list_price Numérico Nuevo campo
price.effective_price_default Numérico Nuevo campo
price.list_price_consumption_model Numérico Nuevo campo
price.effective_price Numérico Actualización de la descripción en la exportación detallada y de modificación de facturas (se añade a la exportación estándar).
price.tier_start_amount Numérico Se incluye en la exportación detallada y se añade a la estándar.
price.unit Cadena Se incluye en la exportación detallada y se añade a la estándar.
price.pricing_unit_quantity Numérico Se incluye en la exportación detallada y se añade a la estándar.
cost_at_list Numérico Campo actual, descripción actualizada para reflejar los cambios.
cost Numérico Campo actual, descripción actualizada para reflejar los cambios.
cost_at_effective_price_default Numérico Nuevo
cost_at_list_consumption_model Numérico Nuevo
consumption_model Estructura Nuevo
consumption_model.id Cadena Nuevo
consumption_model.description Cadena Nuevo

Cambios en la exportación de precios

La exportación de precios de Facturación de Cloud a BigQuery añade o cambia estos campos para obtener información sobre los precios:

Campo Tipo Nuevo o actualizado
list_price Estructura Actualizado
billing_account_price Estructura Actualizado
consumption_model_prices Lista de structs Nuevo
consumption_model_prices.consumption_model_id Cadena Nuevo
consumption_model_prices.consumption_model_display_name Cadena Nuevo
consumption_model_prices.list_price.tiered_rates.start_usage_amount Flotante Nuevo
consumption_model_prices.list_price.tiered_rates.usd_amount Numérico Nuevo
consumption_model_prices.billing_account_price.tiered_rates.start_usage_amount Flotante Nuevo
consumption_model_prices.billing_account_price.tiered_rates.usd_amount Numérico Nuevo

Información sobre el nuevo producto de CUD

Los nuevos SKUs de la tarifa de CUD sustituyen a los SKUs de la tarifa de CUD actuales, y los nuevos IDs de oferta y de modelo de consumo se aplican a todos los CUDs incluidos. Puedes usar los siguientes detalles para ajustar tus consultas y paneles de control.

Migración de ofertas e IDs de modelos de consumo

En la siguiente tabla se muestran los IDs de los modelos de ofertas y consumo que se migrarán del modelo de datos antiguo al nuevo.

