了解 vCPU

Compute Engine 会在您创建虚拟机 (VM) 或裸金属实例时为其分配 vCPU。本文档介绍了 vCPU 如何映射到物理硬件，以帮助您优化性能、管理费用并遵守软件许可要求。

了解 vCPU

虚拟 CPU (vCPU) 表示分配给计算实例的中央处理器 (CPU) 算力单位。根据底层处理器架构，vCPU 会被安排在单个硬件执行线程或整个专用物理 CPU 核心上运行。

vCPU 是 CPU 平台的一部分。CPU 平台是基于 CPU 的配置，包括以下内容：

  • CPU 处理器类型
  • 指令集（例如 AVX2 和 AVX-512）
  • 缓存大小
  • 时钟速度
  • NUMA 拆分
  • 内存访问寻道时间
  • 片上加速器

为计算实例分配 vCPU

如需创建虚拟机或裸金属实例（统称为计算实例），您需要使用机器类型。机器类型决定了 Compute Engine 分配给实例的资源。例如，c4-standard-4 机器类型会创建具有 4 个 vCPU 和 16 GB 内存的虚拟机。

为了帮助您为工作负载选择合适的机器类型，Compute Engine 将机器类型分为机器家族和机器系列。

  • 机器家族：针对特定工作负载优化的一组精选处理器和硬件配置，例如通用、加速器优化或内存优化。

  • 机器系列：机器家族中 CPU 处理器、硬件和网络功能的特定组合。每个系列都侧重于计算能力或性能的不同方面。例如，E 系列以低成本提供高效的虚拟机，而 C 系列则提供比 E 系列更出色、更一致的性能。

    • 一个机器系列可以有多个代，例如 C3 和 C4。代数或系列编号越高，表示底层 CPU 处理器或技术越新。例如，在第 5 代 Intel Xeon 处理器（也称为 Emerald Rapids）上运行的 M4 系列比在第 3 代 Intel Xeon 处理器（也称为 Ice Lake）上运行的 M3 机器系列更新。
    • 机器系列和机器类型的底层架构由机器系列名称中的尾随字母表示。例如，第 4 代 C 机器系列有 C4 (Intel)、C4D (AMD)、C4A (Arm) 或 C4N（网络优化型）可供选择。

物理核心映射和并发多线程

在大多数 x86 处理器上，每个物理 CPU 核心支持两个硬件执行线程。Intel Xeon 处理器使用 Intel 超线程技术，AMD EPYC 处理器使用并发多线程 (SMT) 技术。对于这些处理器，Compute Engine 将每个 vCPU 实现为在物理核心上运行的单个硬件线程。因此，两个 vCPU 共用一个物理 CPU 核心（vCPU 与物理核心的比率为 2:1）。例如，具有 4 个 vCPU 的虚拟机使用 2 个具有 SMT 的物理 CPU 核心。

在某些机器系列和处理器架构上，Compute Engine 不使用 SMT。而是每个 vCPU 直接映射到一个专用物理 CPU 核心（vCPU 与物理核心的比率为 1:1）：

  • Arm 处理器：在基于 Arm64 的机器系列（例如 N4A、C4A 或 A4X）上，硬件架构使用单线程核心。每个 vCPU 代表一个完整的物理核心。
  • 计算优化机器系列：H4D 和 H3 机器系列都不支持 SMT。每个 vCPU 代表一个完整的物理 CPU 核心，可提供较高的单线程性能，并消除线程之间的资源争用。
  • Tau 机器系列：对于 Tau T2A（由 Ampere Altra 处理器提供支持）和 Tau T2D 机器系列（由第三代 AMD EPYC Milan 处理器提供支持），Compute Engine 默认停用 SMT。这些计算实例类型始终每个核心有一个 vCPU。
  • 裸金属实例：对于裸金属实例，一个 vCPU 相当于一个 CPU。实例可用的 vCPU 数量相当于主机服务器上的硬件线程数量。您无法手动调整或设置每个核心的线程数。

