Well-Architected Framework のサステナビリティの柱におけるこの原則では、ワークロードのサステナビリティを測定し、継続的に改善するうえで役に立つ推奨事項が示されています。Google Cloud Google Cloud
原則の概要
クラウド ワークロードのサステナビリティを維持するには、正確で透明性の高い指標が必要です。検証可能な指標を使用すると、サステナビリティの目標をアクションに変換できます。クラウドで作成するすべてのリソースには、関連するカーボン フットプリントがあります。サステナブルなクラウド アーキテクチャを構築して維持するには、カーボン データの測定を運用フィードバック ループに統合する必要があります。
このセクションの推奨事項は、 Carbon Footprint を使用して二酸化炭素排出量を定量化し、カーボン ホットスポットを特定し、ターゲットを絞った ワークロードの最適化を実装し、最適化の取り組みの結果を検証するためのフレームワークを提供します。 このフレームワークを使用すると、費用最適化の目標を検証可能な二酸化炭素削減目標に効率的に合わせることができます。
Carbon Footprint の報告方法
Carbon Footprint は、クラウド関連の排出量に関する透明性の高い監査可能なレポートをグローバルに提供します。このレポートは、 二酸化炭素排出量の報告と会計に関する 国際基準（主に温室効果ガス（GHG）プロトコル） に準拠しています。Carbon Footprint レポートでは、ロケーション ベースと市場ベースの会計方法が使用されます。ロケーション ベースの会計は、地域の送電網の排出係数に基づいています。市場ベースの会計では、Google によるカーボンフリー エネルギー（CFE）の購入が考慮されます。この二重の アプローチにより、 のワークロードの物理的な送電網への影響と 二酸化炭素排出量の削減効果の両方を Google Cloud把握できます。
使用されるデータソース、スコープ 3 の包含、顧客割り当てモデルなど、Carbon Footprint レポートの作成方法について詳しくは、 Carbon Footprint の報告方法をご覧ください。
推奨事項
二酸化炭素排出量の測定を継続的改善に活用するには、以下のセクションの推奨事項を検討してください。推奨事項は、設計によるサステナブルなクラウド オペレーションを実装するための成熟度のフェーズとして構成されています。
フェーズ 1: ベースラインを確立する
このフェーズでは、必要なツールを設定し、データにアクセスして正しく統合できるようにします。
- 権限を付与する: コンソールで Carbon Footprint ダッシュボードにアクセスできるように、FinOps、SecOps、
プラットフォーム エンジニアリングなどのチームに権限を付与します。 Google Cloud 適切な請求先アカウントの
Identity and Access Management（IAM）で、
Carbon Footprint 閲覧者ロール
（
roles/billing.carbonViewer）を付与します。 - データのエクスポートを自動化する: Carbon Footprint データを BigQuery に自動的に エクスポートするように構成します。エクスポートしたデータを使用すると、詳細な分析を行い、カーボン データを費用データと使用状況データに関連付け、カスタム レポートを作成できます。
- 二酸化炭素排出量に関連する重要業績評価指標（KPI）を定義する: 二酸化炭素排出量をビジネス価値に関連付ける指標を確立します。たとえば、 二酸化炭素排出原単位は、顧客、トランザクション、収益単位あたりの CO2換算 キログラム数を表す指標です。
フェーズ 2: カーボン ホットスポットを特定する
Carbon Footprint レポートの詳細なデータを分析して、環境への影響が最も大きい領域を特定します。この分析には、次の手法を使用します。
- スコープで優先順位を付ける: 二酸化炭素排出量の総量が最も多い排出者を迅速に特定するには、プロジェクト、リージョン、サービスごとにダッシュボードのデータを分析します。
- 二重会計を使用する: リージョンでのカーボン フットプリントを評価する場合は、ロケーション ベースの排出量（地域の電力網の環境への影響）と市場ベースの排出量（Google の CFE 投資の効果）の両方を考慮します。
- 費用との関連付け: BigQuery のカーボン データと請求データを結合し、最適化アクションがサステナビリティと費用の両方に与える影響を評価します。多くの場合、費用が高いほど二酸化炭素排出量も多くなります。
