Ende der Unterstützung für NVIDIA P100

NVIDIA P100-GPUs auf Google Cloud erreichen am 15. September 2026 das Ende des Supports (End of Support, EOS).

Was sollte ich wissen?

Nach dem 15. September 2026 können Sie keine Google Cloud-Ressourcen mehr erstellen oder darauf zugreifen, auf denen NVIDIA P100-GPUs ausgeführt werden. Diese Einstellung betrifft Ressourcen für die folgenden Dienste:

  • Compute Engine: VM-Instanzen
  • Google Kubernetes Engine (GKE): Knoten
  • Gemini Enterprise Agent Platform: Modelle, Jobs und Endpunkte
  • Cloud Workstations: Workstations
  • Dataflow: Pipelinejobs
  • Managed Service for Apache Spark: Cluster und serverlose Batches
  • Deep Learning-VM- und Container-Optimized OS-Instanzen

Wie wirkt sich EOS auf meine vorhandenen Ressourcen aus?

Bis zum 15. September 2026 sind Ihre Ressourcen, auf denen NVIDIA P100-GPUs ausgeführt werden, nicht betroffen. Ihre Projekte können jedoch gefährdet sein, weil Sie ein GPU-Modell ausführen, das sich dem EOS nähert. EOS-Produkte und ‑Funktionen werden von Google Cloudnicht unterstützt.

Was muss ich tun?

Wenn Sie Ihre Arbeitslasten auf unterstützte GPUs umstellen möchten, müssen Sie ein neues GPU-Modell auswählen, die Verfügbarkeit in Ihren Regionen prüfen und dann Ihre Arbeitslasten migrieren.

GPU-Modell auswählen

Wir empfehlen, auf moderne GPU-Alternativen umzusteigen, insbesondere auf die G2- oder G4-Maschinenserie. Um das beste GPU-Modell für Ihre Arbeitslast zu ermitteln, vergleichen Sie die folgenden Optionen:

Funktion G2 (NVIDIA L4) G4 (NVIDIA RTX PRO 6000)
Optimal für Hochleistungs-KI-Inferenz, generative KI, Media-Streaming und Grafiken. L4-GPUs bieten eine bis zu viermal höhere Leistung als T4-GPUs. Hochleistungssimulation, NVIDIA Omniverse-Arbeitslasten, 3D-Grafikrendering, lokales LLM-Feinabstimmung und ‑Inferenz, virtuelle Workstations (vWS) und die gemeinsame Nutzung von fraktionierten GPUs (vGPUs).
Architektur und Arbeitsspeicher Ada Lovelace-Architektur mit 24 GB GDDR6-GPU-Arbeitsspeicher. Blackwell-Architektur mit 96 GB GPU-Arbeitsspeicher pro GPU.
Maschinenserie G2-beschleunigungsoptimiert G4-beschleunigungsoptimiert
Migrationspfad Neue VM-Migration: Zu einer neuen VM wechseln, um zur G2-Maschinenserie zu wechseln. Migration zu einer neuen VM: Zu einer neuen VM wechseln, um zur Maschinenserie G4 zu wechseln.

Eine vollständige Liste und ein Vergleich aller GPU-Modelle finden Sie unter GPU-Maschinentypen.

Verfügbare Standorte ansehen

So prüfen Sie, ob das ausgewählte GPU-Modell verfügbar ist:

Arbeitslasten migrieren

Wählen Sie je nach verwendetem Dienst einen der folgenden Übergangspfade aus:

Compute Engine-Arbeitslasten

Wählen Sie je nach Maschinentyp und GPU-Modell, zu dem Sie wechseln möchten, eine der folgenden Methoden aus:

Zu einer neuen VM wechseln

Sie müssen zu einer neuen VM wechseln, wenn das neue GPU-Modell in der Zone der bestehenden VM nicht unterstützt wird oder wenn Sie zu einer GPU wechseln, die auf einem beschleunigeroptimierten Maschinentyp ausgeführt wird.

