本文說明可供選擇的機器系列、機器系列和機器類型，方便您建立虛擬機器 (VM) 執行個體或裸機執行個體，並取得所需資源。對於加速器最佳化機器，本文僅說明圖形處理器 (GPU) 加速器。 如要瞭解含有 Google 客製化 Tensor Processing Unit (TPU) 的機器類型，請參閱 TPU 機器。
有多個機器系列可以選擇。每個機器家族又可細分為機器系列，以及每個系列中預先定義的機器類型。舉例來說，在一般用途機器家族的 N2 機器系列中，您可以選取 n2-standard-4 機型。
建立運算執行個體時，請從機器家族和機型中選取。機型會決定 Compute Engine 分配給執行個體的資源。舉例來說，n2-standard-4 機型會建立具有 4 個 vCPU 和 16 GB 記憶體的 VM。
如要瞭解支援現成 VM (和先占 VM) 的機器系列，請參閱 Compute Engine 執行個體佈建模型。
- 一般用途：成本效益最佳，適合多種工作負載。
- 儲存空間最佳化：最適合核心用量低、儲存空間密度高的工作負載。
- 運算最佳化：專為高效能運算 (HPC) 解決方案和耗用大量運算資源的工作負載設計，可在 Compute Engine 上為每個核心提供高效能。
- 網路最佳化：專為 IO 密集型工作負載打造，需要高網路頻寬、卓越的封包處理效能，以及每個 vCPU 的卓越區塊儲存空間輸送量和 IOPS。
- 記憶體最佳化：適合會耗用大量記憶體的工作負載，相較於其他機器系列，每個核心可提供更多記憶體容量，最高可達 12 TB。
- 加速器最佳化：非常適合大規模平行處理的計算統一設備架構 (CUDA) 運算工作負載，例如機器學習 (ML) 和高效能運算 (HPC)。這個系列最適合需要加速器 (GPU 或 TPU) 的工作負載。
Compute Engine 術語
本說明文件使用下列詞彙：
機器家族：已針對特定工作負載完成最佳化的一組精選處理器與硬體設定，例如一般用途、加速器最佳化或記憶體最佳化。
機器系列：機器系列會依系列、代別和處理器類型進一步分類。
每個系列都著重於運算能力或效能的不同層面。舉例來說，E 系列提供低成本的高效率 VM，而 C 系列則提供更優異的效能。
代別會以遞增數字表示。舉例來說，一般用途機器家族中的 N1 系列是 N2 系列的舊版。通常代表採用較新的 CPU 平台或技術。舉例來說，M3 系列採用第 3 代 Intel Xeon 可擴充處理器 (Ice Lake)，比採用第 2 代 Intel Xeon 可擴充處理器 (Cascade Lake) 的 M2 系列更新。
生成 Intel AMD 手臂 第 4 代機器系列 N4、C4、C4N、X4、M4、M4N、A4 C4D、G4、N4D、H4D N4A、C4A、A4X Max、A4X 第 3 代機器系列 C3、H3、Z3、M3、A3 C3D 不適用 第 2 代機器系列 N2、E2、C2、M2、A2、G2 N2D、C2D、T2D、E2 T2A 機型：每個機器系列都至少提供一種機型。每個機型都會為運算執行個體提供一組資源，例如 vCPU、記憶體、磁碟和 GPU。 如果預先定義機型不符合需求，您也可以為部分機器系列建立自訂機型。
以下各節說明不同機器類型。
預先定義的機器類型
預先定義的機器類型會提供固定數量的記憶體和 vCPU，無法修改。預先定義的機器類型會使用各種 vCPU 與記憶體比率：
highcpu— 每個 vCPU 1 至 3 GB 記憶體；通常情況下，每個 vCPU 2 GB 記憶體。standard— 每個 vCPU 3 至 7 GB 記憶體；通常情況下，每個 vCPU 4 GB 記憶體。highmem：每個 vCPU 7 到 12 GB 的記憶體；通常每個 vCPU 8 GB 記憶體。megamem- 每個 vCPU 12 到 15 GB 的記憶體；通常為每個 vCPU 14 GB 的記憶體。ultramem— 每個虛擬 CPU 的記憶體從 24 GB 增加到 31 GB。hypermem— 每個 vCPU 記憶體為 15 至 24 GB；通常情況下，每個 vCPU 記憶體為 16 GB。
例如，c3-standard-22 機器類型有 22 個 vCPU，而 standard 機器類型則有 88 GB 記憶體。
本機 SSD 機器類型
本機 SSD 機器類型是特殊的預定義機器類型。機器類型名稱包括lssd。當您使用下列機器類型之一建立計算實例時，Titanium SSD 或本機 SSD 磁碟 將自動附加到該實例：
-lssd: 適用於 C4、C4A、C4D、C4N（預覽）、C3、C3D 和 H4D 機器系列，這些機器類型會將預定數量的 375 GiB Titanium SSD 或本機 SSD 磁碟附加到實例。這種機器類型的範例包括c4a-standard-4-lssd、c3-standard-88-lssd和c3d-highmem-360-lssd。-standardlssd: 適用於儲存最佳化的 Z3 系列機器，這些機器類型每個 vCPU 可提供高達 350 GiB 的 Titanium SSD 磁碟容量。建議使用這些機器類型，針對中型資料集進行高效能搜尋和資料分析。這類機型的範例為z3-highmem-22-standardlssd。-highlssd: 這些機器類型適用於 Z3 系列機器，每個 vCPU 可提供 350 GiB 至 600 GiB 的 Titanium SSD 磁碟容量。這些類型的機器性能優異，建議用於儲存密集型串流和大型資料集的資料分析。這種機器類型的一個例子是z3-highmem-88-highlssd。
