הקטנת מכונות Cloud SQL עם הקצאת-יתר

שירות ההמלצות של Cloud SQL למופעים עם הקצאת יתר עוזר לכם לזהות מופעים גדולים מדי שלא לצורך עבור עומס עבודה נתון. לאחר מכן, המערכת מספקת המלצות לשינוי הגודל של מקרים כאלה ולהפחתת העלויות. בדף הזה מוסבר איך פועלת מערכת ההמלצות הזו ואיך משתמשים בה.

איך זה עובד

הכלי להמלצות על הקצאת-יתר ב-Cloud SQL מנתח את מדדי השימוש של מכונות ראשיות שהגיל שלהן הוא יותר מ-30 יום. לכל מכונה וירטואלית, שירות ההמלצות מתחשב בניצול של המעבד והזיכרון על סמך הערכים של מדדים מסוימים ב-30 הימים האחרונים. כלי ההמלצות לא מנתח רפליקות לקריאה או מופעים שהוגדרו לזמינות גבוהה (HA).

אם השימוש המקסימלי ב-CPU או בזיכרון או בשניהם במהלך תקופת התצפית נמוך, ההערכה היא שהקצאת היתר של המכונה גדולה מדי. ההמלצות נוצרות כל 24 שעות כדי להתאים את הגודל של מקרים כאלה, אם החיסכון המשוער בעלויות החודשיות הוא 10 $או יותר.

הכלי להמלצות משתמש בערכי סף שמרניים כדי לוודא שהוא מסמן רק מקרים של הקצאת יתר משמעותית של משאבים, שבדרך כלל מעידים על בזבוז. שירות המלצות מציע סוג מכונה עם לפחות 8 vCPU ו-32GB.

תמחור

ההמלצה 'Cloud SQL overprovisioned instance' נמצאת במסלול התמחור Standard של Recommender.

לפני שמתחילים

כדי לראות המלצות ותובנות, צריך לבצע את הפעולות הבאות:

  • כדי לקבל את ההרשאות לצפייה בתובנות ובהמלצות ולעבודה איתן, צריך לוודא שיש לכם את התפקידים הנדרשים.
    Tasks תפקידים
    לצפייה בהמלצות אחד מהתפקידים הבאים: recommender.cloudsqlViewer או cloudsql.viewer.
    יישום ההמלצות אחת מההרשאות הבאות: recommender.cloudsqlAdmin,‏ cloudsql.editor או cloudsql.admin.
    מידע נוסף על תפקידים זמין במאמרים הסבר על תפקידים ומתן הרשאות IAM.

  • מפעילים את Recommender API.

    תפקידים שנדרשים להפעלת ממשקי API

    כדי להפעיל ממשקי API, צריך את תפקיד ה-IAM 'אדמין של Service Usage' (roles/serviceusage.serviceUsageAdmin), שכולל את ההרשאה serviceusage.services.enable. איך מקצים תפקידים

    להפעלת ה-API

הצגת המלצות לגבי מכונות Cloud SQL עם הקצאת-יתר

אפשר לראות את ההמלצות לגבי מקרים של הקצאת יתר של משאבים באמצעות מסוף Google Cloud , gcloud או Recommender API.

המסוף

כדי להציג רשימה של המלצות לגבי מקרים של הקצאת יתר של מכונות וירטואליות באמצעות מסוףGoogle Cloud , פועלים לפי השלבים הבאים:

  1. נכנסים לדף Cloud SQL Instances.

    כניסה לדף Cloud SQL Instances

  2. לוחצים על View all בבאנר ההמלצות לגבי מקרים של הקצאת יתר של משאבים.

אפשר גם לפעול לפי השלבים הבאים:

  1. עוברים אל Active Assist.

    כניסה אל Active Assist

    מידע נוסף מופיע במאמר תחילת השימוש ב-Recommendation Hub.

  2. בכרטיס Reduce Cloud SQL instance cost (הפחתת העלויות של מכונות Cloud SQL), לוחצים על View all (הצגת הכול).

  3. לוחצים על הכרטיסייה הפחתת המופע.

gcloud

כדי להציג המלצות לגבי מכונות עם הקצאת יתר באמצעות gcloud, מריצים את הפקודה gcloud recommender recommendations list באופן הבא:

gcloud recommender recommendations list \
--project=PROJECT_ID \
--location=LOCATION \
--recommender=google.cloudsql.instance.RECOMMENDER

מחליפים את מה שכתוב בשדות הבאים:

  • ‫PROJECT_ID: מזהה הפרויקט.
  • ‫LOCATION: אזור, כמו us-central1.
  • ‫RECOMMENDER: המזהה של שירות ההמלצות בתור OverprovisionedRecommender.

API

כדי לקבל רשימה של המלצות לגבי מקרים של הקצאת יתר של משאבים באמצעות Recommendations API, מפעילים את method‏ recommendations.list באופן הבא:

GET https://recommender.googleapis.com/v1beta1/projects/PROJECT-ID/locations/LOCATION/recommenders/google.cloudsql.instance.RECOMMENDER/recommendations

מחליפים את מה שכתוב בשדות הבאים:

  • ‫PROJECT_ID: מזהה הפרויקט.
  • ‫LOCATION: אזור, כמו us-central1.
  • ‫RECOMMENDER: המזהה של שירות ההמלצות בתור OverprovisionedRecommender.