为了满足特定的工作负载或软件许可要求，您可以自定义 vCPU 在客机操作系统中的显示方式。如需了解详情，请参阅自定义可见 CPU 核心数。 如需查看不使用 SMT 的机器系列和架构的列表，请参阅设置每个核心的线程数。

专用 vCPU 与共享核心 vCPU

选择机器类型后，您的 vCPU 会映射到 CPU 硬件线程或使用共享核心资源模型：

  • 完整 vCPU：标准、高内存、高 CPU 和自定义机器类型会为每个 vCPU 分配一个硬件执行线程或物理核心。
    • 对于通用机器系列中的 N4、N4A、N4D 和 E2 机器系列，动态资源管理 (DRM) 系统可确保每个活跃 vCPU 都有一个可用的硬件执行线程为其提供支持。借助 DRM，Compute Engine 可以通过以下方式更好地利用可用的物理 CPU：根据资源需求将计算实例调度到服务器，并将 vCPU 线程调度到物理 CPU，从而最大限度地缩短等待时间。通用机器家族中的 N1、N2 和 N2D 机器系列使用标准主机调度。
    • 对于 C、M、G、Z 和 A 机器系列，vCPU 资源会专门分配给您的实例，绝不会与其他计算实例共享执行周期。

  • 共享核心 vCPU：共享核心机器类型包括 e2-micro、e2-small、e2-medium、f1-micro 和 g1-small。这些机器类型使用上下文切换功能分时共享物理 CPU 核心。这些共享核心虚拟机不使用专用硬件线程，而是使用一定比例的物理核心时间：

    • e2-micro 维持 2 个 vCPU，每个 vCPU 占 CPU 时间的 12.5％（总计 25％）。
    • e2-small 维持 2 个 vCPU，每个 vCPU 占 CPU 时间的 25%（总计 50%）。
    • e2-medium 维持 2 个 vCPU，每个 vCPU 占 CPU 时间的 50%（总计 100%）。
    • f1-micro 在高达 20% 的 CPU 时间内维持 1 个 vCPU。
    • g1-small 在高达 50% 的 CPU 时间内维持 1 个 vCPU。

    与具有完整 vCPU 的虚拟机相比，具有共享核心 vCPU 的虚拟机提供了一种经济实惠的选择，可用于运行小型、非资源密集型应用、微服务或不需要持续峰值 CPU 吞吐量的开发或测试工作负载。

vCPU 性能特征

vCPU 的处理性能取决于其 CPU 平台、时钟速度、缓存层次结构、多线程动态和资源调度。

CPU 平台和指令集

Compute Engine 提供在多代 Intel、AMD、Arm 和自定义 Google 处理器上运行的计算实例。每个 CPU 平台都引入了微架构增强功能和专用指令集：

  • 高级矢量扩展 (AVX-512)：AVX-512 适用于 Intel 平台（例如 Ice Lake、Emerald Rapids 和 Sapphire Rapids）以及 AMD EPYC 平台（Genoa 和 Turin），可加速矢量数学、科学计算和数据压缩。
  • AMX 和 VNNI：这些扩展程序可直接在 vCPU 上加速深度学习推理和矩阵运算。
    • Intel 处理器（Intel Xeon 第 4 代 Sapphire Rapids 及更高版本）支持高级矩阵扩展 (AMX)。
    • Intel 和 AMD EPYC 处理器（Genoa 第 4 代及更高版本）均支持矢量神经网络指令 (VNNI)。
  • Arm NEON 和 SVE：Arm NEON（在 Ampere Altra CPU 平台上提供）和可伸缩矢量扩展 (SVE)（在 Google Axion 和 NVIDIA Grace CPU 平台上提供）可为云原生 Web 工作负载提供可伸缩矢量执行。

