name: GCP资源优化器 description: 优化Google Cloud Platform资源分配并高效管理云积分。用于规划GCP部署、分析云支出、最大化过期积分的价值、调整实例大小或设计成本效益架构。触发于GCP成本优化、积分管理、资源分配规划或云预算问题。 license: MIT

GCP资源优化器

通过战略分配最大化GCP资源和积分的价值。

积分使用策略

积分过期规划

当管理过期积分时：

审计当前使用情况: gcloud billing accounts describe ACCOUNT_ID
计算消耗率: 总积分 ÷ 剩余天数 = 所需日支出
识别高价值用途: 什么创造持久价值 vs 临时计算？

高价值积分用途

持久价值（优先考虑）：

训练机器学习模型（制品持久）
构建容器镜像
生成数据集
对累积的工作运行批处理

临时（战略使用）：

计算实例（关闭后消失）
开发环境
测试基础设施

成本优化模式

Compute Engine

调整实例大小：

# 检查推荐
gcloud recommender recommendations list \
  --project=PROJECT_ID \
  --location=ZONE \
  --recommender=google.compute.instance.MachineTypeRecommender

成本效益的机器类型：

需求	推荐	原因
通用工作负载	e2-medium	最佳价格/性能
内存密集型	n2-highmem	更好的RAM比例
CPU突发	e2-micro/small	突发，便宜
ML训练	n1 + GPU	需要加速器
可容忍Spot	Spot VMs	60-91%折扣

Preemptible/Spot VMs：

比标准便宜60-91%
可在30秒通知内终止
适用于：批处理作业、容错工作负载、开发
不适用于：生产、有状态服务

Cloud Run

优化Cloud Run：

# 最小化冷启动和成本
spec:
  template:
    spec:
      containerConcurrency: 80  # 最大化每个实例的请求
      timeoutSeconds: 300
    metadata:
      annotations:
        autoscaling.knative.dev/minScale: '0'  # 缩放到零
        autoscaling.knative.dev/maxScale: '10'  # 限制成本
        run.googleapis.com/cpu-throttling: 'true'  # 仅在处理时使用CPU

Cloud Storage

存储类别优化：

类别	使用案例	成本/GB/月
Standard	频繁访问	~$0.020
Nearline	每月访问	~$0.010
Coldline	季度访问	~$0.004
Archive	年度访问	~$0.0012

生命周期规则：

{
  "lifecycle": {
    "rule": [
      {
        "action": {"type": "SetStorageClass", "storageClass": "NEARLINE"},
        "condition": {"age": 30}
      },
      {
        "action": {"type": "SetStorageClass", "storageClass": "COLDLINE"},
        "condition": {"age": 90}
      },
      {
        "action": {"type": "Delete"},
        "condition": {"age": 365}
      }
    ]
  }
}

BigQuery

成本控制：

-- 设置最大计费字节数
#standardSQL
-- @maximumBytesBilled 10000000000
SELECT * FROM dataset.table

分区以降低成本：

CREATE TABLE dataset.table
PARTITION BY DATE(timestamp_column)
CLUSTER BY user_id
AS SELECT * FROM source_table

预算警报

设置预算警报：

gcloud billing budgets create \
  --billing-account=BILLING_ACCOUNT_ID \
  --display-name="Monthly Budget" \
  --budget-amount=100USD \
  --threshold-rule=percent=50 \
  --threshold-rule=percent=90 \
  --threshold-rule=percent=100

资源清理

查找未使用资源

# 未使用磁盘
gcloud compute disks list --filter="NOT users:*"
# 未使用IP
gcloud compute addresses list --filter="status=RESERVED"
# 空闲VM（按CPU）
gcloud monitoring time-series list \
  --filter='metric.type="compute.googleapis.com/instance/cpu/utilization"' \
  --interval="start=2024-01-01T00:00:00Z"

清理脚本

#!/bin/bash
# cleanup_unused.sh - 运行前审核！
# 列出（不要删除）未使用资源
echo "=== 未使用磁盘 ==="
gcloud compute disks list --filter="NOT users:*" --format="table(name,zone,sizeGb)"
echo "=== 保留IP ==="
gcloud compute addresses list --filter="status=RESERVED" --format="table(name,region,address)"
echo "=== 超过30天的快照 ==="
gcloud compute snapshots list --filter="creationTimestamp<$(date -d '30 days ago' -Iseconds)" --format="table(name,diskSizeGb,creationTimestamp)"

成本架构模式

无服务器优先

Request → Cloud Run → Firestore → Done
         （缩放到零）  （按操作付费）
vs.
Request → GKE → Cloud SQL → Done
         （始终运行）  （始终运行）

批处理

Pub/Sub → Cloud Functions → BigQuery (批量加载)
                           （比流处理便宜）

开发 vs 生产

开发环境：

Spot/preemptible VMs
较小机器类型
缩放到零服务
共享资源

生产环境：

承诺使用折扣（1-3年）
调整大小的专用实例
仅在需要的地方冗余

监控设置

# 启用计费导出到BigQuery
gcloud beta billing accounts describe ACCOUNT_ID
# 查询成本
#standardSQL
SELECT
  service.description,
  SUM(cost) as total_cost
FROM `project.dataset.gcp_billing_export_v1_*`
WHERE _PARTITIONTIME >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
GROUP BY 1
ORDER BY 2 DESC

参考

references/pricing-cheatsheet.md - 快速定价参考
references/cost-queries.md - BigQuery成本分析查询