Führen Sie die folgenden Schritte aus, um zu einer neuen VM zu wechseln:

  1. Wenn Ihre vorhandene VM lokale SSD-Laufwerke enthält, die Daten enthalten, die Sie behalten möchten, verschieben Sie den Inhalt dieser Laufwerke auf ein Persistent Disk-Volume.

  2. Erstellen Sie eine neue VM. Ein Beispiel zum Erstellen einer VM, die auf dem Maschinentyp G2 (NVIDIA L4) ausgeführt wird, finden Sie unter G2-Instanz erstellen.

  3. Verschieben Sie nichtflüchtige Speicher-Volumes von der alten VM zur neuen. Dazu trennen Sie das Persistent Disk-Volume von der alten VM und fügen es der neuen VM hinzu. Alternativ können Sie Dateien von einer VM auf die andere übertragen.

  4. Optional: Verschieben Sie die auf nichtflüchtigen Speichervolumes gespeicherten Daten zurück auf eine lokale SSD.

  5. Weisen Sie der ursprünglichen VM alle statischen IP-Adressen zu, die der ursprünglichen VM zugeordnet waren.

  6. Installieren Sie GPU-Treiber auf der VM.

  7. Installieren Sie die Anwendungen auf der neuen VM.

  8. Löschen Sie die alte VM.

Vorhandene VM ändern

Wenn das neue GPU-Modell, zu dem Sie wechseln möchten, in derselben Zone unterstützt wird und auf den N1-Maschinentypen für allgemeine Zwecke ausgeführt wird, können Sie die vorhandene VM so ändern, dass von einem NVIDIA P100-Modell zum neuen GPU-Modell gewechselt wird.

Console

Führen Sie die folgenden Schritte aus, um den GPU-Typ in der Console zu ändern:

  1. Prüfen Sie, ob Ihr Kontingent für den neuen GPU-Typ ausreicht.
  2. Prüfen Sie, ob alle kritischen Anwendungen auf der VM angehalten wurden.

  3. Rufen Sie in der Google Cloud Console die Seite VM-Instanzen auf:

    Zur Seite „VM-Instanzen“

  4. Klicken Sie auf den Namen der VM, auf der die NVIDIA P100-GPU ausgeführt wird. Die Seite VM-Instanzdetails wird geöffnet.

  5. Klicken Sie auf Beenden. Wenn die Option Beenden nicht angezeigt wird, klicken Sie auf  Weitere Aktionen > Beenden. Im Benachrichtigungsbereich können Sie sehen, wann die VM gestoppt wurde.

  6. Klicken Sie auf Bearbeiten und führen Sie dann die folgenden Schritte aus:

    1. Wählen Sie im Abschnitt Maschinenkonfiguration die Maschinenfamilie GPU aus.
    2. Ändern Sie in der Liste GPU-Typ das GPU-Modell von NVIDIA P100 in Ihr neues GPU-Modell.

  7. Klicken Sie auf Speichern, um die Änderungen anzuwenden.

  8. Klicken Sie auf Starten/Fortsetzen, um die VM neu zu starten.

gcloud

Führen Sie die folgenden Schritte aus, um den GPU-Typ mit der Google Cloud CLI zu ändern:

  1. Prüfen Sie, ob Ihr Kontingent für den neuen GPU-Typ ausreicht.
  2. Prüfen Sie, ob alle kritischen Anwendungen auf der VM angehalten wurden.

  3. Exportieren Sie die VM-Konfiguration in eine lokale YAML-Datei:

    gcloud compute instances export VM_NAME \
   --destination=config.yaml \
   --zone=ZONE

  4. Öffnen Sie die exportierte Datei config.yaml und aktualisieren Sie den Block guestAccelerators:

    guestAccelerators:
- acceleratorCount: ACCELERATOR_COUNT
 acceleratorType: https://www.googleapis.com/compute/v1/projects/PROJECT_ID/zones/ZONE/acceleratorTypes/ACCELERATOR_TYPE