其他機器系列也支援本機 SSD 磁碟，但不使用包含 lssd 的機器類型名稱。有關可與 Titanium SSD 或本機 SSD 磁碟一起使用的所有機器類型的列表，請參閱 選擇有效數量的本機 SSD 磁碟。
裸金屬工具機類型
裸機類型是預先定義的特殊機器類型。機器類型名稱包含-metal。當您使用這些機器類型之一建立計算實例時，實例上不會安裝虛擬機器管理程式。您可以像在虛擬機器實例上一樣，將磁碟連接到裸機實例。裸機實例可以像虛擬機器實例一樣用於 VPC 網路和子網路。
詳情請參閱 Compute Engine 上的裸機執行個體。
自訂機型
如果預先定義的機器類型都不符合您的工作負載需求，您可以為通用機器系列中的 N 和 E 機器系列 建立一個自訂機器類型的 VM 實例。
自訂機器類型的使用成本比同等預訂機器類型的使用成本略高。此外，自訂機器類型可選擇的記憶體和虛擬 CPU 數量也有限制。客製化機器類型的隨選價格比預定義機器類型的隨選價格和承諾價格高出 5%。
建立自訂機型時，可以使用擴充記憶體功能。您可以指定記憶體大小，上限為機器系列限制，不必使用根據所選 vCPU 數量得出的預設記憶體大小。
有關更多信息，請參閱建立具有自訂機器類型的虛擬機器。
共用核心機器類型
E2 和 N1 系列包含共享核心的機器類型。 這些機器類型採用分時共享實體核心的方式，對於運行小型、非資源密集型應用程式來說，這是一種經濟高效的方法。
E2：提供
e2-micro、e2-small和e2-medium共享核心機器類型，具有 2 個 vCPU，可在短時間內實現突發效能。N1：提供
f1-micro和g1-small共用核心機器類型，最多可提供 1 個 vCPU 以進行短時間突發處理。
有關更多信息，請參閱 CPU 突發。
機器系列和型號推薦
下表提供了不同工作負載的建議。為了在評估哪種機器系列最符合您的工作負載要求、比較價格權衡以及生成部署程式碼片段時獲得 AI 支援的幫助，您可以在 Google Cloud 控制台中提示 Gemini。有關更多信息，請參閱 使用計算顧問設計計算基礎架構。
| 通用工作負載 | |||
|---|---|---|---|
| N4、N4A、N4D、N2、N2D、N1 | C4、C4A、C4D、C3、C3D | E2 | Tau T2D，Tau T2A |
| 多種機種均具備均衡的性價比 | 在各種工作負載下均能保持始終如一的高效能 | 日常計算成本更低 | 適用於橫向擴展工作負載的最佳單核心效能/成本 |
|
|
|
|
優化工作負載 |
||||
|---|---|---|---|---|
| 儲存最佳化 | 計算最佳化 | 網路優化 | 記憶體最佳化 | 加速器最佳化1 (GPU) |
| Z3 | H4D、H3、C2 和 C2D | C4N 和 M4N | X4、M4、M4N、M3、M2、M1 | A4X Max、A4X、A4、A3、A2、G4、G2 |
| 針對儲存密集型工作負載，實現最高的區塊儲存與運算比率 | 為高效能運算 (HPC)、多節點和運算密集型工作負載提供最高效能和最低成本 | 專為 I/O 密集型工作負載打造，需要高網路頻寬、卓越的封包處理效能，以及領先業界的區塊儲存空間處理量和每 vCPU 的 IOPS。 | 記憶體與運算資源比率最高，適合會耗用大量記憶體的工作負載 | 針對加速高效能運算工作負載進行了最佳化 |
|
|
|
|
|
建立計算實例後，您可以根據工作負載使用 調整大小建議 來最佳化資源使用率。有關更多信息，請參閱為虛擬機應用機器類型建議。
通用機械系列指南
這通用機械系列提供多個系列的機器，針對各種工作負載，具有最佳的性價比。
Compute Engine 提供可在 x86 或 Arm 架構上運作的通用電腦系列。
x86
- C4 系列機器採用 Intel Granite Rapids 和 Emerald Rapids CPU 平台，並由 Titanium 提供支援。
C4 機器類型經過最佳化，可提供持續的高效能，並可擴展至 288 個 vCPU、2.2 TB DDR5 記憶體和 18 TiB 本地 SSD。C4 提供
highcpu（每個 vCPU 2 GB 記憶體）、standard（每個 vCPU 3.75 GB 記憶體）和highmem（每個 vCPU 7.75 GB 記憶體）配置。C4 實例與底層保持一致非統一記憶體存取（NUMA）架構旨在提供最佳、可靠和一致的效能。 - C4D 系列機器採用 AMD EPYC Turin CPU 平台，並搭載 Titanium 處理器。與 C3D 相比，C4D 具有更高的最大加速頻率，每時脈週期指令數 (IPC) 也提高，從而加快資料庫事務處理速度。透過利用 Hyperdisk 儲存和 Titanium 網絡，與 C3D 相比，C4D 在 Cloud SQL for MySQL 上每秒查詢次數最多可提高 55%，在 Memorystore for Redis 工作負載上每秒效能最多可提高 35%。C4D 實例最多可提供 384 個 vCPU、3 TB DDR5 記憶體和 12 TiB 本地 SSD。
C4D 提供
highcpu（每個 vCPU 1.875 GB 記憶體）、standard（每個 vCPU 3.875 GB 記憶體）和highmem（每個 vCPU 7.875 GB 記憶體）配置。C4D 執行個體與底層 NUMA 架構保持一致，以提供最佳、可靠且一致的效能。 - N4 系列機器採用英特爾 Emerald Rapids CPU 平台，並由 Titanium 處理器驅動。N4 機器類型針對靈活性和成本進行了最佳化，既有預定義形狀也有自訂形狀，最多可擴展到 80 個 vCPU 和 640 GB DDR5 記憶體。N4 提供
