Ende der Unterstützung für NVIDIA T4

NVIDIA T4-GPUs auf Google Cloud erreichen am 1. August 2027 das Ende des Supports (End of Support, EOS).

Was Sie wissen sollten

Ab dem 1. August 2027 können Sie keine Google Cloud-Ressourcen mehr erstellen, starten oder darauf zugreifen, auf denen NVIDIA T4-GPUs ausgeführt werden. Diese Einstellung betrifft Ressourcen für die folgenden Dienste:

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

Rabatte für zugesicherte Nutzung (CUD)

Sie können keine Rabatte für zugesicherte Nutzung (Committed Use Discounts, CUDs) für NVIDIA T4-GPUs mit einer Laufzeit von drei Jahren mehr erwerben oder verlängern. Ihre bestehenden aktiven Verpflichtungen mit einer Laufzeit von 1 Jahr und 3 Jahren bleiben bis zu ihrem Ablaufdatum gültig. Wenn Sie aktive Zusicherungen haben, die nach dem End-of-Life-Datum (EOL) der Plattform ablaufen, wenden Sie sich an Ihr Account-Management-Team oder Ihren Technical Account Manager (TAM), um Ihre Migrationsoptionen zu besprechen und einen Übergangsplan zu entwickeln.

Auswirkungen des EOS auf Ihre vorhandenen Ressourcen

Bis zum 1. August 2027 funktionieren Ihre Ressourcen, auf denen NVIDIA T4-GPUs ausgeführt werden, weiterhin normal. Da sich NVIDIA T4-GPUs jedoch dem EOS nähern, müssen Sie Ihre Arbeitslasten vor dem Außerbetriebnahmedatum auf moderne GPU-Alternativen migrieren. Google Cloud unterstützt keine EOS-Produkte oder ‑Funktionen.

Am endgültigen Außerbetriebnahmedatum, dem 1. August 2027, Google Cloud werden alle verbleibenden Compute-Instanzen und ‑Ressourcen, auf denen NVIDIA T4-GPUs ausgeführt werden, heruntergefahren. Sie können dann nicht mehr erstellt, gestartet oder aufgerufen werden.

So geht es weiter

Wenn Sie Ihre Arbeitslasten auf unterstützte GPUs umstellen möchten, wählen Sie ein neues GPU-Modell aus, prüfen Sie die Verfügbarkeit in Ihren Regionen und migrieren Sie Ihre Arbeitslasten vor dem 1. August 2027.

GPU-Modell auswählen

Wir empfehlen, Ihre Arbeitslasten auf moderne GPU-Alternativen zu migrieren, insbesondere auf die Maschinenserien G4 oder G2. 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, Videoverarbeitung und ‑streaming, Grafiken und leichtes Training für maschinelles Lernen (ML). L4-GPUs bieten eine bis zu viermal höhere Inferenzleistung 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

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

Wenn Sie Ihre Compute Engine-Arbeitslasten auf die empfohlenen Maschinenreihen G2 (NVIDIA L4) oder G4 (NVIDIA RTX PRO 6000) umstellen möchten, müssen Sie zu einer neuen Compute-Instanz migrieren. Sie können eine vorhandene Compute-Instanz nicht direkt von einem N1-Maschinentyp für allgemeine Zwecke in einen beschleunigungsoptimierten Maschinentyp ändern.

Führen Sie die folgenden Schritte aus, um zu einer neuen Compute-Instanz zu wechseln:

  1. Wenn Ihre vorhandene Compute-Instanz lokale SSD-Laufwerke verwendet, die Daten enthalten, die Sie behalten möchten, verschieben Sie den Inhalt dieser Laufwerke auf ein nichtflüchtiges Speicher-Volume.

  2. Erstellen Sie eine neue Compute-Instanz. Eine Anleitung finden Sie unter G2- oder G4-Instanz erstellen.

  3. Verschieben Sie Persistent Disk-Volumes, indem Sie sie von der alten Compute-Instanz trennen und an die neue Compute-Instanz anhängen. Alternativ können Sie Dateien von einer Compute-Instanz auf die andere übertragen.

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

  5. Weisen Sie der alten Compute-Instanz alle statischen IP-Adressen zu, die der alten Compute-Instanz zugeordnet sind.

  6. Installieren Sie GPU-Treiber auf der neuen Compute-Instanz.

  7. Installieren Sie Ihre Anwendungen auf der neuen Compute-Instanz.

  8. Löschen Sie die alte Compute-Instanz.

Andere Google Cloud Arbeitslasten

Wenn Ihre Arbeitslasten in anderen Diensten als Compute Engine ausgeführt werden, z. B. GKE, Gemini Enterprise Agent Platform, Agent Platform Workbench, Colab Enterprise, Cloud Workstations, Dataflow oder Managed Service for Apache Spark, gehen Sie so vor:

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

    • Aktualisieren Sie für GKE, die Gemini Enterprise Agent Platform, Colab Enterprise oder Cloud Workstations Ihre Konfigurations- oder Laufzeitvorlagen.
    • Ändern Sie für Agent Platform Workbench den Maschinentyp und die GPU-Konfiguration Ihrer Instanz oder erstellen Sie eine neue Instanz.
    • 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