    Prüfen Sie, ob scheduling.onHostMaintenance im Block scheduling auf TERMINATE gesetzt ist:

    scheduling:
 automaticRestart: true
 onHostMaintenance: TERMINATE

  5. Halten Sie die VM an.

    gcloud compute instances stop VM_NAME \
   --zone=ZONE

  6. Wenden Sie die geänderte Konfiguration mit dem Befehl update-from-file an.

    gcloud compute instances update-from-file VM_NAME \
   --source=config.yaml \
   --most-disruptive-allowed-action=RESTART \
   --zone=ZONE

  7. Starten Sie die VM.

    gcloud compute instances start VM_NAME \
   --zone=ZONE

Dabei gilt:

  • PROJECT_ID: Ihre Projekt-ID.
  • VM_NAME ist der Name der VM-Instanz.
  • ZONE: die Zone, in der sich die VM befindet.
  • ACCELERATOR_COUNT: Die Anzahl der GPUs, die Sie anhängen möchten.
  • ACCELERATOR_TYPE: Das GPU-Modell (z. B. nvidia-tesla-t4).

REST

Führen Sie die folgenden Schritte aus, um den GPU-Typ mit der Compute Engine API zu ändern:

  1. Prüfen Sie, ob Ihr Kontingent für den neuen GPU-Typ ausreicht.
  2. Prüfen Sie, ob alle kritischen Anwendungen auf der VM angehalten wurden.

  3. Halten Sie die VM an.

    POST https://compute.googleapis.com/compute/v1/projects/PROJECT_ID/zones/ZONE/instances/VM_NAME/stop

  4. Aktualisieren Sie die Zeitplanoptionen für die beendete VM so, dass sie während der Hostwartung beendet wird.

    POST https://compute.googleapis.com/compute/v1/projects/PROJECT_ID/zones/ZONE/instances/VM_NAME/setScheduling

{
 "onHostMaintenance": "TERMINATE",
 "automaticRestart": true
}

  5. Rufen Sie setMachineResources auf, um die angehängten GPUs hinzuzufügen oder zu ändern.

    POST https://compute.googleapis.com/compute/v1/projects/PROJECT_ID/zones/ZONE/instances/VM_NAME/setMachineResources

{
 "guestAccelerators": [
   {
     "acceleratorCount": ACCELERATOR_COUNT,
     "acceleratorType": "https://www.googleapis.com/compute/v1/projects/PROJECT_ID/zones/ZONE/acceleratorTypes/ACCELERATOR_TYPE"
   }
 ]
}

  6. Starten Sie die VM.

    POST https://compute.googleapis.com/compute/v1/projects/PROJECT_ID/zones/ZONE/instances/VM_NAME/start

    Dabei gilt:

    • PROJECT_ID: Ihre Projekt-ID.
    • VM_NAME ist der Name der VM-Instanz.
    • ZONE: die Zone, in der sich die VM befindet.
    • ACCELERATOR_COUNT: Die Anzahl der GPUs, die Sie anhängen möchten.
    • ACCELERATOR_TYPE: Das GPU-Modell (z. B. nvidia-tesla-t4).

Andere Google Cloud Arbeitslasten

Wenn Ihre Arbeitslasten in anderen Diensten als Compute Engine ausgeführt werden, z. B. GKE, Gemini Enterprise Agent Platform, Cloud Workstations, Dataflow oder Managed Service for Apache Spark, müssen Sie Folgendes tun:

  1. Aktualisieren Sie Ihre Konfigurationen, damit sie auf ein unterstütztes GPU-Modell verweisen.

    • Aktualisieren Sie für GKE, die Gemini Enterprise Agent Platform oder Cloud Workstations Ihre Konfigurationsvorlagen.
    • Aktualisieren Sie für Dataflow Ihre Pipelinespezifikationen.
    • Aktualisieren Sie für Managed Service for Apache Spark Ihre Clusterdefinitionen.

    Eine Anleitung zum Konfigurieren von GPUs für Ihren Dienst finden Sie in der Produktdokumentation für diesen Dienst.

  2. Ressourcen neu starten oder neu erstellen

Nächste Schritte