Les GPU NVIDIA T4 sur Google Cloud arriveront en fin de période de compatibilité le 1er août 2027.
Que devez-vous savoir ?
À compter du 1er août 2027, vous ne pourrez plus créer, lancer ni accéder aux ressources Google Cloudqui exécutent des GPU NVIDIA T4. Cette obsolescence affecte les ressources des services suivants :
- Compute Engine : instances Compute Engine
- Google Kubernetes Engine (GKE) : nœuds
- Gemini Enterprise Agent Platform : modèles, jobs et points de terminaison
- Gemini Enterprise Agent Platform Workbench : instances
- Colab Enterprise : notebooks, environnements d'exécution et modèles d'exécution
- Cloud Workstations : postes de travail
- Dataflow : jobs de pipeline
- Managed Service pour Apache Spark : clusters et lots sans serveur
- Instances de VM Deep Learning et Container-Optimized OS
Remises sur engagement d'utilisation
Vous ne pouvez plus acheter ni renouveler de remises sur engagement d'utilisation de trois ans pour les GPU NVIDIA T4. Vos engagements actifs d'un et de trois ans restent valides jusqu'à leur date d'expiration. Si vous avez des engagements actifs qui expirent après la date de fin de vie de la plate-forme, contactez l'équipe chargée de votre compte ou votre responsable de compte technique (TAM) pour discuter de vos options de migration et élaborer un plan de transition.
Impact de la fin de période de compatibilité sur vos ressources existantes
Jusqu'au 1er août 2027, vos ressources exécutant des GPU NVIDIA T4 continueront de fonctionner normalement. Toutefois, comme les GPU NVIDIA T4 approchent de leur date de fin de période de compatibilité, vous devez migrer vos charges de travail vers des alternatives de GPU modernes avant la date de mise hors service. Google Cloud n'est pas compatible avec les produits ni les fonctionnalités en fin de période de compatibilité.
À la date de désactivation finale, le 1er août 2027, Google Cloud arrêtera toutes les instances de calcul et ressources restantes exécutant des GPU NVIDIA T4. Vous ne pourrez plus les créer, les lancer ni y accéder.
Que devez-vous faire ?
Pour migrer vos charges de travail vers des GPU compatibles, choisissez un nouveau modèle de GPU, vérifiez sa disponibilité dans vos régions et migrez vos charges de travail avant le 1er août 2027.
Choisir un modèle de GPU
Nous vous recommandons de migrer vos charges de travail vers des alternatives de GPU modernes, en particulier les séries de machines G4 ou G2. Pour déterminer le modèle de GPU le mieux adapté à votre charge de travail, comparez les options suivantes :
| Fonctionnalité | G2 (NVIDIA L4) | G4 (NVIDIA RTX PRO 6000) |
|---|---|---|
| Application idéale | Inférence d'IA hautes performances, IA générative, traitement et streaming vidéo, graphismes et entraînement de machine learning (ML) léger. Les GPU L4 offrent des performances d'inférence jusqu'à quatre fois supérieures à celles des GPU T4. | Simulation hautes performances, charges de travail NVIDIA Omniverse, rendu de graphiques 3D, affinement et inférence de LLM locaux, postes de travail virtuels (vWS) et partage fractionné de GPU (vGPU). |
| Architecture et mémoire | Architecture Ada Lovelace avec 24 Go de mémoire GPU GDDR6. | Architecture Blackwell avec 96 Go de mémoire GPU par GPU. |
| Série de machines | G2 optimisé pour les accélérateurs | G4 optimisé pour les accélérateurs |
Pour obtenir une liste complète et une comparaison de tous les modèles de GPU, consultez Types de machines GPU.
Examiner les zones géographiques disponibles
Pour vérifier que le modèle de GPU sélectionné est disponible, consultez les informations sur l'emplacement de votre service :
- Gemini Enterprise Agent Platform et Colab Enterprise : consultez les emplacements des accélérateurs Gemini Enterprise Agent Platform.
- Cloud Workstations : consultez la disponibilité des GPU Cloud Workstations par région et par zone.
- Pour tous les autres services, consultez les régions et zones de GPU disponibles.
Migrez vos charges de travail
En fonction du service que vous utilisez, sélectionnez l'une des transitions suivantes :
Charges de travail Compute Engine
Pour migrer vos charges de travail Compute Engine vers les séries de machines recommandées G2 (NVIDIA L4) ou G4 (NVIDIA RTX PRO 6000), vous devez passer à une nouvelle instance de calcul. Vous ne pouvez pas modifier une instance de calcul existante sur place en passant d'un type de machine à usage général N1 à un type de machine optimisé pour les accélérateurs.
Pour migrer vers une nouvelle instance de calcul, procédez comme suit :
- Si votre instance de calcul existante utilise des disques SSD locaux contenant des données que vous souhaitez conserver, déplacez le contenu de ces disques vers un volume Persistent Disk.
Créez une instance de calcul. Pour obtenir des instructions, consultez Créer une instance G2 ou G4.
Déplacez les volumes Persistent Disk en les dissociant de l'ancienne instance de calcul et en les associant à la nouvelle. Vous pouvez également transférer des fichiers d'une instance de calcul à une autre.
Facultatif : Déplacez les données enregistrées des volumes de disque persistant vers un disque SSD local.
Réattribuez toutes les adresses IP statiques associées à l'ancienne instance de calcul à la nouvelle.
Installez les pilotes de GPU sur la nouvelle instance de calcul.
Installez vos applications sur la nouvelle instance de calcul.
Supprimez l'ancienne instance de calcul.
Autres charges de travail Google Cloud
Si vos charges de travail s'exécutent sur des services autres que Compute Engine, tels que GKE, Gemini Enterprise Agent Platform, Agent Platform Workbench, Colab Enterprise, Cloud Workstations, Dataflow ou Managed Service pour Apache Spark, procédez comme suit :
Mettez à jour vos configurations pour faire référence à un modèle de GPU compatible.
- Pour GKE, Gemini Enterprise Agent Platform, Colab Enterprise ou Cloud Workstations, mettez à jour vos modèles de configuration ou d'exécution.
- Pour Agent Platform Workbench, modifiez le type de machine et la configuration du GPU de votre instance, ou créez-en une.
- Pour Dataflow, mettez à jour les spécifications de votre pipeline.
- Pour Managed Service pour Apache Spark, mettez à jour les définitions de vos clusters.
Pour savoir comment configurer des GPU pour votre service, consultez la documentation produit de ce service.
Redémarrez ou recréez vos ressources.
Étapes suivantes
- En savoir plus sur les GPU
- En savoir plus sur les machines GPU de la famille de machines optimisées pour les accélérateurs
- Consultez les tarifs des GPU.