Best practice per la scelta della regione e della zona per Compute Engine

Quando esegui il deployment delle risorse in Compute Engine, scegli la regione e la zona che ospitano le tue risorse. Questa decisione determina dove vengono archiviati ed elaborati i tuoi dati e influisce direttamente sull'affidabilità, sulla latenza, sui costi e sull'impatto ambientale della tua applicazione.

Questa guida illustra i criteri e le best practice per la selezione delle regioni e delle zone Google Cloudper i tuoi workload.

Terminologia

  • Regione: un'area geografica indipendente costituita da zone (in genere tre o più). Collocando le risorse in regioni diverse si ottiene l'indipendenza dagli errori e il ripristino di emergenza geografico.

  • Zona: un'area di deployment all'interno di una regione. Le zone hanno connessioni di rete a bassa latenza e a larghezza di banda elevata con altre zone della stessa regione. Google Cloud progetta le zone per ridurre al minimo i guasti correlati causati da eventi dell'infrastruttura fisica, ad esempio interruzioni di corrente, raffreddamento o rete.

  • Zona AI: una zona specializzata separata geograficamente dalle zone standard che fornisce capacità GPU e TPU ad alta densità per l'addestramento su larga scala e l'inferenza batch. Le zone AI condividono l'infrastruttura con una zona principale designata e richiedono l'attivazione della visibilità della zona AI. Per saperne di più, consulta Zone AI.

  • Tempo di round trip (RTT): il tempo necessario per inviare un pacchetto IP e ricevere la conferma.

Quando scegliere le regioni e le zone

Decidi quante e quali regioni e zone di Compute Engine utilizzare all'inizio della fase di architettura. Esamina le seguenti considerazioni:

  • Coerenza e replica dei dati: le architetture multiregionali richiedono meccanismi per sincronizzare o partizionare i dati su distanze geografiche.
  • Implicazioni sui costi: i prezzi delle risorse e i costi del trasferimento di dati tra regioni variano in base alla località.
  • Overhead di migrazione: lo spostamento di workload e dati attivi tra regioni è complesso dal punto di vista operativo e comporta tempi di inattività o costi in uscita.

Fattori da considerare per la scelta di regioni e zone

Quando pianifichi il deployment, tieni conto dei seguenti fattori principali:

  • Alta affidabilità e tolleranza agli errori

    • Quando devi sopravvivere a interruzioni localizzate: scegli di eseguire il deployment delle tue istanze in più zone all'interno di una singola regione, in modo che se una zona non è disponibile, le altre rimangano disponibili.
    • Quando hai esigenze di ripristino di emergenza critiche per l'attività: scegli una regione secondaria per eseguire il deployment dei servizi di supporto o delle repliche multiregionali.
  • Latenza di rete e utente

    • Quando gli utenti sono concentrati geograficamente: scegli una regione geograficamente vicina per ridurre al minimo il tempo di round trip.
    • Quando servi una base utenti globale da un'unica località: scegli una regione degli Stati Uniti, perché in genere offre la migliore connettività globale.
    • Se hai un ambiente ibrido aziendale: scegli la regione in base alla latenza più bassa per i tuoi sistemi on-premise connessi tramite Cloud Interconnect o Cloud VPN.
  • Disponibilità delle serie di macchine per l'accelerazione di intelligenza artificiale (AI) e machine learning (ML)

    • Quando hai bisogno di serie di macchine standard specifiche: scegli le zone di destinazione solo dopo aver verificato che le serie di macchine richieste (ad esempio C4, C3, N4 o M3) siano supportate.
    • Quando esegui workload di addestramento AI e ML: seleziona le regioni che supportano serie di macchine ottimizzate per l'acceleratore (come A4 con GPU NVIDIA B200 o A3 con GPU NVIDIA H200/H100) o TPU (come TPU v6e o TPU v5p). Per l'addestramento su larga scala, prendi in considerazione le regioni con zone AI dedicate o utilizza Dynamic Workload Scheduler (DWS) per assicurarti la capacità in anticipo.
    • Quando esegui workload di inferenza in tempo reale: dai la priorità alle zone standard vicine alla tua base utenti utilizzando istanze ottimizzate per l'inferenza (come G2 con GPU NVIDIA L4) anziché alle zone AI per evitare la latenza tra zone nei servizi di backend.
  • Prezzi e costi del trasferimento di dati