Nombre del producto Término ID de oferta antiguo Nuevo ID de oferta ID del modelo de consumo
Cloud Run 1 año 55435965-baf5-485f-baea-3fde53566e5e 392802d4-e57b-40d3-9684-a1e8cdca6fb5 73A1-AD60-B867
Cloud Run 3 años a8b22b6c-2992-48d3-9b73-98fc7a47d61c 88a5fc51-d63b-4865-bf3b-c49e05a8c5c0 A4B6-DEDF-1A65
Bigtable 1 año 5a0a5567-1552-445e-9f1b-f1ac69fb0f39 c0bf8ba5-65ee-4f7d-9e1e-3953433cf193 A03A-2A56-8086
Bigtable 3 años 26e8485e-acef-4e73-9a13-f0b2109befff 460fb2ef-456d-4263-a070-4f993fa37996 4F61-4520-4936
Dataflow 1 año 42ae4415-0361-404f-8bc5-1e7c041c2d82 127d79e4-1d52-48b0-9f31-8ba02586ff95 75D9-38E7-870F
Dataflow 3 años cac998b8-3d49-4672-ae5b-e5b3c56e05f2 03f4d3b1-44b8-4e88-9e75-b1d4e2d04573 9E06-4EF0-37D8
Memorystore para Redis 1 año fe93270a-f338-4a76-b303-c323608a9d37 8e0da7cb-196b-4351-bc32-6a6ba94f1456 DD5B-8EB3-C48D
Memorystore para Redis 3 años 8f20579e-7630-4592-8fa6-0d7d3b749354 2a3729ac-1e38-4a34-bc96-bd988028351f 8E4B-B283-45D8
Cloud Spanner 1 año 29829e5f-681c-4810-a471-8e4611a8042b 359db5c2-8c2c-49e3-a21d-26176c4cd403 558C-892D-2291
Cloud Spanner 3 años 709f6c69-8a49-4032-97f7-ce21fe340603 a6a32e10-1d76-4df8-8485-eee10d08a1cf 38C3-A961-A68B
Kubernetes Engine 1 año ae2672e6-47a8-41dc-9448-6956d7f4fbc1 2f48e468-a86a-452d-88df-edacd94a3c44 2F93-FEF4-BD6E
Kubernetes Engine 3 años fcf378c1-fbe0-4aaa-b05e-9597f8b45578 89027902-6f83-40aa-8861-7c2446b11015 6E88-5C17-F3E1
AlloyDB for PostgreSQL 1 año adbca020-a973-48c9-b9b6-f5d70527790c ff04ec3e-278c-4ec8-8278-12f875a8cea2 C100-AA7B-33B1
AlloyDB for PostgreSQL 3 años 56e5948f-f1ed-45ce-84d6-a8408092e7d5 9522b4d8-bff7-4141-81d6-b71d9113c69a 4920-CA74-2184
Cloud SQL 1 año 266e6a8c-2a0d-4b92-af9c-5795760f1fc9 d31cf078-36a2-4a8a-a2e6-b23caec0e7a3 61F8-639B-D89C
Cloud SQL 3 años 4998bf0a-51dd-4ce0-8405-aa529dd86d33 48960309-1646-4fa2-9bf8-d7e72090d2b8 52FB-D69D-95BE
Compute Flexible 1 año ffe0f6a3-2f98-437e-8d49-fc443a05d3c2 1b2601a4-9d76-462d-bd5b-5b835d245f93 D97B-0795-975B
Compute Flexible 3 años 062a285d-8989-4ce7-8f9a-bed8d183236f 61612674-a9a9-4687-8449-baca71fbd0d1 70D7-D1AB-12A4
Managed Service para Apache Kafka 1 año e1636f7d-1a29-4d53-a89e-c1f60e8dadcf 647db981-009c-4e95-b62e-6aff19384956 03DE-CED5-0B0E
Managed Service para Apache Kafka 3 años 31d79333-0c0e-4208-9b20-c6e4f27e5d1d 9a7ed994-d3df-4680-b4e6-7c3d932add66 FBB4-D107-5857
Cloud Firestore 1 año f8485012-b340-4562-8302-7e27d48f8cfd de6aa077-3170-4250-89b6-0ccd470f9e21 3892-BA17-92A7
Cloud Firestore 3 años 0b48b55a-1fa6-48bc-a3de-2d88f0b99e15 e8f59240-c088-4a22-87c3-e58722cca300 2FD9-44B6-D2AC
BigQuery 1 año 6e72d4d4-5591-4c7f-aa9f-88d277d9280c d73ae4d8-d096-4c9b-9c20-cd92c3c53724 DD83-D9A3-79AF
BigQuery 3 años ad5539c4-a0d9-4abd-82c9-1104a7c8ad64 f43d480d-3e77-4079-946c-e1b2ab640a8a 4D8D-49A7-C5B1
Backup For Oracle 1 año 5b446c4d-ce38-4d1a-8c76-e8b04ad50069 16e6132e-8a72-4a7f-8941-bf52246afc82 AEA3-CEC2-9DF3
Backup For Oracle 3 años 0dba7aa1-3215-4d44-9581-e1c34ca94471 1e028b05-4344-4bca-87e7-235ee3536354 224F-258C-7F84

Migración del ID de SKU de la cuota de CUD

En las siguientes tablas se muestran los IDs de SKU de las comisiones de CUDs que se migran del modelo de datos antiguo al nuevo, por producto.

