Best Practices zum Optimieren der Cloud-Kosten

Autoren: Justin Lerma, Professional Services, Technical Account Manager und Pathik Sharma, Professional Services, Technical Account Manager

Einer der größten Vorteile der Cloud besteht darin, dass sie sich entsprechend dem Bedarf skalieren lässt und somit Betriebsausgaben sinken. Dies ist insbesondere dann nützlich, wenn die Nachfrage von Kunden unerwartet schwankt.

Bei Google Cloud verfügen wir über ein ganzes Team von Lösungsarchitekt:innen, die Kunden bei der Verwaltung ihrer Cloud-Betriebskosten unterstützen. Durch unsere langjährige Zusammenarbeit mit unseren größten Kunden wissen wir, was Nutzer:innen gewöhnlich übersehen, wenn sie nach Möglichkeiten zur Kostenoptimierung suchen. Wir haben diese wichtigen Punkte in diesem Artikel als Best Practices zusammengefasst, damit Sie Ihre Cloud-Ausgaben an Ihre Geschäftsanforderungen anpassen und diese herausfordernden und unberechenbaren Zeiten bestmöglich meistern können.

1. Mit Tools für das Abrechnungs- und Kostenmanagement vertraut machen

Aufgrund der variablen On-Demand-Nutzung der Cloud ist es wichtig, die Kosten genau zu verfolgen. Sobald Sie Ihre Ausgaben verstehen, können Sie diese genauestens kontrollieren und optimieren. Google Cloud bietet dafür eine Reihe kostenloser Tools für das Abrechnungs- und Kostenmanagement. Sie erhalten damit die erforderliche Transparenz für die Bereitstellung von Cloud-Diensten.

Beispielsweise sollten Sie sich einen groben Überblick darüber verschaffen, welche Projekte am meisten kosten und warum. Zunächst ist es wichtig, dass Sie Ihre Kosten entsprechend Ihren Geschäftsanforderungen strukturieren. Anschließend können Sie mit Abrechnungsberichten Details zu den Diensten abrufen, um eine Übersicht über Ihre Kosten zu erhalten. Informieren Sie sich außerdem darüber, wie Sie mithilfe von Labels Abteilungen oder Teams Kosten zuordnen und benutzerdefinierte Dashboards für detailliertere Kostenübersichten erstellen können. Kontingente, Budgets und Benachrichtigungen ermöglichen zusätzlich eine genaue Verfolgung Ihrer aktuellen Kostenentwicklungen sowie Prognosen, um das Risiko einer Budgetüberschreitung zu verringern.

Wenn Sie sich mit unseren Abrechnungs- und Kostenmanagement-Tools vertraut machen möchten, können Sie für begrenzte Zeit eine kostenlose Schulung absolvieren, um grundlegende Kenntnisse zur Optimierung Ihrer Google Cloud-Kosten zu erlangen. Eine umfassende Schritt-für-Schritt-Anleitung finden Sie in unserer Cloud Billing-Anleitung sowie in unserer Videoreihe Beyond Your Bill. Werfen Sie auch unbedingt einen Blick auf diese englischsprachigen praxisorientierten Schulungen: Manage Google Cloud Costs und Optimizing Your GCP Costs.

2. Nur für benötigte Rechenleistungen zahlen

Nachdem Sie einen ausführlichen Einblick in Ihre Cloud-Kosten gewonnen haben, prüfen Sie Ihre kostenintensivsten Projekte, um Rechenressourcen mit unzureichender Rentabilität zu ermitteln.

Ungenutzte VMs (und Laufwerke) identifizieren: Ihre Ausgaben für die Google Cloud Platform lassen sich am einfachsten senken, indem Sie sich von nicht mehr benötigten Ressourcen trennen. Denken Sie an Proof-of-Concept-Projekte, deren Priorität heute geringer ist, oder an Zombie-Instanzen, die niemand gelöscht hat. Google Cloud bietet mehrere Recommenders zur Optimierung dieser Ressourcen, darunter einen Recommender für ungenutzte VMs, der inaktive VMs und nichtflüchtigen Speicher anhand von Nutzungsmesswerten identifiziert.

Löschen Sie VMs jedoch mit Bedacht. Fragen Sie sich vor dem Löschen einer Ressource immer, welche Auswirkungen dies haben kann und wie Sie die Ressource bei Bedarf wiederherstellen können. Beim Löschen von Instanzen werden die zugrundeliegenden Laufwerke und all ihre Daten gelöscht. Als Best Practice empfiehlt es sich, vor dem Löschen einer Instanz einen Snapshot zu erstellen. Sie können die VM auch einfach anhalten. Dadurch wird die Instanz beendet, während Ressourcen wie Laufwerke oder IP-Adressen erhalten bleiben, bis Sie diese trennen oder löschen.