highcpu（每個 vCPU 2 GB）、standard（每個 vCPU 4 GB）和highmem（每個 vCPU 8 GB）配置。 - N4D 系列機器採用 AMD EPYC Turin CPU 平台，並搭載 Titanium 處理器。N4D 系列機器採用高效的架構，旨在實現靈活性和成本優化，並具備下一代技術。動態資源管理更好地利用主機上的資源。您可以使用預先定義的機器類型建立最多 96 個 vCPU 和 768 GB DDR5 記憶體的 N4D 虛擬機，或者您可以使用自訂機器類型建立 N4D 虛擬機，從而選擇不同的計算和記憶體組合，以優化成本並減少資源浪費。
N4D 提供
highcpu（每個 vCPU 2 GB）、standard（每個 vCPU 4 GB）和highmem（每個 vCPU 8 GB）配置。 - N2 系列機器最多可配備 128 個 vCPU，每個 vCPU 配備 8 GB 內存，並可在 Intel Ice Lake 和 Intel Cascade Lake CPU 平台上運行。
- N2D 系列機器最多可配備 224 個 vCPU，每個 vCPU 配備 8 GB 內存，並採用第三代 AMD EPYC Milan 平台。
- C3 系列機器在 Intel Sapphire Rapids CPU 平台和 Titanium 平台上提供高達 176 個 vCPU，每個 vCPU 可配備 2、4 或 8 GB 記憶體。C3 實例與底層 NUMA 架構保持一致，以提供最佳、可靠和一致的效能。
- C3D 系列機器在 AMD EPYC Genoa CPU 平台和 Titanium 平台上提供多達 360 個 vCPU，每個 vCPU 可配備 2、4 或 8 GB 記憶體。 C3D 執行個體與底層 NUMA 架構保持一致，以提供最佳、可靠且一致的效能。
- E2 系列機器最多可配備 32 個虛擬核心 (vCPU)，預定義機器類型最多可配備 128 GB 內存，自訂機器類型最多可配備 256 GB 內存（每個 vCPU 最多 8 GB），並且是所有機器系列中成本最低的。E2 系列機器採用預先定義的 CPU 平台，可運作 Intel 處理器或 AMD 處理器。建立實例時，系統會自動為您選擇處理器。 該系列機器以 Compute Engine 上最低的價格提供各種計算資源，尤其是在與 承諾使用折扣 搭配使用時。
- Tau T2D 系列機器提供了一套針對橫向擴展進行最佳化的功能集。 每個虛擬機器實例最多可擁有 60 個虛擬 CPU，每個虛擬 CPU 4 GB 內存，並且可在第三代 AMD EPYC Milan 處理器上使用。Tau T2D 系列機器不使用叢集線程，因此一個 vCPU 相當於一個完整的核心。
- N1 系列虛擬機最多可配備 96 個虛擬 CPU，每個虛擬 CPU 最多可配備 6.5 GB 內存，並可在 Intel Sandy Bridge、Ivy Bridge、Haswell、Broadwell 和 Skylake CPU 平台上運行。
手臂
N4A 系列機器採用 Google 客製設計的 Axion 處理器。Axion 處理器基於 Arm Neoverse N3 計算核心構建，支援 Arm V9.2 架構。N4A 系列機器採用 Titanium 進行 CPU 卸載。N4A 實例最多可提供 64 個 vCPU，每個 vCPU 最多可提供 8 GB 內存，並具有 統一記憶體存取 (UMA) 域。 N4A 實例不使用同步多執行緒 (SMT)。N4A 執行個體中的 vCPU 等於整個實體核心。
N4A 系列機器是我們最高效、最靈活的 Arm 系列產品，可為各種通用和橫向擴展工作負載提供卓越的性價比。理想的使用場景包括 Web 和應用程式伺服器、微服務、使用 Google Kubernetes Engine (GKE) 的容器化應用程式、開源資料庫以及開發和測試環境。
C4A 系列機器採用 Google Axion，並以 Arm Neoverse V2 運算核心為基礎，支援 Arm V9 架構。C4A 執行個體採用 Titanium，可卸載磁碟和網路作業，減少主機處理作業，進而提升執行個體效能。
C4A 執行個體最多可提供 72 個 vCPU，每個 vCPU 最多可提供 8 GB 記憶體，且位於單一 UMA 網域中。C4A 提供
-lssd機型，搭載容量高達 6 TiB 的 Titanium SSD。C4A 裸機執行個體搭載 96 個 vCPU，記憶體最多可達 768 GB。 C4A 執行個體不會使用多執行緒並行 (SMT)。C4A 執行個體中的 vCPU 等於整個實體核心。Tau T2A 機器系列是第一個以 Arm Neoverse N1 核心運算為基礎的機器系列。 Google CloudTau T2A 機器經過最佳化處理，可提供極具吸引力的成本效益。每個 VM 最多可有 48 個 vCPU，每個 vCPU 4 GB 記憶體。Tau T2A 機器系列搭配 Arm 指令集和全核心頻率 3 GHz，Tau T2A 機器類型支援單一 NUMA 節點，且 vCPU 等於整個核心。
儲存空間最佳化機器家族指南
儲存空間最佳化機器家族最適合高效能和快閃最佳化工作負載，例如 SQL、NoSQL 和向量資料庫、向外擴充資料分析、資料倉儲和搜尋，以及需要快速存取本機儲存空間中大量資料的分散式檔案系統。儲存空間最佳化機器家族的設計宗旨，是提供高本機儲存空間輸送量和 IOPS，且延遲時間不到 1 毫秒。
