GPU NVIDIA T4 Google Cloud akan mencapai akhir dukungan (EOS) pada 1 Agustus 2027.
Yang perlu Anda ketahui
Mulai 1 Agustus 2027, Anda tidak dapat membuat, meluncurkan, atau mengakses resource apa pun Google Cloud yang menjalankan GPU NVIDIA T4. Penghentian ini memengaruhi resource untuk layanan berikut:
- Compute Engine: instance Compute Engine
- Google Kubernetes Engine (GKE): node
- Gemini Enterprise Agent Platform: model, tugas, dan endpoint
- Cloud Workstations: workstation
- Dataflow: tugas pipeline
- Managed Service untuk Apache Spark: cluster dan batch tanpa server
- Instance Deep Learning VM dan VM Container-Optimized OS
Diskon abonemen (CUD)
Anda tidak dapat lagi membeli atau memperpanjang diskon abonemen (CUD) 3 tahun untuk GPU NVIDIA T4. Komitmen 1 tahun dan 3 tahun yang aktif akan tetap berlaku hingga tanggal habis masa berlakunya. Jika Anda memiliki komitmen aktif yang masa berlakunya berakhir setelah tanggal Akhir Masa Pakai (EOL) platform, hubungi tim akun atau Technical Account Manager (TAM) Anda untuk membahas opsi migrasi dan mengembangkan rencana transisi.
Dampak EOS ini terhadap resource Anda yang ada
Hingga 1 Agustus 2027, resource Anda yang menjalankan GPU NVIDIA T4 akan terus berfungsi secara normal. Namun, karena GPU NVIDIA T4 akan mencapai EOS, Anda harus memigrasikan workload ke alternatif GPU modern sebelum tanggal penghapusan. Google Cloud tidak mendukung produk atau fitur EOS.
Mulai tanggal penghapusan akhir pada 1 Agustus 2027, Google Cloud akan menghentikan semua instance komputasi dan resource yang tersisa yang menjalankan GPU NVIDIA T4, dan Anda tidak dapat lagi membuat, meluncurkan, atau mengaksesnya.
Yang perlu dilakukan
Untuk mentransisikan workload ke GPU yang didukung, pilih model GPU baru, tinjau ketersediaannya di region Anda, dan migrasikan workload sebelum 1 Agustus 2027.
Memilih model GPU
Sebaiknya migrasikan workload Anda ke alternatif GPU modern, khususnya seri mesin G4 atau G2. Untuk menentukan model GPU terbaik untuk workload Anda, bandingkan opsi berikut:
| Fitur | G2 (NVIDIA L4) | G4 (NVIDIA RTX PRO 6000) |
|---|---|---|
| Paling cocok untuk | Inferensi AI berperforma tinggi, AI generatif, pemrosesan dan streaming video, grafis, serta pelatihan machine learning (ML) ringan. GPU L4 memberikan performa inferensi hingga empat kali lipat dibandingkan GPU T4. | Simulasi berperforma tinggi, workload NVIDIA Omniverse, rendering grafis 3D, fine-tuning dan inferensi LLM lokal, workstation virtual (vWS), dan berbagi GPU fraksional (vGPU). |
| Arsitektur dan memori | Arsitektur Ada Lovelace dengan memori GPU GDDR6 24 GB. | Arsitektur Blackwell dengan memori GPU 96 GB per GPU. |
| Machine series | G2 yang dioptimalkan untuk akselerator | G4 yang dioptimalkan untuk akselerator |
Untuk daftar dan perbandingan lengkap semua model GPU, lihat Jenis mesin GPU.
Meninjau lokasi yang tersedia
Untuk memverifikasi bahwa model GPU yang Anda pilih tersedia, tinjau detail lokasi untuk layanan Anda:
- Gemini Enterprise Agent Platform: tinjau lokasi akselerator Gemini Enterprise Agent Platform.
- Cloud Workstations: tinjau ketersediaan GPU Cloud Workstations menurut region dan zona.
- Untuk semua layanan lainnya: tinjau region dan zona GPU yang tersedia.
Memigrasikan workload Anda
Berdasarkan layanan yang Anda gunakan, pilih salah satu jalur transisi berikut:
Workload Compute Engine
Untuk mentransisikan workload Compute Engine ke seri mesin G2 (NVIDIA L4) atau G4 (NVIDIA RTX PRO 6000) yang direkomendasikan, Anda harus beralih ke instance komputasi baru. Anda tidak dapat mengubah instance komputasi yang ada secara langsung dari jenis mesin untuk tujuan umum N1 ke jenis mesin yang dioptimalkan untuk akselerator.
Untuk beralih ke instance komputasi baru, selesaikan langkah-langkah berikut:
- Jika instance komputasi yang ada menggunakan disk SSD Lokal yang berisi data yang ingin Anda simpan, pindahkan konten disk tersebut ke volume Persistent Disk.
Buat instance komputasi baru. Untuk mengetahui petunjuknya, lihat Membuat instance G2 atau G4.
Pindahkan volume Persistent Disk dengan melepaskannya dari instance komputasi lama dan melampirkannya ke instance komputasi baru. Anda juga dapat mentransfer file dari satu instance komputasi ke instance komputasi lainnya.
Opsional: Pindahkan kembali data yang disimpan dari volume Persistent Disk ke disk SSD Lokal.
Tetapkan ulang alamat IP statis yang terkait dengan instance komputasi lama ke instance komputasi baru.
Instal driver GPU di instance komputasi baru.
Instal aplikasi Anda di instance komputasi baru.
Hapus instance komputasi lama.
Workload Google Cloud lainnya
Jika workload Anda berjalan di layanan selain Compute Engine seperti GKE, Gemini Enterprise Agent Platform, Cloud Workstations, Dataflow, atau Managed Service untuk Apache Spark, lakukan hal berikut:
Perbarui konfigurasi Anda untuk mereferensikan model GPU yang didukung.
- Untuk GKE, Gemini Enterprise Agent Platform, atau Cloud Workstations, perbarui template konfigurasi Anda.
- Untuk Dataflow, perbarui spesifikasi pipeline Anda.
- Untuk Managed Service untuk Apache Spark, perbarui definisi cluster Anda.
Untuk mengetahui petunjuk tentang cara mengonfigurasi GPU untuk layanan Anda, lihat dokumentasi produk untuk layanan tersebut.
Mulai ulang atau buat ulang resource Anda.
Langkah berikutnya
- Pelajari GPU lebih lanjut.
- Pelajari tentang mesin GPU di kelompok mesin yang dioptimalkan untuk akselerator.
- Tinjau Harga GPU.