Google Cloud Well-Architected 프레임워크의 지속가능성 요소 원칙은 워크로드의 지속가능성을 측정하고 지속적으로 개선하는 데 도움이 되는 권장사항을 제공합니다. Google Cloud
원칙 개요
클라우드 워크로드의 지속가능성을 유지하려면 정확하고 투명한 측정항목이 필요합니다. 검증 가능한 측정항목을 사용하면 지속가능성 목표를 작업으로 전환할 수 있습니다. 클라우드에서 만드는 모든 리소스에는 연결된 탄소 발자국이 있습니다. 지속가능한 클라우드 아키텍처를 빌드하고 유지하려면 탄소 데이터 측정을 운영 피드백 루프에 통합해야 합니다.
이 섹션의 권장사항은 탄소 발자국 을 사용하여 탄소 배출량을 정량화하고, 탄소 집중 발병 지역을 식별하고, 타겟 워크로드 최적화를 구현하고, 최적화 노력의 결과를 검증하는 프레임워크를 제공합니다. 이 프레임워크를 사용하면 비용 최적화 목표를 검증 가능한 탄소 감축 목표에 효율적으로 맞출 수 있습니다.
탄소 발자국 보고 방법론
탄소 발자국은 클라우드 관련 배출량에 대한 투명하고 감사 가능하며 전 세계적으로 일관된 보고서를 제공합니다. 이 보고서는 탄소 보고 및 회계를 위한 온실가스 (GHG) 프로토콜을 비롯한 국제 표준을 준수합니다. 탄소 발자국 보고서는 위치 기반 및 시장 기반 회계 방법을 사용합니다. 위치 기반 회계는 로컬 그리드의 배출량 계수를 기반으로 합니다. 시장 기반 회계는 Google의 무탄소 에너지 (CFE) 구매를 고려합니다. 이중 접근 방식을 사용하면 워크로드의 물리적 그리드 영향과 탄소 이점을 모두 이해할 수 있습니다 Google Cloud.
사용된 데이터 소스, 범위 3 포함, 고객 할당 모델을 비롯한 탄소 발자국 보고서 준비 방법에 대한 자세한 내용은 탄소 발자국 보고 방법론을 참고하세요.
추천
탄소 측정을 지속적인 개선에 사용하려면 다음 섹션의 권장사항을 고려하세요. 권장사항은 지속가능한 설계 클라우드 운영을 구현하기 위한 성숙도 단계로 구성됩니다.
1단계: 기준 설정
이 단계에서는 필요한 도구를 설정하고 데이터에 액세스할 수 있으며 올바르게 통합되었는지 확인합니다.
- 권한 부여: FinOps, SecOps,
플랫폼 엔지니어링과 같은 팀에 권한을 부여하여
콘솔에서 탄소 발자국 대시보드에 액세스할 수 있도록 합니다. Google Cloud Identity and Access Management (
roles/billing.carbonViewer)에서 적절한 청구 계정에 탄소 발자국 뷰어 역할을 부여합니다. - 데이터 내보내기 자동화: 데이터를 내보내기 전에 Google Cloud 리소스 계층 구조 (폴더 및 프로젝트) 와 리소스 주석 (태그 및 라벨) 가 비즈니스 단위의 조직을 정확하게 반영하는지 확인합니다. 탄소 발자국 데이터는 프로젝트 수준에서 집계되므로 배출량을 올바르게 귀속하려면 잘 정의된 계층 구조가 필수적입니다. BigQuery로 탄소 발자국 데이터의 자동 내보내기 를 구성합니다. 내보낸 데이터를 사용하면 심층 분석을 수행하고, 탄소 데이터를 비용 및 사용량 데이터와 상호 연결하고, 커스텀 보고서를 생성할 수 있습니다.
- 탄소 관련 핵심성과지표 (KPI) 정의: 탄소 배출량을 비즈니스 가치와 연결하는 측정항목을 설정합니다. 예를 들어, 탄소집약도는 고객, 거래 또는 수익 단위당 CO2 등가 킬로그램 수를 나타내는 측정항목입니다.
2단계: 탄소 집중 발병 지역 식별
탄소 발자국 보고서의 세분화된 데이터를 분석하여 환경에 가장 큰 영향을 미치는 영역을 식별합니다. 이 분석에는 다음 기법을 사용합니다.
- 범위별 우선순위 지정: 가장 큰 총 탄소 배출량을 신속하게 식별하려면 프로젝트, 리전, 서비스별로 대시보드의 데이터를 분석합니다.
- 이중 회계 사용: 리전의 탄소 영향을 평가할 때는 위치 기반 배출량 (로컬 전력망의 환경 영향)과 시장 기반 배출량 (Google의 CFE 투자 이점)을 모두 고려합니다.
- 비용과 상호 연결: BigQuery의 탄소 데이터를 청구 데이터와 결합하고 지속가능성 및 비용에 대한 최적화 작업의 영향을 평가합니다. 비용과 탄소는 함께 추세를 보이는 경우가 많지만 비용은 초기 지표로만 사용할 수 있습니다. 예를 들어 탄소 무료 에너지 (CFE) 점수 가 높은 비용이 많이 드는 리전 에서는 워크로드의 비용이 많이 들지만 시장 기반 배출량은 낮을 수 있습니다. 항상 실제 위치 기반 측정항목과 시장 기반 측정항목에 대해 최적화 가정을 검증합니다.