- Z3
standardlssd執行個體最多可搭載 176 個 vCPU、1,408 GB 記憶體和 36 TiB Titanium SSD。 - Z3
highlssd執行個體最多可搭載 88 個 vCPU、704 GB 記憶體和 36 TiB Titanium SSD。 - Z3 裸機執行個體具有 192 個 vCPU、1,536 GB 記憶體，以及 72 TiB 的本機 Titanium SSD。
Z3 採用 Intel Xeon 可擴充處理器 (產品代號為 Sapphire Rapids)，並搭載 DDR5 記憶體和 Titanium 卸載處理器。Z3 將運算、網路和儲存空間創新技術整合至單一平台。Z3 執行個體與基礎 NUMA 架構一致，可提供最佳、穩定且一致的效能。
運算最佳化機器系列指南
運算最佳化機器系列可提供高核心效能，因此非常適合執行高效能運算 (HPC)、多節點和運算密集型應用程式。
- H4D 執行個體提供 192 個 vCPU 和 720 GB 的 DDR5 記憶體。H4D 執行個體採用 AMD EPYC Turin CPU 平台，並支援 Titanium 卸載和 Cloud RDMA。H4D 執行個體與基礎 NUMA 架構一致，可提供最佳、穩定且一致的效能。H4D 可提升多節點工作負載和 HPC 工作負載的擴充性。Cloud RDMA 是網路基礎架構元件，可讓您建構真正的雲端 HPC 平台，執行科學運算和 ML/AI 工作負載。Cloud RDMA 的性價比與地端部署基礎架構不相上下。
- H3 執行個體提供 88 個 vCPU 和 352 GB 的 DDR5 記憶體。H3 執行個體在 Intel Sapphire Rapids CPU 平台和 Titanium 卸載處理器上執行。H3 執行個體與基礎 NUMA 架構一致，可提供最佳、穩定且一致的效能。H3 可提升各種 HPC 工作負載的效能，例如分子動力學、計算地球科學、財務風險分析、天氣模型、前端和後端 EDA，以及計算流體力學。
- C2 執行個體最多可搭載 60 個 vCPU，每個 vCPU 最多可提供 4 GB 記憶體，適用於 Intel Cascade Lake CPU 平台。C2 執行個體與基礎 NUMA 架構一致，可提供最佳、穩定且一致的效能。
- C2D 執行個體最多可搭載 112 個 vCPU，每個 vCPU 最多可提供 8 GB 記憶體，適用於第三代 AMD EPYC Milan 平台。C2D 執行個體與基礎 NUMA 架構一致，可提供最佳、穩定且一致的效能。
網路最佳化機器系列指南
網路最佳化機器系列專為 I/O 密集型工作負載而設計，可提供高網路頻寬、優異的封包處理效能，以及每個 vCPU 的卓越區塊儲存空間輸送量和 IOPS。C4N 執行個體在 Compute Engine 中提供最高的網路和區塊儲存空間效能。C4N 非常適合網路和資安設備、高效能資料庫、大規模資料分析和分散式檔案系統等工作負載。
C4N 執行個體提供八種預先定義的機器配置，涵蓋
highcpu、standard和highmem設定，範圍從 2 到 192 個 vCPU，以及高達 1,488 GB 的 DDR5 記憶體。C4N 執行個體採用 Intel Emerald Rapids CPU 平台，以及雙 NIC Titanium 卸載架構，完全符合基礎 NUMA 架構，可提供可預測且穩定的效能。C4N 執行個體提供下列最高效能：
- 網路：網路頻寬最高可達 400 Gbps，每秒可處理 9,500 萬個封包 (MPPS)。
- 區塊儲存空間：Hyperdisk Extreme 提供頂尖的區塊儲存空間效能，最大機型可擴充至 25 GiB/s 的 Hyperdisk 頻寬，以及高達 1,000,000 IOPS。
M4N 執行個體最多可搭載 224 個 vCPU，每個 vCPU 最多可提供 26.5 GB 記憶體，適用於 Intel Emerald Rapids CPU 平台。M4N 執行個體與基礎 NUMA 架構一致，可提供最佳、穩定且一致的效能。最大的 M4N 機器類型配備兩個 NIC，可提供最高的區塊儲存空間效能和網路頻寬。M4N 系列提供全新的儲存效能標準，與 M4 系列相比，目前的 Hyperdisk Extreme 效能提升一倍，最大機器類型可提供高達 25 GiB/s 的匯總效能，以及高達 1,000,000 IOPS。
記憶體最佳化機器家族指南
記憶體最佳化機器系列的機器類型非常適合 OLAP 和 OLTP SAP 工作負載、基因體建模、電子設計自動化，以及記憶體密集型 HPC 工作負載。相較於其他機器系列，這個系列每個核心可提供更多記憶體容量，最高可達 32 TB。
- X4 裸機實例最多可提供 1,920 個 vCPU，每個 vCPU 可配備 12.8 或 17 GB 記憶體。X4 機器類型提供 6、8、12、16、24 和 32 TB 的記憶體，適用於 Intel Sapphire Rapids CPU 平台。
- M4N 雙 NIC 執行個體最多可搭載 224 個 vCPU，每個 vCPU 最多可提供 26.5 GB 記憶體，適用於 Intel Emerald Rapids CPU 平台。
- M4 執行個體最多可提供 224 個 vCPU，每個 vCPU 最多可提供 26.5 GB 內存，並且可在 Intel Emerald Rapids CPU 平台上使用。