Cloud Run

ID de SKU de cuota antiguo Nuevo ID de SKU de cuota
3491-4A9E-B163 82DD-7D25-A063
15D9-4AD0-A9B7 AB82-48AE-6F3A
10A9-4C3F-BB16 A1B8-DECC-D1F7
3301-404B-B3EF E5D3-CEFB-02D4
CFB2-4EB2-9990 090D-54AC-DA77
8837-4C45-A7DA 41C3-F36A-16D9
4867-4C8F-B76A 02B2-B3FA-95FF
C5B8-425D-97D5 F4A5-B4CF-3788
E0CE-460F-8D64 46A3-E4AA-351A
74A6-44D2-960C 4407-BF28-CF37
7859-4826-8C52 19BF-9700-359E
AA48-4683-AF1F 8974-2D16-9117
B508-4B0F-B7BB 2F4D-5F46-993B
3BF1-4FB4-83F2 BD61-7988-3E95
A57E-4819-AF94 A716-5EEA-8CEE
1B33-49CF-B32F 1B45-09D5-5F07
1210-4E9B-A04D BB5E-6431-CCA8
80E4-45AE-A1AF 947D-BBB3-5380
BA12-4198-A539 D9E1-9988-DB66
4C73-409B-A4F1 9169-B592-96AF
865F-4611-92E1 931E-6A8E-E314
BF34-44E8-91A6 408B-0952-2677
15BA-4E4A-992E 89BF-B220-F319
E00E-4B5F-B8BD 1719-823D-05F0
ECF8-4229-BC67 B1DA-56DC-EC9F
973E-434A-801F EA00-7F7B-944D
3552-4DD3-A7E8 9CFC-DEAA-A82B
4552-4772-A6F6 3898-3657-CECE
06EA-D424-083A E255-3419-0687
6FE3-4982-4D7A 5F70-CBCF-4F13
D14C-4A3B-80A6 03CC-6BAC-3FE9
B202-4829-9B84 81D8-AFBA-BB76
20AE-4E52-B828 F5E2-7791-3712
552F-4CC8-99A1 8BFE-E1FE-8066
A9CC-4C7B-A5D9 DF3D-33E3-8AD0
9CB8-4FD1-8CD9 03DD-CE93-0CE3
33FF-492C-8385 7E0C-A90C-6CCB
9422-4554-83D9 C823-5E65-5B1E
0638-44AB-9DF9 804C-2860-D291
5209-48D5-9FA5 CEDA-B53B-B6DD
7A23-4F77-BA5C 5684-226D-B356
8187-444D-8CD0 047C-F7E7-E5CD
13D2-4FA4-A8E0 4F47-9C0A-D62B
7630-473A-8C92 FE58-B5C7-E882
0B46-4BA0-913E 3B69-08EE-4E6E
EB81-4CDD-94E4 2488-2C37-724F
83A5-422F-8FBB 2A9F-A082-92D7
100C-4499-9C9B 5B2A-EE57-91E3
BCDC-49BB-9D32 E9C0-4BCD-7D32
18F0-430F-9067 B9A5-A3B0-D95F
B13B-4D35-9798 FCC6-5787-1F3C
BD0A-4FBC-8912 9FA3-FFEA-92BC
4E43-44D2-82BC 309B-91F8-C95D
1127-425D-A3C0 738D-8CAD-9A3B
4FF9-4DDE-8B5D 4CC1-460A-9FF1
7608-491D-B962 7011-33D8-298B
8C7A-4ABA-A82B 4284-87CF-A006
A650-43B3-A5E6 3BFB-24B0-73E4
71AA-41B0-9A01 691E-644F-6644
59DD-4247-B7F7 CC1A-95E6-D6EB
BCBA-4D9D-9F55 2A32-2138-B345
95C7-472A-AED4 30ED-3509-C62D
0760-B78B-9026 DDC3-5FD5-A0B6
A1F6-87A0-FE7E A8FA-9147-ABB5
21D4-45D3-9D60 1EE3-51D2-3396
5485-49C0-B8EB B0B4-343F-135D
4CBE-4359-9150 6093-28F8-6788
C51F-4A06-9E7C F33E-8239-F352
F62F-4B66-9291 9FB6-C854-5100
6B98-4F1A-B5B5 FAF0-0ECD-9314
CAFE-418A-853C EAAC-55EA-2E64
420E-4559-A155 BCF2-B50C-03B9
DA27-406E-B0B0 52EA-5CFF-7F43
E147-4670-92DC 7E41-C976-49DD
8B4F-4C3D-9FDA 4E7A-8DA1-AD53
F0E7-4A07-828B FDDF-1F04-6258
51BF-496E-97B0 3485-48FC-C988
D83D-43BD-9CE9 1E98-BE57-4954
FFFE-459E-AA3A 29A9-0609-9125
879E-4DD5-9563 6683-573B-AEBF
A342-4583-9883 514E-BB03-A6F5
6CEC-4088-9057 9EF2-4BCB-6A7A
288E-4410-B596 3071-1939-D0B5
02B6-47BE-9322 9CA4-124C-2041
059C-46F1-9D30 1E77-1051-139B
0208-4868-BB79 75EF-1DBD-84EA
A37A-4CBB-8C2A 54B3-12CB-2105
3AB6-4ED4-9DFD 8F45-B49A-430F
C39C-4F0E-8356 3F20-8CC9-6406
8E40-4212-9075 37C7-19B2-BE1B
8B23-49BA-A445 56B5-8B48-DAA8
FFDA-4C02-97F5 B2E8-0BA2-6F9E