- 데이터에 주석을 달아 노력 대비 수익 (ROE) 측정: BigQuery의 탄소 데이터에 리소스 크기 조정 또는 대규모 서비스 폐기와 같은 특정 이벤트를 주석으로 추가합니다. 주석을 사용하면 탄소 배출량 및 비용 절감을 특정 최적화 이니셔티브에 귀속시켜 각 이니셔티브의 결과를 측정하고 입증할 수 있습니다.
3단계: 타겟 최적화 구현
지속가능한 설계 클라우드 운영을 구현하기 위한 실행 단계입니다. 비용 및 탄소 배출량의 중요한 동인으로 식별된 특정 리소스를 최적화하려면 다음 전략을 사용하세요.
- 미사용 프로젝트 폐기: IT 서비스 관리 (ITSM) 워크플로의 일부로 탄소 발자국 데이터와 통합된 미사용 프로젝트 추천자 를 정기적으로 확인합니다. 탄소 배출량과 비용을 즉시 검증하고 줄이려면 추적된 엔지니어링 티켓을 통해 사용하지 않는 프로젝트의 검토 및 최종 삭제를 자동화합니다.
- 리소스 크기 조정: Compute Engine VM의 머신 유형 권장사항과 같은 Active Assist 크기 조정 추천자를 사용하여 프로비저닝된 리소스 용량을 실제 사용량과 일치시킵니다. 컴퓨팅 집약적인 작업과 AI 워크로드의 경우 가장 효율적인 머신 유형과 AI 모델을 사용합니다.
- 탄소 인식 예약 채택: 시간이 중요하지 않은 일괄 워크로드의 경우 리전별 CFE 데이터를 예약 로직에 통합합니다. 가능한 경우 조직 정책 서비스의 리소스 위치 제약조건을 사용하여 새 리소스 생성을 탄소 배출량이 낮은 리전으로 제한합니다.
- 데이터 확산 감소: 데이터 거버넌스 정책을 구현하여 자주 액세스하지 않는 데이터가 적절한 콜드 스토리지 클래스 (Nearline, Coldline 또는 Archive)로 전환되거나 영구적으로 삭제되도록 합니다. 이 전략은 스토리지 리소스의 에너지 비용을 줄이는 데 도움이 됩니다.
- 애플리케이션 코드 개선: 과도한 리소스 사용 또는 불필요한 계산을 유발하는 코드 수준의 비효율성을 수정합니다.
자세한 내용은 다음을 참조하세요.
4단계: 지속가능성 관행 및 보고 제도화
이 단계에서는 탄소 측정을 거버넌스 프레임워크에 포함합니다. 이 접근 방식을 사용하면 조직에 지속적인 지속가능성 개선과 검증 가능한 보고에 필요한 기능과 제어가 있는지 확인할 수 있습니다.
- **GreenOps 거버넌스 구현**: 탄소 발자국 데이터를 Cloud Billing 데이터와 통합하기 위한 공식 GreenOps 기능 또는 워킹 그룹을 설정합니다. 월별 BigQuery 탄소 내보내기 를 Looker와 같은 기존 FinOps 대시보드에 직접 통합합니다. 단일 인터페이스에서 탄소 및 비용 데이터를 제공하면 지속가능성이 표준 운영 검토 주기의 일부가 됩니다. 이 함수는 프로젝트 전반에서 탄소 감축 목표에 대한 책임을 정의하고, 비용 최적화를 지속가능성 목표에 맞추고, 지출 대비 탄소 효율성을 추적하기 위한 보고를 구현해야 합니다.
- 보고 및 규정 준수에 탄소 발자국 데이터 사용: BigQuery의 검증되고 감사 가능한 탄소 발자국 데이터를 사용하여 공식 환경, 사회, 거버넌스 (ESG) 공개를 만듭니다. 이 접근 방식을 사용하면 투명성에 대한 이해관계자의 요구를 충족하고 의무 및 자발적 규정을 준수할 수 있습니다.
- 교육 및 인식에 투자: 관련 기술 및 비기술 팀에 대한 의무 지속가능성 교육을 구현합니다. 팀은 탄소 발자국 데이터에 액세스하고 해석하는 방법과 일상적인 워크플로 및 설계 선택에서 최적화 권장사항을 적용하는 방법을 알아야 합니다. 자세한 내용은 역할 기반 지속가능성 교육 제공을 참고하세요.
- 탄소 요구사항 정의: 새 배포를 위한 애플리케이션의 수락 기준에 탄소 배출량 측정항목을 비기능 요구사항 (NFR)으로 통합합니다. 이 관행을 통해 설계자와 개발자가 애플리케이션 개발 수명 주기의 시작부터 탄소 배출량이 낮은 설계 옵션에 우선순위를 부여할 수 있습니다.
- GreenOps 자동화: 스크립트, 템플릿, 코드형 인프라 (IaC) 파이프라인을 사용하여 Active Assist 권장사항의 구현을 자동화합니다. 이 관행을 통해 팀은 조직 전체에서 권장사항을 일관되고 신속하게 적용할 수 있습니다.