- M3 執行個體最多可搭載 128 個 vCPU，每個 vCPU 最多可提供 30.5 GB 記憶體，適用於 Intel Ice Lake CPU 平台。
- M2 執行個體提供 6 TB、9 TB 和 12 TB 三種機器類型，並可在 Intel Cascade Lake CPU 平台上使用。
- M1 執行個體最多可提供 160 個 vCPU，每個 vCPU 提供 14.9 GB 至 24 GB 的內存，並且可在 Intel Skylake 和 Broadwell CPU 平台上使用。
加速器優化機器系列指南
這加速器優化機器系列非常適合大規模並行化的統一運算設備架構 (CUDA) 運算工作負載例如機器學習（ML）和高效能運算（HPC）。對於需要加速器的工作負載而言，此系列機器是最佳選擇。 (GPU 或 TPU)。本節提供有關 GPU 機器的資訊。有關包含 TPU 的機器的信息，請參閱 TPU 機器。
谷歌還提供 AI 超級計算機，用於創建具有 GPU 間通訊的加速器優化虛擬機集群，這些虛擬機旨在運行非常密集的 AI 和 ML 工作負載。詳情請參閱「AI Hypercomputer 總覽」。
手臂
- A4X Max 裸機執行個體最多可搭載 144 個 vCPU，以及 960 GB 的記憶體。每台 A4X Max 機型都配備 4 個 NVIDIA B300 GPU 和 2 個 NVIDIA Grace CPU。A4X Max 裸機執行個體的網路頻寬上限最高可達 3,600 Gbps。
- A4X 實例最多可提供 140 個 vCPU 和 884 GB 記憶體。每台 A4X 機器類型都配備 4 個 NVIDIA B200 GPU 和 2 個 NVIDIA Grace CPU。 A4X 執行個體的網路頻寬上限高達 2,000 Gbps。
x86
- A4 實例最多可提供 224 個 vCPU 和 3,968 GB 記憶體。 每個 A4 機型都配備 8 個 NVIDIA B200 GPU。A4 執行個體的最大網路頻寬高達 3,600 Gbps，可在 Intel Emerald Rapids CPU 平台上使用。
- A3 執行個體最多可搭載 224 個 vCPU 和 2,952 GB 記憶體。
每個 A3 機型都連接 1、2、4 或 8 個 NVIDIA H100 或 8 個 H200 GPU。A3 執行個體的網路頻寬上限為 3,200 Gbps，適用於下列 CPU 平台：
- 英特爾翡翠急流 - A3 Ultra
- Intel Sapphire Rapids - A3 Mega、High 和 Edge
- A3 執行個體提供 A3 Edge 機器類型 (
a3-edgegpu-8g-nolssd)，搭載 Intel Sapphire Rapids CPU 平台和 Titanium，提供 208 個 vCPU、1,872 GB 記憶體和 8 個 NVIDIA H100 GPU。 - A2 實例提供 12 到 96 個 vCPU，以及高達 1,360 GB 的記憶體。 每個 A2 機型都連接 1、2、4、8 或 16 個 NVIDIA A100 GPU。A2 執行個體最高可提供 100 Gbps 的網路頻寬，適用於 Intel Cascade Lake CPU 平台。
- G4 實例提供 6 到 384 個 vCPU 和高達 1,440 GB 的記憶體。
每個 G4 執行個體都連接了 NVIDIA RTX PRO 6000 GPU，具體如下：
- 整塊 GPU，數量為 1、2、4 或 8 個
- 1/8、1/4 或 1/2 個 GPU
- G4 執行個體的最大網路頻寬可達 400 Gbps，並且可在 AMD EPYC Turin CPU 平台上使用。
- G2 實例提供 4 到 96 個 vCPU 和高達 432 GB 的記憶體。每台 G2 機器配備 1、2、4 或 8 個 NVIDIA L4 GPU。G2 執行個體的最大網路頻寬可達 100 Gbps，並可在 Intel Cascade Lake CPU 平台上使用。
機器系列比較
請參閱下表比較各個機器家族，判斷哪一個適合您的工作負載。如要比較 TPU 版本，請參閱「TPU 機器」。
參閱本節內容之後，如果您還是無法確定哪個機器家族最適合您的工作負載，我們會建議您先使用一般用途機器家族。如要進一步瞭解所有支援的處理器，請參閱「CPU 平台」。
如要瞭解所選設定對附加至運算執行個體的磁碟區效能有何影響，請參閱：
- Persistent Disk：依機型和 vCPU 數量劃分的磁碟效能
- Google Cloud Hyperdisk：Hyperdisk 效能限制
比較不同機器系列的特徵，從 C4 到 G2。 您可以在「Choose instance properties to compare」(選擇要比較的執行個體屬性) 欄位中選取特定屬性，比較下表中所有機器系列的這些屬性。
| 一般用途 | 一般用途 | 一般用途 | 網路最佳化 | 一般用途 | 一般用途 | 一般用途 | 一般用途 | 一般用途 | 一般用途 | 一般用途 | 一般用途 | 一般用途 | 一般用途 | 最佳成本效益 | 儲存空間最佳化 | 運算最佳化 | 運算最佳化 | 運算最佳化 | 運算最佳化 | 記憶體最佳化 | 網路最佳化和記憶體最佳化 | 記憶體最佳化 | 記憶體最佳化 | 記憶體最佳化 | 記憶體最佳化 | 加速器最佳化 | 加速器最佳化 | 加速器最佳化 | 加速器最佳化 | 加速器最佳化 | 加速器最佳化 | 加速器最佳化 | 加速器最佳化 | 加速器最佳化 |