אם הכלי לזיהוי המלצות מזהה מקרים של הקצאת יתר של משאבים למופעים, הוא מציג אותם בטבלה. בכל שורה מוצגים שם המופע, המלצה קצרה, סוג המכונה הנוכחי, סוג המכונה המומלץ, המיקום ותאריך הרענון האחרון.

צפייה בתובנות ובהמלצות מפורטות

אתם יכולים לראות תובנות והמלצות מפורטות לגבי מקרים של הקצאת יתר של משאבים למופעים באמצעות מסוף Google Cloud , gcloud או Recommender API.

המסוף

כדי לראות תובנות והמלצות מפורטות לגבי מופע עם הקצאת יתר באמצעות מסוףGoogle Cloud , לוחצים על לחצן ההמלצה ברשימת המופעים.

gcloud

כדי לראות תובנות והמלצות מפורטות לגבי מכונות שהוקצו להן יותר מדי משאבים באמצעות gcloud, מריצים את הפקודה gcloud recommender insights list באופן הבא:

gcloud recommender insights list \
--project=PROJECT_ID \
--location=LOCATION \
--insight-type=google.cloudsql.instance.INSIGHT_TYPE

מחליפים את מה שכתוב בשדות הבאים:

  • ‫PROJECT_ID: מזהה הפרויקט.
  • ‫LOCATION: אזור, כמו us-central1.
  • ‫INSIGHT_TYPE: מזהה סוג התובנה בתור CpuUsageInsight או MemoryUsageInsight, שמספקים תובנות לגבי השימוש ביחידת העיבוד המרכזית (CPU) והזיכרון, בהתאמה.

API

כדי לראות תובנות והמלצות מפורטות לגבי מקרים של הקצאת יתר של מכונות וירטואליות באמצעות Recommendations API, מפעילים את השיטה insights.list באופן הבא:

GET https://recommender.googleapis.com/v1beta1/projects/PROJECT-ID/locations/LOCATION/insightTypes/google.cloudsql.instance.INSIGHT_TYPE/insights

מחליפים את מה שכתוב בשדות הבאים:

  • ‫PROJECT_ID: מזהה הפרויקט.
  • ‫LOCATION: אזור, כמו us-central1.
  • ‫INSIGHT_TYPE: המזהה של סוג התובנה בתור CpuUsageInsight. או MemoryUsageInsight, שמספקים תובנות לגבי השימוש במעבד והזיכרון, בהתאמה.

מוצגת חלונית עם תובנות לגבי השימוש הנוכחי בזיכרון ובמעבד של המכונה. בהמשך מפורטות קטגוריות המידע, ומוצגים כמה תרשימים תומכים.

שדות תיאורים ומדדים קשורים
ניצול מקסימלי של המעבד ניצול המעבד המקסימלי באחוזים.
המידע רלוונטי לdatabase/cpu/utilization.
מקסימום ניצול הזיכרון ניצול הזיכרון המקסימלי באחוזים.
המידע רלוונטי לdatabase/memory/utilization.

בטבלה הבאה מפורטים התובנות וההמלצות ששירות ההמלצות של Cloud SQL עשוי ליצור כדי לעזור לכם לצמצם את העלויות. סוגי המשנה מוצגים בתוצאות של gcloud ובתוצאות של API.

תובנות המלצות
על סמך מגמות השימוש הנוכחיות ב-CPU, המופע מסומן כבעל הקצאת יתר.
תת-סוג: LOW_CPU_UTILIZATION 		מפחיתים את מספר יחידות ה-vCPU או עוברים למכונה עם פחות יחידות vCPU.
תת-סוג: CHANGE_INSTANCE_SIZE
על סמך מגמות השימוש הנוכחיות בזיכרון, המופע מסומן כבעל הקצאת יתר.
Subtype: LOW_MEMORY_UTILIZATION. 		צריך להקטין את נפח הזיכרון שנדרש או לעבור למחשב עם פחות זיכרון.
תת-סוג: CHANGE_INSTANCE_SIZE

יישום ההמלצות

בודקים את ההמלצות בקפידה ומבצעים אחת מהפעולות הבאות:

  • כדי לבדוק את ההמלצה, לוחצים על הצגת המופע.

    באנר עם המלצה יופיע בחלק העליון של הדף.

    אם צריך, אפשר לערוך את המופע כדי להקטין את מספר ליבות ה-CPU הווירטואליות או את הזיכרון. אפשרות אחרת היא לעבור לסוג מכונה עם פחות מעבדים וירטואליים ופחות זיכרון. לא צריך להתאים את גודל המופע בדיוק כמו שמומלץ. השתמשו בשיקול דעת לגבי גודל המופע בהתאם לאופן שבו אתם מתכוונים להקצות את המופע. חשוב לזכור שככל שהגודל גדול יותר, כך זמן האחזור התפעולי ארוך יותר.

  • כדי לדחות את ההמלצה כך שהיא תודגש פחות ותופיע בצבע עמום, לוחצים על דחייה.

  • כדי לסגור את החלונית בלי להחיל את ההמלצה או לבטל אותה, לוחצים על ביטול.

אפשר גם לייצא את ההמלצות האלה ל-BigQuery ולבדוק אותן באמצעות Data Studio או Looker.

המאמרים הבאים