הקטנת מספר המכונות של Cloud SQL עם הקצאת-חסר

שירות המלצות בנושא הקצאת משאבים לא מספקת עוזר לכם לזהות מכונות וירטואליות שבהן יש שימוש גבוה במעבד (CPU) או בזיכרון. לאחר מכן, המערכת מספקת המלצות לאופטימיזציה של המופע. בדף הזה מוסבר איך פועל שירות ההמלצות הזה ואיך משתמשים בו.

איך זה עובד

אם המערכת מזהה ניצול גבוה של המעבד או הזיכרון, היא תציג המלצה להגדיל את גודל המכונה כדי להפחית את ניצול המעבד או הזיכרון בשיא.

תמחור

ההמלצה לגבי מופע עם הקצאת משאבים לא מספקת נמצאת במסלול התמחור הרגיל של Recommender.

לפני שמתחילים

כדי לראות המלצות ותובנות, צריך לבצע את הפעולות הבאות:

  • חשוב לוודא שיש לכם את התפקידים הנדרשים כדי שתוכלו לראות את התובנות וההמלצות ולפעול לפיהן.
    Tasks תפקידים
    לצפייה בהמלצות אחד מהתפקידים הבאים: recommender.cloudsqlViewer או cloudsql.viewer.
    יישום ההמלצות אחד מהתפקידים האלה: recommender.cloudsqlAdmin,‏ cloudsql.editor או cloudsql.admin.
    מידע נוסף על תפקידים זמין במאמרים הסבר על תפקידים ומתן הרשאות IAM.

  • מפעילים את Recommender API, אם הוא עדיין לא מופעל.

    תפקידים שנדרשים להפעלת ממשקי API

    כדי להפעיל ממשקי API, נדרשת ההרשאה serviceusage.services.enable. אם יצרתם את הפרויקט, סביר להניח שכבר יש לכם את ההרשאה הזו דרך התפקיד 'בעלים' (roles/owner). אחרת, תוכלו לקבל את ההרשאה הזו דרך התפקיד 'אדמין בממשק Service Usage' (roles/serviceusage.serviceUsageAdmin). איך מקצים תפקידים

    להפעלת ה-API

רשימת המלצות לגבי מקרים של הקצאת-חסר

המסוף

כדי לראות המלצות לגבי מקרים שבהם הקצאת המשאבים לא מספיקה, פועלים לפי השלבים הבאים:

  1. נכנסים לדף Cloud SQL Instances.

    כניסה לדף Cloud SQL Instances

  2. לוחצים על View all בבאנר של שירות ההמלצות לשינוי הגודל של מכונת Cloud SQL.

אפשר גם לפעול לפי השלבים הבאים:

  1. עוברים אל Active Assist.

    כניסה לדף Active Assist

    מידע נוסף מופיע במאמר תחילת השימוש במרכז ההמלצות.

  2. בכרטיס שינוי הגודל של מכונות Cloud SQL כדי לשפר את הביצועים, לוחצים על הצגת הכול.

  3. לוחצים על המכונות עם ההמלצה שינוי הגודל של מכונת Cloud SQL.

gcloud

כדי להציג רשימה של המלצות לגבי מקרים של הקצאת משאבים לא מספקת, מריצים את הפקודה gcloud recommender recommendations list באופן הבא:

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

מחליפים את מה שכתוב בשדות הבאים:

  • ‫PROJECT_ID: מזהה הפרויקט.
  • ‫LOCATION: אזור, כמו us-central1.

API

כדי להציג רשימה של המלצות לגבי מקרים של הקצאת משאבים לא מספקת של מופעים באמצעות Recommendations API, מפעילים את השיטה recommendations.list באופן הבא:

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

מחליפים את מה שכתוב בשדות הבאים:

  • ‫PROJECT_ID: מזהה הפרויקט.
  • ‫LOCATION: אזור, כמו us-central1.

אם הכלי לזיהוי המלצות מזהה מקרים של הקצאת משאבים לא מספקת 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

המסוף

כדי לראות תובנות והמלצות מפורטות לגבי מכונה עם הקצאת-חסר באמצעות מסוףGoogle Cloud , לוחצים על לחצן ההמלצה ברשימת המכונות.

gcloud

כדי לראות תובנות והמלצות מפורטות לגבי מקרים של הקצאת משאבים לא מספקת 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 הוא UnderprovisionedCpuUsageInsight,‏ UnderprovisionedMemoryUsageInsight או OomProbabilityInsight, שמספקים תובנות לגבי השימוש במעבד, בזיכרון וההסתברות ל-OOM, בהתאמה.

API

כדי לראות תובנות והמלצות מפורטות לגבי מקרים של הקצאת משאבים לא מספקת למופעים 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: מזהה סוג התובנה בתור UnderprovisionedCpuUsageInsight,‏ UnderprovisionedMemoryUsageInsight או OomProbabilityInsight, שמספקים תובנות לגבי השימוש במעבד, בזיכרון וההסתברות ל-OOM, בהתאמה.

בטבלה הבאה מפורטות התובנות וההמלצות שהכלי להמלצות לגבי מקרים של הקצאת משאבים לא מספקת ב-Cloud SQL עשוי ליצור כדי לעזור לכם להימנע מפקקים שנובעים משימוש גבוה במעבד ובזיכרון, ולצמצם את הסיכוי לאירועים של חוסר זיכרון. סוגי המשנה מוצגים בתוצאות של gcloud ושל API.

תובנות המלצות
על סמך מגמות ניצול המעבד הנוכחיות, המופע מסומן כבעל שימוש גבוה במעבד.
Subtype: HIGH_CPU_UTILIZATION 		להגדיל את גודל המעבד או להקטין את השימוש במעבד.
Subtype: CHANGE_INSTANCE_SIZE
על סמך מגמות השימוש הנוכחיות בזיכרון, המופע מסומן כשימוש גבוה בזיכרון.
סוג משנה: HIGH_MEMORY_UTILIZATION. 		להגדיל את נפח הזיכרון או לצמצם את השימוש בזיכרון.
Subtype: CHANGE_INSTANCE_SIZE
על סמך מגמות השימוש הנוכחיות, המופע מסומן כבעל סיכון להתרחשות עתידית של אירועי OOM.
סוג משנה: HIGH_OOM_PROBABILITY. 		להגדיל את נפח הזיכרון או לצמצם את השימוש בזיכרון.
Subtype: CHANGE_INSTANCE_SIZE

יישום ההמלצות

בודקים את ההמלצות בקפידה ומבצעים אחת מהפעולות הבאות:

  • כדי לבדוק את ההמלצה, לוחצים על הצגת המופע.

    באנר עם המלצה מופיע בחלק העליון של הדף.

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

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

אופטימיזציה של הביצועים של המופע

כדי לשפר את ביצועי המופע:

  • עורכים את המופע, אם צריך, כדי להגדיל את מספר ליבות ה-vCPU או את הזיכרון. אפשרות אחרת היא לעבור לסוג מכונה עם יותר vCPU ויותר זיכרון. לא צריך להתאים את גודל המופע בדיוק כמו שמומלץ. צריך להפעיל שיקול דעת ולשנות את הגודל בהתאם לאופן שבו מתכוונים להקצות את המופע. חשוב לזכור שככל שהגודל גדול יותר, כך זמן האחזור התפעולי ארוך יותר.

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

המאמרים הבאים