Bigtable

ID de SKU de cuota antiguo Nuevo ID de SKU de cuota
B5A6-424E-9B40 3A81-0BBB-DB6B
D0B1-4BBE-B88E 80F1-1914-BE00

Dataflow

ID de SKU de cuota antiguo Nuevo ID de SKU de cuota
B010-4451-8FE0 9E04-DE04-2E16
A151-46E9-B512 09B2-AF74-BAD1

Memorystore para Redis

ID de SKU de cuota antiguo Nuevo ID de SKU de cuota
15A2-40AC-9DCD 8C3A-9182-D105
C4C9-475B-BEFF EF24-D476-1BAD

Cloud Spanner

ID de SKU de cuota antiguo Nuevo ID de SKU de cuota
131F-4968-89D1 3238-2675-F039
75AD-448A-95DE 80C0-BC99-0991

Kubernetes Engine

ID de SKU de cuota antiguo Nuevo ID de SKU de cuota
8AC5-995C-49BE CC42-04B0-71A9
4643-4C68-3D9E 080E-0344-2B2F
D4CC-4550-92C1 237A-224A-C622
292A-4422-B188 9607-3DD9-8D78
CAFC-43E1-9291 6FFC-4E81-8ECA
CA8D-496F-86F4 D634-1142-E1DD
787B-46D9-80CC 825F-9C72-CE1C
FEAB-4A93-849F F986-9574-3D32
3D8D-4826-AE85 EC2F-D6E6-6DC2
28C5-4353-B536 2279-940A-C438
3F48-4DB8-A865 2ED8-47E3-FCF4
1566-42A4-931C 282D-9866-204C
050E-4401-87A1 CA20-3B01-28F7
CDB8-47E5-A134 59AF-8D6A-6F93
A38D-42A4-AB93 9B4B-9C98-A1C1
0C28-42D3-9354 BF16-00E1-9106
22D5-4505-87E0 A045-427D-09F5
5406-46FC-B538 FD8F-FDDC-078F
69BD-4ED5-A9D4 8572-D615-AD9D
AB2C-4C01-B3AE 3630-EF1B-2849
9940-4B80-8F2D DF19-A1EF-AC84
29B1-476B-A3DB B6D8-7A7B-2327
1E09-4D6B-A08F 1DD6-B96F-9F27
48DF-4B4E-82A6 5FAA-AF2F-2CFF
CFB5-43DC-A225 DB7F-F9C1-F79F
6E00-453A-AD09 8E6B-7160-6255
6E7C-45B4-A4AC 2EFE-41D6-A0C2
7792-4C59-A018 10F6-AFF0-0AFF
2FA1-3003-EB9D 960E-36EC-8042
7713-78D0-0F12 3E91-E048-B73C
C468-411F-855C 1256-77D9-0785
AE7A-43D7-92D6 A816-98F0-52A4
8C09-9532-9994 1FA3-D1FF-DF7D
126A-5503-0210 E225-278E-E970
1C8A-2D9A-EF3A 544B-6343-3D8A
7246-58AB-2C77 2426-FF2F-0C1A
CBA4-4F0A-B6EA 0506-34EE-01BB