    • Quando vuoi ridurre al minimo i costi di rete: scegli di mantenere la comunicazione all'interno di una singola zona (che è senza costi) o all'interno della stessa regione (che comporta costi minimi), poiché il passaggio a regioni diverse comporta costi di trasferimento di dati tra regioni più elevati.
  • Colocazione con altri servizi

    • Quando utilizzi altri servizi Google Cloud (come Spanner, Cloud SQL, BigQuery o Cloud Storage): scegli di collocare le risorse Compute Engine nella stessa regione di questi servizi dipendenti per evitare la latenza tra i servizi ed eliminare i costi del traffico in uscita tra regioni.
  • Quote e capacità delle risorse

    • Quando pianifichi un lancio: scegli le regioni in cui hai verificato e richiesto in anticipo una quota di risorse regionali e di zona sufficiente.
  • Percentuale di energia a zero emissioni di CO2 (CFE%)

    • Quando vuoi dare priorità alla sostenibilità: scegli una regione con una percentuale di CFE più elevata per ridurre l'impronta di carbonio lorda della tua applicazione.

Selezione automatica della località

Compute Engine fornisce meccanismi integrati per selezionare automaticamente le zone ottimali in base alla capacità e alla disponibilità in tempo reale:

  • ConsoleGoogle Cloud (zona "Qualsiasi"): quando crei un'istanza nella consoleGoogle Cloud , seleziona Qualsiasi nel selettore della zona. Compute Engine esegue automaticamente il provisioning dell'istanza in una zona con capacità sufficiente per il tipo di macchina scelto.
  • Gruppi di istanze gestite (MIG) a livello di regione: configura il MIG a livello di regione con una forma di distribuzione target (ANY, BALANCED o ANY_SINGLE_ZONE) per consentire al MIG di eseguire automaticamente il deployment delle istanze nelle zone disponibili.
  • API di creazione di istanze in blocco: quando crei più istanze contemporaneamente, utilizza un endpoint regionale con l'API di creazione in blocco per distribuire automaticamente le istanze tra le zone con capacità disponibile.

Pattern di deployment globali

A seconda dei requisiti di latenza e resilienza, scegli uno dei seguenti modelli di architettura:

Pattern 1: deployment in una singola regione

Esegui il deployment del frontend e del backend della tua applicazione in una singola regione in più zone.

  • Ideale per: applicazioni con tolleranza di latenza moderata, strumenti aziendali interni o workload con database transazionali centralizzati.
  • Ottimizzazione: combina con Cloud Load Balancing e Cloud CDN per terminare le sessioni SSL/TCP nei punti di presenza (PoP) perimetrali e memorizzare nella cache gli asset statici vicino agli utenti.

Deployment in una singola regione

Pattern 2: frontend distribuito con backend centralizzato

Eseguire il deployment dei server di frontend in più regioni geografiche vicine agli utenti, mantenendo un backend e un database centralizzati in un'unica regione.

  • Ideale per: applicazioni che gestiscono principalmente richieste di lettura, utilizzano una memorizzazione nella cache aggressiva per l'edge o il frontend o elaborano le scritture in modo asincrono.
  • Ottimizzazione: utilizza Cloud CDN per memorizzare nella cache gli asset statici e Memorystore per memorizzare nella cache i dati a cui si accede di frequente nella stessa regione del frontend.

Deployment del frontend distribuito

Pattern 3: frontend e backend distribuiti in più regioni

Esegui il deployment di servizi frontend e backend full stack in più regioni.

Deployment multiregionale distribuito

Pattern 4: più applicazioni regionali parallele

Esegui stack di applicazioni completamente indipendenti e autonomi in regioni diverse, indirizzando gli utenti alla loro partizione locale con una sincronizzazione minima dei dati tra regioni.

  • Ideale per: piattaforme SaaS multi-tenant, negozi di vendita al dettaglio multiregionali con inventario localizzato o mondi di gioco multiplayer in tempo reale.
  • Archiviazione dei dati: utilizza Cloud SQL per fornire database PostgreSQL, SQL Server e MySQL in ogni regione.