时钟速度和 Turbo 频率

vCPU 会以其底层物理处理器的基本时钟频率执行指令。当工作负载需要额外的处理能力且散热余量允许时，处理器会自动将频率提高到全核睿频频率或单核睿频频率。

某些机器系列在 Compute Engine 中以最高持续时钟速度运行。例如，在 Granite Rapids 上运行的 C4 的全核 Turbo 频率最高可达 3.9 GHz，而 A3 Mega 或 A3 High 的全核 Turbo 频率最高可达 3.8 GHz。为单线程应用、电子设计自动化 (EDA) 和游戏服务器选择高频 vCPU。

如需查看 Compute Engine 使用的每个 CPU 平台的频率，请参阅 CPU 平台。

多线程资源共享

在启用了 SMT 的机器类型（每个核心 2 个 vCPU）上，两个硬件执行线程共享物理核心的 1 级 (L1) 指令和数据缓存、2 级 (L2) 缓存、执行单元和转换旁视缓冲器 (TLB)。

  • I/O 密集型和并发工作负载：对于 Web 服务器、API Gateway 和具有频繁内存访问的数据库操作，SMT 通过在一个线程上运行指令，同时让另一个线程等待内存检索，从而提高整体核心吞吐量。
  • 受计算限制的工作负载：对于持续使浮点单元或 L1/L2 缓存饱和的应用，在两个 vCPU 之间共享执行单元可能会导致资源争用。如果您的工作负载在启用了 SMT 的计算实例上遇到争用，请考虑通过将每个核心的线程数设置为 1 来停用 SMT，或迁移到具有专用物理核心的机器系列（例如 C4A 或 H4D）。

动态资源管理和性能监控

Compute Engine 使用专门的硬件和软件优化来保持可预测的 vCPU 延迟时间：

  • Google Titanium 架构：新一代机器系列（包括 N4、N4D、N4A、C3、C3D 和 C4）使用 Google Titanium 分流卡、自定义 CPU 调度器和性能感知型实时迁移。动态资源管理可保留 NUMA（非统一内存访问）亲和性，并最大限度地减少干扰。
  • E2 的动态资源管理：对于 E2 虚拟机，Hypervisor 会按需将虚拟 CPU 和内存动态映射到物理资源。这种动态映射通过优化物理资源的使用来提高成本效益。
  • 性能监控单元 (PMU)：您可以在受支持的机器系列（例如 C4、M4 和 A4X）上启用 PMU，以访问低级硬件计数器。性能分析工具使用 PMU 计数器来跟踪分支预测错误、缓存未命中和每周期指令数 (IPC)。
  • Ops Agent：您可以在计算实例上安装 Ops Agent，以监控 CPU 利用率并收集系统级遥测数据。Ops Agent 会将这些数据发送到 Google Cloud Observability，以帮助您分析和优化 vCPU 性能。

价格注意事项

在为工作负载制定预算和规划容量时，请考虑 Compute Engine 如何对 vCPU 计费以及可用的折扣模式。

资源结算粒度

对于大多数机器系列，Compute Engine 会将 vCPU 和系统内存作为单独的专用资源进行计费。您需要按秒为实例付费，每个启动的计算实例的最短结算时长为 1 分钟。在第一分钟之后，您只需按实例保持运行的实际秒数付费。

对于共享核心机器类型（例如 E2 共享核心和 N1 共享核心），Compute Engine 会将 vCPU 和内存捆绑在一起，按统一的小时费率计费，而不是作为单独的资源计费。