8118-4430-9AE6 B1D8-AED9-A5BA
3346-4681-9789 D2AF-530E-0C1E
68AA-48D8-BACB 4770-2E09-F22D
8994-46B7-8815 24E8-5C67-2FA1
28D9-45E5-A3DD 9650-1FA3-E633
2B69-4C94-BF9E 6BBB-0D1E-F6A0
3786-4FA4-BFC4 B1F5-F09E-9D52
7706-4477-A57C 92A3-6AD1-1CDC
87D6-42D9-9F62 BBD9-D7C3-575B
21E7-322C-27F2 E01E-1EF6-7971
341E-CEB6-046E D90C-946F-2B5E
AD40-52E0-FE6C F6DF-FCCA-46C5
802C-66F0-3337 D66E-D04C-046D
8B7F-F32F-26D1 1F34-433C-2846
1AA3-04A4-3E0D A7A1-5FAE-4B5E
BC4D-78A4-A637 3EAD-2395-D76A
BEAC-8E7A-2D03 FA9B-EA76-BBF8
76D0-2F62-2BF8 49AB-FEFE-1FFC
AA6F-4C19-BF8F B1B4-5EBE-BCD2
28B5-4B48-81D9 86DF-B23C-E1CD
ADDA-42C7-B88E 90EC-1D9C-7D21
46F2-47A7-33EF E6E7-57D4-9C0A
C2A4-1557-17BB 148C-E8E8-47DB
960E-4BAF-BA31 1653-1F57-D31D
AF6C-4CFA-A138 876B-D94C-91BA
E753-8F76-0172 D911-23CD-56DF
4E22-CFF4-F8B5 6525-244F-BA05
E007-44F3-AB00 6408-2258-A93E
D137-4062-A817 F6D4-F4E6-A4E9
2951-40E8-9F50 65FB-4059-F5FE
85A6-4DDF-A844 CA80-AC52-9C98
4147-4BB2-B0AE 3AFE-F408-82E4
69E0-47B1-8E89 1231-1AEB-C12D
4010-49AF-81F2 E84C-D51D-8BD9
D864-472C-A694 5CDA-E09B-6022
243F-A48C-F7EF 6D26-164E-1A01
6078-4495-46F5 1311-7F3B-818F
93F1-4469-DABE EB76-19CB-4ACB
C155-5C1F-4255 4DA3-B935-AE67
2E22-DE3D-8183 67F0-37CB-3E46
1C2C-3A27-09A4 8E2A-C5BF-989A
90DA-4F69-9BF0 5124-2121-DC46
1DEA-4A3A-BE97 249B-0942-FD5B
AD12-4E74-AB33 2201-9FE1-AE72
1206-4292-B7B5 BFC1-4238-31C5
60D1-4AAA-AEBB 99FF-B3FC-0977
199A-4EFA-A898 360A-0EDD-20F6
1A3B-4A36-878D A628-E73A-A7D9
C83E-4CDC-8D3A 9022-BB2D-48FD
2BFF-48AA-1752 7D54-59A4-DB94
DF97-6D3D-692F EC34-4E0B-667F

AlloyDB para PostgreSQL

ID de SKU de cuota antiguo Nuevo ID de SKU de cuota
7734-4CEB-A7D9 98FC-4179-825D
9486-406B-8ED7 1989-EC4C-1D98