App regionali parallele

Ottimizzazione e misurazione della latenza

Indipendentemente dal modello di deployment, puoi applicare le seguenti tecniche per ridurre al minimo la latenza per gli utenti finali:

  • Utilizza il networking di livello Premium: il livello Premium (predefinito) instrada il traffico sul backbone privato in fibra globale di Google anziché sulla rete internet di transito pubblico, garantendo una latenza inferiore e una perdita di pacchetti ridotta.
  • Termina le connessioni sul perimetro: utilizza i bilanciatori del carico delle applicazioni esterni e Cloud CDN per terminare gli handshake TLS e fornire contenuti memorizzati nella cache dal POP perimetrale più vicino all'utente.
  • Implementa la memorizzazione nella cache in memoria: posiziona i cluster Memorystore for Redis o Memcached nella stessa regione delle risorse di computing per eliminare i round trip ripetuti del database.
  • Misura la latenza reale:
    • Utilizza i log di flusso VPC per ispezionare i tempi di round trip TCP tra client e istanze.
    • Attiva le intestazioni delle richieste personalizzate sul bilanciatore del carico per registrare i dati RTT del client e i dati sulla posizione geografica.
    • Utilizza le metriche di Cloud Monitoring per i bilanciatori del carico (frontend_tcp_rtt e backend_latencies).

Elenco di controllo per la selezione passo passo

Utilizza questo elenco di controllo passo passo per finalizzare la selezione della regione e della zona:

  1. Pianifica la capacità: utilizza la modalità Calendario di Dynamic Workload Scheduler (DWS) per prenotazioni future prevedibili o l'avvio flessibile per i job batch in coda e lo strumento Capacity Advisor della console per scoprire e pianificare la capacità.
  2. Determina i requisiti di conformità e residenza dei dati: assicurati che le regioni candidate siano conformi alle norme normative e di sovranità dei dati pertinenti.
  3. Seleziona le regioni principali in base alla concentrazione degli utenti: posiziona i tuoi servizi nelle regioni che offrono l'RTT mediano più basso alla tua base utenti principale.
  4. Progetta per la resilienza:
    • In ogni regione selezionata, distribuisci le istanze di computing in almeno due o tre zone.
    • Per i workload critici, stabilisci una regione di failover secondaria.
  5. Valuta i prezzi e la sostenibilità: se più regioni soddisfano i tuoi criteri tecnici, confronta i prezzi delle risorse e le percentuali di energia a zero emissioni di CO2 (CFE%) per effettuare la selezione finale.

Riepilogo delle best practice

Categoria Prassi consigliata
Resilienza e alta affidabilità Distribuisci le istanze in almeno tre zone di una regione per proteggerti dalle interruzioni dell'infrastruttura. Esegui il deployment in una regione secondaria per il ripristino di emergenza tra regioni.
Selezione automatica della zona Utilizza l'opzione Qualsiasi zona della console, le forme di distribuzione dei MIG a livello di regione o l'API Bulk Instance Creation per selezionare automaticamente le zone con capacità disponibile.
Workload AI e ML Per l'addestramento su larga scala, seleziona regioni con zone AI specializzate o utilizza Dynamic Workload Scheduler (DWS) per pianificare la capacità di GPU e TPU. Per l'inferenza in tempo reale, esegui il deployment di serie di macchine ottimizzate per l'inferenza (come G2) in zone standard vicine agli utenti.
Ottimizzazione della latenza Utilizza il networking di livello Premium, il bilanciamento del carico delle applicazioni esterno e Cloud CDN per terminare le sessioni e memorizzare nella cache gli asset nei POP perimetrali di Google.
Gestione dei costi Mantieni la comunicazione tra i servizi all'interno della stessa zona o regione per evitare addebiti per il traffico di rete in uscita tra regioni.
Sostenibilità Dai la priorità alle regioni con percentuali di energia a zero emissioni di CO2 (CFE%) più elevate per ridurre al minimo l'impatto ambientale.

Passaggi successivi

Per gli architetti che selezionano le regioni per i workload di AI/ML: