アンダープロビジョニング状態の Cloud SQL インスタンスを最適化する

アンダープロビジョニング状態のインスタンスの Recommender は、CPU 使用率やメモリ使用率の高いインスタンスを検出する際に役立ちます。これは、インスタンスを最適化する方法に関する推奨事項も提供します。このページでは、この Recommender の仕組みと使用方法について説明します。

仕組み

CPU やメモリの高使用率状態が検出されると、インスタンスのサイズを引き上げ、ピーク時の CPU やメモリの使用率を引き下げるための推奨事項が表示されます。

料金

アンダープロビジョニング状態のインスタンスの Recommender は、標準の Recommender の料金ティアに含まれています。

始める前に

推奨事項と分析情報を表示するには、事前に次の操作を行う必要があります。

  • 分析情報と推奨事項を表示して操作するために必要なロールが付与されていることを確認します。
    タスク ロール
    推奨事項を表示する recommender.cloudsqlViewer または cloudsql.viewer のいずれかのロール。
    推奨事項を適用する recommender.cloudsqlAdmin、cloudsql.editor、cloudsql.admin のいずれかのロール。
    ロールの詳細については、ロールについてと IAM 権限の付与をご覧ください。

  • Recommender API を有効にします。

    API を有効にする

アンダープロビジョニング状態のインスタンスに関する推奨事項を一覧表示する

コンソール

アンダープロビジョニング状態のインスタンスに関する推奨事項を一覧表示するには、次の操作を行います。

  1. Cloud SQL の [インスタンス] ページに移動します。

    Cloud SQL の [インスタンス] に移動

  2. Cloud SQL インスタンスのサイズ変更の Recommender のバナーで [すべて表示] をクリックします。

または、次の方法を行います。

  1. [おすすめハブ] に移動します。

    [おすすめハブ] に移動

    詳細については、おすすめ Hub スタートガイドをご覧ください。

  2. [Cloud SQL インスタンスのサイズを変更してパフォーマンスを向上させます] カードで、[すべて表示] をクリックします。

  3. Cloud SQL インスタンスのサイズ変更の推奨事項があるインスタンスをクリックします。

gcloud

アンダープロビジョニング状態のインスタンスに関する推奨事項を一覧表示するには、次のように gcloud recommender recommendations list コマンドを実行します。

gcloud recommender recommendations list \
--project=PROJECT_ID \
--location=LOCATION \
--recommender=google.cloudsql.instance.UnderprovisionedRecommender

次のように置き換えます。

  • PROJECT_ID: プロジェクト ID。
  • LOCATION: us-central1 などのリージョン。

API

Recommendations API を使用して、アンダープロビジョニング状態のインスタンスに関する推奨事項を表示するには、次のように recommendations.list メソッドを呼び出します。

GET https://recommender.googleapis.com/v1beta1/projects/PROJECT-ID/locations/LOCATION/recommenders/google.cloudsql.instance.UnderprovisionedRecommender/recommendations

次のように置き換えます。

  • PROJECT_ID: プロジェクト ID。
  • LOCATION: us-central1 などのリージョン。

Recommender は、アンダープロビジョニング状態のインスタンスを検出すると、テーブルに一覧表示します。各行には、インスタンス名、簡単な推奨事項、現在のマシンタイプ、推奨マシンタイプ、ロケーション、最終更新日が表示されます。

分析情報と詳細な推奨事項を表示する

コンソール

Google Cloud コンソールを使用して、アンダープロビジョニング状態のインスタンスに関する分析情報と詳細な推奨事項を表示するには、インスタンスのリストで推奨ボタンをクリックします。

gcloud

gcloud を使用して、アンダープロビジョニング状態のインスタンスに関する分析情報と詳細な推奨事項を表示するには、次のように gcloud recommender insights list コマンドを実行します。

gcloud recommender insights list \
--project=PROJECT_ID \
--location=LOCATION \
--insight-type=google.cloudsql.instance.INSIGHT_TYPE

次のように置き換えます。

  • PROJECT_ID: プロジェクト ID。
  • LOCATION: us-central1 などのリージョン。
  • INSIGHT_TYPE: 分析情報タイプの ID は UnderprovisionedCpuUsageInsight、UnderprovisionedMemoryUsageInsight、または OomProbabilityInsight です。それぞれ CPU 使用率、メモリ、OOM の確率に関する分析情報を提供します。

API

Recommendations API を使用して、アンダープロビジョニング状態のインスタンスに関する分析情報と詳細な推奨事項を表示するには、次のように insights.list メソッドを呼び出します。

GET https://recommender.googleapis.com/v1beta1/projects/PROJECT-ID/locations/LOCATION/insightTypes/google.cloudsql.instance.INSIGHT_TYPE/insights

次のように置き換えます。

  • PROJECT_ID: プロジェクト ID。
  • LOCATION: us-central1 などのリージョン。
  • INSIGHT_TYPE: 分析情報タイプの ID。UnderprovisionedCpuUsageInsight、UnderprovisionedMemoryUsageInsight、OomProbabilityInsight のいずれかです。それぞれ CPU 使用率、メモリ、OOM の確率についての分析情報を提供します。

次の表に、Cloud SQL のアンダープロビジョニング状態にあるインスタンスの Recommender が生成する分析情報と推奨事項を示します。これにより、CPU とメモリの高使用率に起因するボトルネックを回避し、メモリ不足イベントが発生する可能性を最小限に抑えることができます。サブタイプは、gcloud と API の結果に表示されます。

分析情報 推奨事項
現在の CPU 使用率の傾向に基づいて、インスタンスの CPU 使用率が高いというフラグが付けられます。
サブタイプ: HIGH_CPU_UTILIZATION		CPU サイズを引き上げるか、CPU 使用率を低減します。
サブタイプ: CHANGE_INSTANCE_SIZE
現在のメモリ使用率の傾向に基づいて、インスタンスのメモリ使用量が高いというフラグが付けられます。
サブタイプ: HIGH_MEMORY_UTILIZATION。		メモリサイズを引き上げるか、メモリ使用率を低減します。
サブタイプ: CHANGE_INSTANCE_SIZE
現在の使用状況の傾向に基づいて、インスタンスに今後 OOM イベントを発生させるリスクがあるというフラグが付けられます。
サブタイプ: HIGH_OOM_PROBABILITY。		メモリサイズを引き上げるか、メモリ使用率を低減します。
サブタイプ: CHANGE_INSTANCE_SIZE

推奨事項を適用する

推奨事項を慎重に評価し、以下のいずれかを行います。

  • 推奨事項を調べるには、[インスタンスを表示] をクリックします。

    ページの上部に、推奨事項を示すバナーが表示されます。

  • 推奨事項を閉じて強調を解除し、グレー表示するには、[閉じる] をクリックします。

  • 推奨事項を適用または拒否せずにパネルを閉じるには、[キャンセル] をクリックします。

インスタンスのパフォーマンスを最適化する

インスタンスのパフォーマンスを最適化するには、次の操作を行います。

  • 必要に応じてインスタンスを編集し、vCPU またはメモリを増やします。または、vCPU 数とメモリの多いマシンタイプに切り替えます。インスタンスのサイズを推奨事項とまったく同じに適正化する必要はありません。インスタンスのプロビジョニング方法に基づいて、ご自身が判断された内容でサイズ変更を行います。サイズが大きいほど、処理のレイテンシが大きくなることに注意してください。

推奨事項を BigQuery にエクスポートして、Looker Studio または Looker で調べることもできます。

次のステップ