Cloud SQL

ID de SKU de cuota antiguo Nuevo ID de SKU de cuota
9D5B-87A9-EAC3 7BE0-E374-B1EB
A770-1549-F8EA 2F30-30DA-482C
CF8D-4BC1-B957 2080-5BCD-9F5B
3FE2-4DD8-B090 A007-6570-4B0B
3673-4665-96DC 2D3A-EB5A-D80A
F4E5-4E4C-9EC6 ACB8-45AE-4E5F
C242-48A2-A571 7A59-B85C-DFC6
1D4C-45A7-B37E D32B-2B6E-5CA3
488D-482D-9543 0F65-F4F8-9ADD
B770-4F2C-87A0 0988-3A03-D2D0
CEFD-4948-9339 FC83-C9EF-C4EB
2E6B-409B-9759 EEF1-4F76-CAC5
0667-4EED-A427 7878-600A-64CC
F731-4BC8-B099 8BF0-605D-DCAD
6098-26E0-DA90 F8FE-F09B-8D35
3D97-72FB-A745 7E81-74D4-4C48
B4F3-4753-84D8 B247-B6A5-B42B
8BC6-431C-83A0 7F34-9E6B-7BC9
2222-A6FD-1B34 6C75-9500-A545
52F4-C022-9628 696E-7A2B-022B
1CEC-44BF-A72F F1D9-293C-905B
40B4-4A3F-9ADE 0B7E-2F8F-2091
5C18-C0DE-424C E8EE-4E7C-A1BF
E2C2-75CF-0834 FAD7-E6E2-FDEC
82AD-EFDB-31EB B316-B58B-DB2F
A462-30B5-2815 2C5E-F50B-ABA3
08CF-4B12-9DDF 6DA1-960A-8264
9A44-4649-A4BA 5F97-E2D9-D908
1D65-0D70-30D9 7D50-89D5-ADA7
42AE-51A3-4BA6 8EB6-5293-4347
AC25-43CD-B2CF BCE7-3E2D-E6B4
5BBD-4280-BDAA 3969-6A93-428C
4E88-49D2-A8CA 676C-96F3-A28B
2F5E-1738-A349 1D2B-767A-C27A
EF34-C6E5-642A A63F-26C0-0B5D
D828-2DE2-B6E9 6EC2-F52B-AFDC
BB36-4ABF-964B C6AF-A820-F06F
0B80-4201-92E9 2815-72DD-688F
D74A-49A5-A0F3 D70C-6262-E655
AEE9-48F0-8F1B 04DE-7EE7-4993
4752-4CCD-A896 5D05-BF2A-90B6
1046-418C-80D5 8225-3967-A427
D948-7796-816E 3B87-C788-A1F7
9705-467B-A0C7 4D55-316F-A430
E5E4-4AAB-8E72 6CD7-D35C-F75E
7D57-410C-88E6 CB3A-4E59-80BB
BB27-9695-34DB 1440-FD58-A7E1
43C1-1E6F-B339 175F-18C1-FFAC
7B24-9F72-4868 025D-CDA8-6051
1585-37B8-2C7C 4D4A-15C1-8651
FD3D-B041-5D8B 01B6-1103-473E
FA42-12B8-92F4 E40E-9744-A5C7
D495-4DEF-5C3D 49F7-68DD-3287
50B7-9B49-78AD 2F50-AA2C-17E8
CB27-32EF-3A69 CE5E-FF5D-E8E4
052B-DDF0-EF60 BE7D-D12F-2FE7
C978-4C07-962E 76A9-FC9C-60AB
313C-4901-A0DF 5912-F0F8-9BB2
BB74-D061-874C A5FC-B0A2-23C0
1B05-93AA-D889 644E-57BA-68FE
1E40-0BE2-0127 245F-F68B-DC02
A8A3-DA81-5FC1 A707-293C-E2F8
5DBA-4145-8DA5 7FD7-0B89-CD20
6D15-4BF1-8C40 2002-A615-BF6B
D7C4-37F2-B8FA B9B3-307F-28D9
4AA3-5BA3-56C2 7427-1C2E-1FB5
21EA-441C-A33F 7424-6E54-5CD0
0B85-44DC-8DB0 6C6B-13F3-10E4
8AA4-4E86-978A 4E2B-C2E9-DB94
2724-478C-985F 249B-CA7E-76BD
EA96-4BD2-8085 33D8-2A9A-DAEE
5E58-40A1-99ED 1EFF-46BA-57F9
C388-21EC-0FBE 4AE3-2CBF-8EAA
2339-A716-18EA 53EA-4696-1650
F250-468F-B2AE 0529-A8D8-BF5A
8165-F576-1404 A26C-35CA-F0B8
19DE-C9CA-DDC6 7498-BC05-A2E1
447B-6CF7-811F 116E-20AE-C903
65FF-4DA1-9D5B 53E6-C7B8-C112
E666-4D19-9465 CA16-1FA5-F7E4
B2D6-4532-8EC8 D09C-4C1F-E156
DF06-4741-84C3 ECC5-8690-6A62
199A-4F7E-815F F8A8-74F4-4FA3
DFEF-4140-B12C 97E5-A7CD-1BF3
0DB3-69AD-F2E0 F71D-B6A4-310F
28F7-A86D-E3AD 3030-C394-9387

Compute Flexible

ID de SKU de cuota antiguo Nuevo ID de SKU de cuota
F61D-4D51-AAFC 5515-81A8-03A2
6723-40D7-8BDC B22F-51BE-D599

Managed Service para Apache Kafka

ID de SKU de cuota antiguo Nuevo ID de SKU de cuota
8A47-8B1D-C883 6B52-5BF3-396B
02BD-82A5-FB44 0480-9719-DA84

BigQuery

ID de SKU de cuota antiguo Nuevo ID de SKU de cuota
5C25-BA1C-6AC3 F000-3255-30F7
85A1-A5CB-A253 A133-260C-A5ED
1089-2A27-7730 D1D5-1109-F1BE
22CF-7E63-10C5 DA54-C6B9-3587
FC38-FFBD-D72C A6C1-CEAD-E3EA
61AD-1D3B-D83A B7D3-119B-713F
7A19-ACF7-3170 81A9-185D-8B9E
8F1D-ADEC-2837 B769-CB81-7010
E1FD-1AAE-BAC3 CE9C-6026-EAF1
BA9B-1B34-062D 126B-1147-892C
B518-6B3B-41BE E548-4400-D30A
BC97-D9AC-36B6 1EFB-B150-3E5E
F5B4-8B94-2EEC 67E8-E098-A01A
16C8-7C38-3239 49DB-2BB3-94C9
7637-096D-622B 1381-E895-3149
FEB4-715D-30FF 70B5-F887-399D
E116-56B9-FB0A F28C-5980-130D
380B-3E0B-FD7E A18F-AF50-E629
E251-BF64-0789 37F2-2F57-7D71
4B5D-E66F-A172 A804-A110-F1AA
CDDF-5E64-7B2D 86CC-F087-FEBE
5DD6-DA23-9199 3814-70D6-EC39
F2E5-5205-B520 EF36-D8BC-BF62
51AD-E0EB-150A 3893-D7F1-5961
C279-46E5-BC9D 993D-3AFA-2C6D
C102-E006-F6FD F8BA-95FE-EA91
38C2-4F8B-B035 0004-187C-DE75
32A8-9021-5BD5 C04C-B96D-4A84
23F5-5744-16EB 15AA-0087-D18E
A2C7-4AD6-A2C6 9AE8-2B2E-9464
3166-210F-DE55 1D65-1DCA-05FE
F2F0-0F54-689D 1F53-D6C9-B57A
74F4-4E1B-06EF 8CFB-26B1-CF35
F65E-9014-E2CF 77AE-7A35-21AF
32A8-1856-364F D707-19EF-8882
6D08-0C10-CF4F 2AB8-0AC7-CDA1
9D7D-D20E-6C52 F219-044A-0599
23AB-C773-7CCB 3F16-8F6A-3A2E
5B41-2E03-EE6B FA89-BCC4-7723
72FB-2DE8-9CF3 474C-4EC7-9153
F397-9DD1-8408 34A7-AD9B-B373
47BD-22A8-B9FA C493-8773-3DC3
B8F4-F944-3999 7DC0-4FE2-7D72
5A1D-25D0-4DD4 6DC6-A111-AF25
A8C9-8053-F4C3 9902-D4A8-4DDD
FE8E-B140-8A2B 416E-5116-4B9F
44DD-7AB8-81B7 FE3E-6C65-B711
41D5-58D9-B80D 0187-7D96-8A07
8F29-24C6-F828 DBAC-DC77-7C2E
EE58-E484-950D CA44-8A5B-0CAE
B3F0-B4AA-5ABE 91D5-8E34-A91B
C401-6820-D68F C656-B0D7-DE2D
677E-AF33-A71C E617-E502-440B
48D9-5554-B194 4BCC-3982-623D
2A6A-75A1-8052 7CD3-FB97-83F7
43C7-F7A2-2DF1 6DB0-16B2-7D11
A187-636B-D5A3 6D66-35BE-F070
5A75-1900-8479 5249-BD73-90B0
5E39-16C7-C280 C29B-E97D-DE4B
FC92-0AE2-5B99 4553-C64D-DAF5
FB7B-18F0-24BF F3DF-45A6-AAF7
5A3A-2581-6A90 64FB-50DE-2B78
7EE8-7905-E68A B296-6C48-B00A
729B-5A59-EC36 674E-B7E3-9EDC
DDAD-F25F-F336 E883-C2B3-8B4E
091C-95A6-E3A9 6AB4-06A7-EE13
C19D-100F-DEC0 80E8-6BBE-9163
09CF-F2CD-F4CC 7592-C1C2-0D77
6CB5-3496-932C 0A90-CD4E-D30E
6C6D-A7DB-97E9 3869-FAC2-CCA2
995B-4155-179A 1488-9EA4-3E18
845D-60E9-0120 173E-4EF9-FC23
7E0C-F2E7-C1F1 0B18-F5D9-DACC
5E9E-8E31-FEE2 5514-A3D6-79FC
5DE9-5597-C15E 249F-ADE9-7DED
1D9E-3390-78AC 6234-FBD2-BB63
BC9A-0555-CADE B713-BA02-ED74
04E0-4165-0061 B272-5B4D-D466
9009-F18E-930D 804C-DE02-60F4
8E10-56F3-B2E2 1222-7D7D-FC15
A1C6-0ABC-B0C2 4C12-1B3C-D796
5F0C-E6BB-9AF1 977D-C6F2-A8A4
8DD7-E7F8-FD4E 37C3-EFCF-3DD3
D77C-204C-E1DC 00AE-16F3-50C5
4BD0-DA84-69FE D4D0-3E8D-7C4B
1227-9303-9DF2 160B-98BE-D874
177D-91E7-05D7 2144-0A92-A45A
6659-6ACE-4D24 264D-9FB8-F290
8C0C-CB94-91B4 CC5A-B5E1-BE39
A5D1-411A-BE45 458E-86C9-D76E
F949-A74B-2E23 7652-043A-65C9
8864-725F-B5C2 08D3-11AC-E124

Cloud Firestore

ID de SKU de cuota antiguo Nuevo ID de SKU de cuota
250C-5A4E-27F9 6849-C9A1-9662
63F9-F5D7-D6BC 2CF5-3983-EA95

Copia de seguridad y recuperación tras desastres de Oracle

ID de SKU de cuota antiguo Nuevo ID de SKU de cuota
7938-39D4-78B6 DA30-A778-1421
73D2-5A5A-CB09 0D95-F79A-4CFA