| 虛擬機器和裸機 | 虛擬機器和裸機 | 虛擬機器和裸機 | VM | 虛擬機器和裸機 | VM | VM | VM | VM | VM | VM | VM | VM | VM | VM | 虛擬機器和裸機 | VM | VM | VM | VM | 裸機 | VM | VM | VM | VM | VM | VM | 裸機 | VM | VM | VM | VM | VM | VM | VM |
| Intel Emerald Rapids 和 Granite Rapids | Google Axion | AMD EPYC Turin | Intel Emerald Rapids | Intel Sapphire Rapids | AMD EPYC Genoa | Intel Emerald Rapids | Google Axion | AMD EPYC Turin | Intel Cascade Lake 和 Ice Lake | AMD EPYC Rome 和 EPYC Milan | Intel Skylake、Broadwell、Haswell、Sandy Bridge 和 Ivy Bridge | AMD EPYC Milan | Ampere Altra | Intel Skylake、Broadwell 和 Haswell，以及 AMD EPYC Rome 和 EPYC Milan | Intel Sapphire Rapids | AMD EPYC Turin | Intel Sapphire Rapids | Intel Cascade Lake | AMD EPYC Milan | Intel Sapphire Rapids | Intel Emerald Rapids | Intel Emerald Rapids | Intel Ice Lake | Intel Cascade Lake | Intel Skylake 和 Broadwell | Intel Skylake、Broadwell、Haswell、Sandy Bridge 和 Ivy Bridge | NVIDIA Grace | NVIDIA Grace | Intel Emerald Rapids | Intel Emerald Rapids | Intel Sapphire Rapids | Intel Cascade Lake | AMD EPYC Turin | Intel Cascade Lake |
| x86 | 手臂 | x86 | x86 | x86 | x86 | x86 | 手臂 | x86 | x86 | x86 | x86 | x86 | 手臂 | x86 | x86 | x86 | x86 | x86 | x86 | x86 | x86 | x86 | x86 | x86 | x86 | x86 | 手臂 | 手臂 | x86 | x86 | x86 | x86 | x86 | x86 |
| 2 至 288 | 1 至 96 | 2 至 384 | 2 至 192 | 4 到 176 | 4 至 360 | 2 至 80 | 1 至 64 | 2 至 96 | 2 至 128 | 2 至 224 | 1 至 96 | 1 至 60 | 1 至 48 | 0.25 至 32 | 8 到 192 | 192 | 88 | 4 到 60 | 2 至 112 | 480 至 1,920 | 16 至 224 | 16 至 224 | 32 至 128 | 208 至 416 | 40 至 160 | 1 至 96 | 144 | 140 | 224 | 224 | 208 | 12 至 96 | 6 至 384 | 4 到 96 |
| 討論串 | 核心 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 | 核心 | 討論串 | 討論串 | 討論串 | 討論串 | 核心 | 核心 | 討論串 | 討論串 | 核心 | 核心 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 | 核心 | 核心 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 |
| 2 至 2,232 GB | 1 至 768 GB | 3 至 3,072 GB | 4 至 1,488 GB | 8 至 1,408 GB | 8 至 2,880 GB | 2 至 640 GB | 2 至 512 GB | 2 至 768 GB | 2 至 864 GB | 2 至 896 GB | 1.8 至 624 GB | 4 至 240 GB | 4 至 192 GB | 1 至 256 GB | 64 至 1,536 GB | 720 至 1,488 GB | 352 GB | 16 至 240 GB | 4 至 896 GB | 6,144 至 32,768 GB | 248 至 5,952 GB | 248 至 5,952 GB | 976 至 3,904 GB | 5,888 到 11,776 GB | 961 至 3,844 GB | 3.75 至 624 GB | 960 GB | 884 GB | 3,968 GB | 2,952 GB | 1,872 GB | 85 至 1,360 GB | 22 至 1,440 GB | 16 至 432 GB |