您可以在虚拟机实例价格页面上查看 vCPU 结算费率。

费用优化和折扣

您可以使用以下价格选项来降低 vCPU 结算费用：

  • 承诺使用折扣 (CUD)：如果您的工作负载具有可预测的稳定状态 vCPU 要求，则您可以购买 1 年期或 3 年期承诺，以获得按需价格最高 55% 到 70% 的折扣。Compute Engine 为区域中的特定机器系列提供基于资源的 CUD，并提供适用于多个机器系列和区域的基于支出的灵活 CUD。您可以在 Cloud Billing 账号中的项目之间共享 CUD。
  • 持续使用折扣 (SUD)：对于符合条件的机器系列（例如 N1、N2、N2D、C2、M1 和 M2），当您的 vCPU 运行时间超过结算月份的 25% 时，Compute Engine 会自动应用 SUD。如果虚拟机实例连续运行一整月，则可享受最高 20% 或 30% 的折扣，具体取决于机器系列。按需价格较低的机器系列（包括 E2、N4、C3、C4、Tau T2A 和 A3）不提供 SUD。
  • Spot 虚拟机：对于容错、无状态或批量工作负载，Spot 虚拟机可提供标准按需 vCPU 价格 60% 到 91% 的折扣。Compute Engine 可随时停止或回收 Spot 虚拟机来回收容量。
  • 单租户节点和 vCPU 超额使用：在单租户节点上运行虚拟机实例时，您需要为专用物理宿主机服务器付费，而不是为单个 vCPU 付费。在单租户节点上，您可以配置 CPU 过度使用（最高 2:1 的比率），以便在虚拟机实例中调度比物理主机核心更多的 vCPU，从而降低开发者或测试环境的计算费用。
  • 动态工作负载调度器 (DWS)：对于 AI 或机器学习工作负载，您可以使用 DWS 优化 vCPU 费用并提高资源可用性。
    • 灵活启动型虚拟机：用于经济实惠且灵活地调度运行时间不超过 7 天的工作负载。
    • 日历模式下的未来预留请求：用于在未来的特定日期和时间预留资源，最长可预留 90 天。
  • 容量调整建议：Compute Engine 会分析历史 vCPU 利用率指标，并提供自动机器类型建议和空闲计算实例建议。采纳这些建议有助于您调整预配过多的 vCPU 的大小或停止空闲实例。

机器系列可用性

下表列出了 Compute Engine 机器系列的 vCPU 架构模型、多线程比率和最大 vCPU 数量。vCPU 数量上限反映了每个系列中最大的机器类型，包括裸金属实例。