- データにアノテーションを付けて労力に対するリターン（ROE）を測定する: リソースの適切なサイズ設定や大規模なサービスの廃止など、特定のイベントで BigQuery のカーボン データにアノテーションを付けます。アノテーションを使用すると、二酸化炭素排出量と費用の削減を特定の最適化イニシアチブに帰属させることができるため、各イニシアチブの結果を測定して示すことができます。
フェーズ 3: ターゲットを絞った最適化を実装する
これは、設計によるサステナブルなクラウド オペレーションを実装するための実行フェーズです。費用と二酸化炭素排出量の大きな要因となる特定のリソースを最適化するには、次の戦略を使用します。
- 放置されたプロジェクトを廃止する: Carbon Footprint データと統合されている 放置プロジェクト Recommender を定期的に確認します。二酸化炭素排出量と費用の削減を即座に検証するには、未使用のプロジェクトのレビューと最終的な削除を自動化します。
- リソースの適切なサイズ設定: Active Assist の適切なサイズ設定 Recommender を使用して、プロビジョニングされたリソース容量を実際の 使用量に合わせます。 Compute Engine VM のマシンタイプに関する推奨事項 など 。 コンピューティング負荷の高いタスクや AI ワークロードには、最も効率的なマシンタイプと AI モデルを使用します。
- カーボン アウェア スケジューリングを採用する: 時間が重要でないバッチ ワークロードの場合は、リージョンの CFE データをスケジューリング ロジックに統合します。可能な場合は、組織のポリシー サービスのリソース ロケーションの制約を使用して、新しいリソースの作成を低炭素リージョンに制限します。
- データのスプロールを削減する: データガバナンス ポリシーを実装して、 アクセス頻度の低いデータを適切なコールド ストレージ クラス（Nearline、Coldline、Archive）に移行するか、 完全に削除します。この戦略は、ストレージ リソースのエネルギー費用を削減するのに役立ちます。
- アプリケーション コードを改善する: リソースの使用量が過剰になったり、不要な計算が発生したりするコードレベルの非効率性を修正します。
詳しくは以下をご覧ください。
- 低炭素エネルギーを消費するリージョンを使用する
- AI と ML のワークロードを最適化する
- リソース使用量を最適化する
- エネルギー効率の高いソフトウェアを開発する
- サステナビリティのためにデータとストレージを最適化する
フェーズ 4: サステナビリティのプラクティスと報告を制度化する
このフェーズでは、カーボン測定をガバナンス フレームワークに組み込みます。このアプローチは、組織がサステナビリティの継続的な改善と検証可能な報告に必要な機能と管理体制を備えていることを保証するのに役立ちます。
- GreenOps: Carbon Footprint データ を Cloud Billing データ と統合するための正式な GreenOps 機能またはワーキング グループを確立します。この機能では、プロジェクト全体の二酸化炭素削減目標の責任を定義し、費用最適化をサステナビリティの目標に合わせ、支出に対する二酸化炭素排出効率を追跡するレポートを実装する必要があります。
- 報告とコンプライアンスに Carbon Footprint データを使用する: BigQuery の検証済みで監査可能な Carbon Footprint データを使用して、正式な環境、社会、ガバナンス（ESG）の開示を作成します。このアプローチにより、透明性に対するステークホルダーの要求を満たし、義務規制と自主規制の遵守を確保できます。
- トレーニングと認知度向上に投資する: 関連する技術チームと非技術チームに、サステナビリティに関する必須 トレーニングを実施します。チームは、カーボン フットプリント データにアクセスして解釈する方法と、日々のワークフローと設計の選択で最適化の推奨事項を適用する方法を知る必要があります。詳細については、 ロールベースのサステナビリティ トレーニングを提供するをご覧ください。
- 二酸化炭素排出量の要件を定義する: 新しいデプロイのアプリケーションの受け入れ基準に、二酸化炭素排出量の指標を 非機能要件（NFR） として組み込みます。この手法は、アーキテクトとデベロッパーがアプリケーション開発ライフサイクルの最初から低炭素設計オプションを優先できるようにするのに役立ちます。
- GreenOps を自動化する: スクリプト、テンプレート、 Infrastructure as Code（IaC）パイプラインを使用して、 Active Assist の推奨事項の実装を自動化します。この手法により、チームは組織全体で推奨事項を一貫して迅速に適用できます。