| NUMA | UMA | NUMA | NUMA | NUMA | NUMA | — | UMA | — | — | — | — | — | NUMA | — | NUMA | NUMA | NUMA | NUMA | NUMA | — | NUMA | — | — | — | — | — | — | — | — | — | — | — | — | — |
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | |||||||||
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | |||||||
| — | — | — | — | — | — | — | — | — | — | — | — | |||||||||||||||||||||||
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | |||||||||||||||
| — | — | AMD SEV | — | Intel TDX | AMD SEV | — | — | — | — | AMD SEV、 AMD SEV-SNP | — | — | — | — | — | — | — | — | AMD SEV | — | — | — | — | — | — | — | — | — | — | — | 英特爾 TDX、NVIDIA 機密運算 | — | AMD SEV、 NVIDIA 機密運算 | — |
| NVMe | NVMe | NVMe | NVMe | NVMe | NVMe | NVMe | NVMe | NVMe |
SCSI (PD 和本機 SSD) NVMe (本機 SSD) |
SCSI (PD 和本機 SSD) NVMe (本機 SSD) |
SCSI (PD 和本機 SSD) NVMe (本機 SSD) |
SCSI (PD 和本機 SSD) NVMe (本機 SSD) |
NVMe | SCSI | NVMe | NVMe | NVMe |
SCSI (PD 和本機 SSD) NVMe (本機 SSD) |
SCSI (PD 和本機 SSD) NVMe (本機 SSD) |
NVMe | NVMe | NVMe | NVMe | SCSI |
SCSI (PD 和本機 SSD) NVMe (本機 SSD) |
SCSI (PD 和本機 SSD) NVMe (本機 SSD) |
NVMe | NVMe | NVMe | NVMe | NVMe |
SCSI (PD 和本機 SSD) NVMe (本機 SSD) |
NVMe | NVMe |
| — | — | — | — | — | — | — | — | — | — | — | ||||||||||||||||||||||||
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | |||||||||||||||
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | ||||||||||||||||||||
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | ||||||||||||||||||
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | |||||||||||||||||||
| — | — | — | — | — | — | — | — | — | — | — | ||||||||||||||||||||||||
| 18 TiB | 6 TiB | 12 TiB | 12 TiB | 12 TiB | 12 TiB | 0 | 0 | 0 | 9 TiB | 9 TiB | 9 TiB | 0 | 0 | 0 | 36 TiB（VM），72 TiB（金屬） | 3 TiB | 0 | 3 TiB | 3 TiB | 0 | 0 | 0 | 3 TiB | 0 | 3 TiB | 9 TiB | 12 TiB | 12 TiB | 12 TiB | 12 TiB | 6 TiB | 3 TiB | 12 TiB | 3 TiB |
| — | — | — | — | — | — | — | — | — | 可用區和區域 | 可用區和區域 | 可用區和區域 | 可用區 | 可用區 | 可用區和區域 | — | — | — | 可用區 | 可用區 | — | — | — | — | 可用區 | 可用區 | 可用區和區域 | — | — | — | — | — | 可用區 | — | — |
| — | — | — | — | 可用區 | 可用區 | — | — | — | 可用區和區域 | 可用區和區域 | 可用區和區域 | 可用區 | 可用區 | 可用區和區域 | 可用區 | — | 可用區 | 可用區 | 可用區 | — | — | — | 可用區 | 可用區 | 可用區 | 可用區和區域 | — | — | — | — | 可用區 | 可用區 | — | 可用區 |
| — | — | — | — | 可用區 | 可用區 | — | — | — | 可用區和區域 | 可用區和區域 | 可用區和區域 | 可用區 | 可用區 | 可用區和區域 | 可用區 | — | — | 可用區 | 可用區 | — | — | — | 可用區 | 可用區 | 可用區 | 可用區和區域 | — | — | — | — | 可用區 | 可用區 | — | 可用區 |
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | ||||
| gVNIC 和 IDPF | gVNIC 和 IDPF | gVNIC 和 IDPF | gVNIC | gVNIC 和 IDPF | gVNIC | gVNIC | gVNIC | gVNIC | gVNIC 和 VirtIO-Net | gVNIC 和 VirtIO-Net | gVNIC 和 VirtIO-Net | gVNIC 和 VirtIO-Net | gVNIC | gVNIC 和 VirtIO-Net | gVNIC 和 IDPF | gVNIC，IRDMA | gVNIC | gVNIC 和 VirtIO-Net | gVNIC 和 VirtIO-Net | IDPF | gVNIC | gVNIC | gVNIC | gVNIC 和 VirtIO-Net | gVNIC 和 VirtIO-Net | gVNIC 和 VirtIO-Net | IDPF 和 MRDMA | gVNIC 和 MRDMA | gVNIC 和 MRDMA | gVNIC 和 MRDMA | gVNIC | gVNIC 和 VirtIO-Net | gVNIC | gVNIC 和 VirtIO-Net |
| 10 Gbps 至 100 Gbps | 10 Gbps 至 50 Gbps | 10 Gbps 至 100 Gbps | 25 Gbps 至 400 Gbps | 23 到 100 Gbps | 20 Gbps 至 100 Gbps | 10 Gbps 至 50 Gbps | 最高 50 Gbps | 10 Gbps 至 50 Gbps | 10 到 32 Gbps | 10 到 32 Gbps | 2 到 32 Gbps | 10 到 32 Gbps | 10 到 32 Gbps | 1 至 16 Gbps | 23 到 100 Gbps | 最高 200 Gbps | 最高 200 Gbps | 10 到 32 Gbps | 10 到 32 Gbps | 最高 100 Gbps | 最高 400 Gbps | 16 至 100 Gbps | 最高 32 Gbps | 最高 32 Gbps | 最高 32 Gbps | 2 到 32 Gbps | 最高 3,600 Gbps | 最高 2,000 Gbps | 最高 3,600 Gbps | 最高 3,200 Gbps | 最高 1,800 Gbps | 24 到 100 Gbps | 20 到 400 Gbps | 10 Gbps 至 100 Gbps |
| 50 到 200 Gbps | 50 到 100 Gbps | 50 到 200 Gbps | — | 50 到 200 Gbps | 50 到 200 Gbps | — | — | — | 50 到 100 Gbps | 50 到 100 Gbps | — | — | — | — | 50 到 200 Gbps | — | — | 50 到 100 Gbps | 50 到 100 Gbps | — | — | — | 50 到 100 Gbps | — | — | 50 到 100 Gbps | — | — | — | — | — | — | — | — |
| — | — | — | 1 或 2 個 NIC | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 1 或 2 個 NIC | — | — | — | — | — | 6 個 NIC | 6 個 NIC | 10 個 NIC | 10 個 NIC | 1、5 或 9 個 NIC | — | 1 或 2 個 NIC | — |
| 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 8 | 4 | 4 | 8 | 8 | 8 | 16 | 8 | 8 |
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | |||||||
| — | ||||||||||||||||||||||||||||||||||
| — | — | — | — | — | — | — | — | — | — | |||||||||||||||||||||||||
| — | — | — | ||||||||||||||||||||||||||||||||
GPU 和運算執行個體
GPU 可用來加速工作負載，並支援 A4X Max、A4X、A4、A3、A2、G4、G2 和 N1 執行個體。如果執行個體使用 A4X Max、A4X、A4、A3、A2、G4 或 G2 機器類型，建立執行個體時系統會自動附加 GPU。對於使用 N1 機器類型的執行個體，您可以在建立執行個體期間或之後附加 GPU。GPU 無法與其他機器系列搭配使用。
加速器最佳化執行個體具有固定數量的 GPU 和 vCPU，以及每個機型固定量的記憶體，但 G2 機器除外，因為這類機器提供自訂記憶體範圍。如果 N1 執行個體連接的 GPU 數量較少，vCPU 數量就會有上限。一般而言，GPU 數量越多，表示您可以建立 vCPU 較多且記憶體較大的執行個體。
如需詳細資訊，請參閱 Compute Engine 上的 GPU 一文。
後續步驟
瞭解如何建立及啟動 VM。
瞭解如何使用自訂機型建立 VM。
進一步瞭解如何將區塊儲存空間掛接到 VM。