机器家族 机器系列 处理器架构 vCPU 与核心比率 vCPU 数量上限 共享核心选项
通用 E2 Intel Xeon / AMD EPYC 2 个 vCPU：1 个核心 (SMT) 32 个 vCPU 是（e2-micro、e2-small、e2-medium）
通用 N1 多代 Intel Xeon 处理器 2 个 vCPU：1 个核心 (SMT) 96 个 vCPU 是（f1-micro、g1-small）
通用 N2 Intel Xeon（Cascade Lake/Ice Lake） 2 个 vCPU：1 个核心 (SMT) 128 个 vCPU 否
通用 N2D AMD EPYC（Rome/Milan） 2 个 vCPU：1 个核心 (SMT) 224 个 vCPU 否
通用 N4 第 5 代 Intel Xeon (Emerald Rapids) 2 个 vCPU：1 个核心 (SMT) 80 个 vCPU 否
通用 N4D 第 5 代 AMD EPYC (Turin) 2 个 vCPU：1 个核心 (SMT) 96 个 vCPU 否
通用 N4A Google Axion (Arm64) 1 个 vCPU：1 个核心（无 SMT） 64 个 vCPU 否
通用 C3 第 4 代 Intel Xeon (Sapphire Rapids) 2 个 vCPU：1 个核心 (SMT) 176 个 vCPU 否
通用 C3D 第 4 代 AMD EPYC (Genoa) 2 个 vCPU：1 个核心 (SMT) 360 个 vCPU 否
通用 C4 第 5 代 Intel Xeon (Emerald Rapids) 和第 6 代 Intel Xeon (Granite Rapids) 2 个 vCPU：1 个核心 (SMT) 288 个 vCPU 否
通用 C4A Google Axion (Arm64) 1 个 vCPU：1 个核心（无 SMT） 96 个 vCPU 否
通用 C4D 第 5 代 AMD EPYC (Turin) 2 个 vCPU：1 个核心 (SMT) 384 个 vCPU 否
通用 Tau T2A Ampere Altra (Arm64) 1 个 vCPU：1 个核心（无 SMT） 48 个 vCPU 否
通用 Tau T2D 第 3 代 AMD EPYC (Milan) 1 个 vCPU：1 个核心（停用 SMT） 60 个 vCPU 否
计算优化 C2 Intel Xeon (Cascade Lake) 2 个 vCPU：1 个核心 (SMT) 60 个 vCPU 否
计算优化 C2D AMD EPYC (Milan) 2 个 vCPU：1 个核心 (SMT) 112 个 vCPU 否
计算优化 H3 第 4 代 Intel Xeon (Sapphire Rapids) 1 个 vCPU：1 个核心（无 SMT） 88 个 vCPU 否
计算优化 H4D 第 5 代 AMD EPYC (Turin) 1 个 vCPU：1 个核心（无 SMT） 192 个 vCPU 否
网络优化 C4N 第 5 代 Intel Xeon (Emerald Rapids) 2 个 vCPU：1 个核心 (SMT) 192 个 vCPU 否
内存优化 X4 第 4 代 Intel Xeon (Sapphire Rapids) 2 个 vCPU：1 个核心 (SMT) 1,920 个 vCPU 否
内存优化 M1 Intel Xeon（Skylake 和 Broadwell） 2 个 vCPU：1 个核心 (SMT) 160 个 vCPU 否
内存优化 M2 第 2 代 Intel Xeon (Cascade Lake) 2 个 vCPU：1 个核心 (SMT) 416 个 vCPU 否
内存优化 M3 第 3 代 Intel Xeon (Ice Lake) 2 个 vCPU：1 个核心 (SMT) 128 个 vCPU 否
内存优化 M4/M4N 第 5 代 Intel Xeon (Emerald Rapids) 2 个 vCPU：1 个核心 (SMT) 224 个 vCPU 否
存储优化 Z3 第 4 代 Intel Xeon (Sapphire Rapids) 2 个 vCPU：1 个核心 (SMT) 192 个 vCPU 否
存储优化 Z4D 第 5 代 AMD EPYC (Turin) 2 个 vCPU：1 个核心 (SMT) 288 个 vCPU 否
存储优化 Z4M 第 5 代 Intel Xeon (Emerald Rapids) 1 个 vCPU：1 个核心（无 SMT） 192 个 vCPU 否
加速器优化 A4X Max NVIDIA Grace 1 个 vCPU：1 个核心（无 SMT） 144 个 vCPU 否
加速器优化 A4X NVIDIA Grace 1 个 vCPU：1 个核心（无 SMT） 140 个 vCPU 否
加速器优化 A4 第 5 代 Intel Xeon (Emerald Rapids) 搭配 NVIDIA GPU 2 个 vCPU：1 个核心 (SMT) 224 个 vCPU 否
加速器优化 A3 Intel Xeon（Emerald Rapids 和 Sapphire Rapids）搭配 NVIDIA GPU 2 个 vCPU：1 个核心 (SMT) 224 个 vCPU 否
加速器优化 A2 第 2 代 Intel Xeon (Cascade Lake) 搭配 NVIDIA GPU 2 个 vCPU：1 个核心 (SMT) 96 个 vCPU 否
加速器优化 G4 第 5 代 AMD EPYC (Turin) 搭配 NVIDIA GPU 2 个 vCPU：1 个核心 (SMT) 384 个 vCPU 否
加速器优化 G2 第 2 代 Intel Xeon (Cascade Lake) 搭配 NVIDIA GPU 2 个 vCPU：1 个核心 (SMT) 96 个 vCPU 否

如需详细了解所有系列的每个 vCPU 的内存、网络带宽和本地磁盘支持，请参阅机器资源指南。

后续步骤