Weitere Informationen finden Sie in der Recommender-Dokumentation. Werfen Sie am besten regelmäßig einen Blick darauf, da wir unser Portfolio laufend mit neuen nutzungsbasierten Recommenders erweitern.

Automatischen Start und Stopp von VMs planen: Der Vorteil einer Plattform wie Compute Engine ist, dass Sie nur für die tatsächlich genutzten Rechenressourcen zahlen. Produktionssysteme laufen meist rund um die Uhr. VMs in Entwicklungs-, Test- oder privaten Umgebungen werden jedoch normalerweise nur während der Geschäftszeiten verwendet. Durch das Herunterfahren dieser VMs können Sie einige Kosten sparen. Eine VM, die nur von Montag bis Freitag täglich 10 Stunden läuft, kostet beispielsweise 75% weniger, als wenn sie rund um die Uhr ausgeführt wird.

Zum Einstieg finden Sie hier eine serverlose Lösung, mit der Sie VMs im großen Maßstab automatisch herunterfahren können.

Auswählen des richtigen Maschinentypen per Instanz: Ein Maschinentyp bezeichnet eine Reihe von virtualisierten Hardwareressourcen, die der Instanz einer VM zur Verfügung stehen. Hierzu gehören beispielsweise die Systemspeicherkapazität, die Anzahl der virtuellen CPUs (vCPUs) und der maximal verfügbare nichtflüchtige Speicher. In Compute Engine werden Maschinentypen für verschiedene Arbeitslasten gruppiert und nach Familien sortiert.

Pro Instanz muss ein Maschinentyp ausgewählt werden. Je nach Arbeitslast wird ein anderer Maschinentyp gewählt. Um die Beste Price-Performance Ratio zu erhalten, sollten Intel Machine Typen der 2ten Generation Xeon Scalable namens Cascade Lake ausgewählt werden.

Für allgemeine Zwecke bietet hier Intels Cascade Lake Platform N2-Maschinentypen an mit bis zu 80 vCPUs und 8 GB Arbeitsspeicher pro vCPU.

Auch die C2-Maschinentypen basieren auf der neuesten Generation der skalierbaren Intel-Prozessoren (Cascade Lake) und bieten bis zu 3,8 GHz an kontinuierlicher Turbofrequenz für alle Kerne sowie umfassenden Einblick in die Architektur der zugrunde liegenden Serverplattformen, sodass Sie die Leistung dieser Maschinentypen optimieren können. C2-Maschinentypen bieten deutlich mehr Rechenleistung, werden auf einer neueren Plattform ausgeführt und sind bei rechenintensiven Arbeitslasten im Allgemeinen robuster als die N1-Maschinentypen mit hoher CPU-Leistung.

Für besonders speicherintensive Arbeitslasten steht auch hier Intels letzte Generation, Cascade Lake Plattform, durch den Maschinentyp M2 zur Verfügung.

Größe von VMs anpassen: In Google Cloud können Sie bereits erheblich sparen, wenn Sie benutzerdefinierte Maschinentypen mit der richtigen CPU- und RAM-Kapazität für Ihre Anforderungen erstellen. Die Workload-Anforderungen können sich jedoch im Laufe der Zeit ändern. Instanzen, die einmal optimiert waren, verarbeiten jetzt vielleicht weniger Nutzeranfragen und Traffic. In unseren Größenempfehlungen für VM-Instanzen erfahren Sie, wie Sie den Maschinentyp durch eine geänderte vCPU- und RAM-Nutzung effektiv verkleinern können. Die Größenempfehlungen für den Maschinentyp Ihrer Instanz (oder die verwaltete Instanzgruppe) werden anhand von Systemmesswerten generiert, die von Cloud Monitoring in den vorangegangenen acht Tagen erfasst wurden.

Wenn Ihre Organisation zur Verwaltung der Umgebung Infrastruktur as Code (IaC) nutzt, erfahren Sie in diesem Leitfaden, wie Sie VM-Größenempfehlungen umsetzen.

Erhalten Sie Zugriff auf interessante Whitepaper, Artikel, On-Demand-Webinare, Partnerangebote und vieles mehr.

VMs auf Abruf nutzen: VMs auf Abruf sind äußerst erschwingliche Compute-Instanzen, die bis zu 24 Stunden aktiv und bis zu 80 % günstiger als reguläre Instanzen sein können. VMs auf Abruf eignen sich optimal für fehlertolerante Arbeitslasten wie Big Data, Genomics, Medientranscodierung, Finanzmodelle und Simulationen. Sie können auch eine Mischung aus regulären und auf Abruf verfügbaren VMs nutzen, um rechenintensive Arbeitslasten schnell und kostengünstig zu verarbeiten. Richten Sie hierfür einfach eine eigene verwaltete Instanzgruppe ein.

Sie müssen auf Abruf verfügbare VMs jedoch nicht auf eine Compute Engine-Umgebung begrenzen. Auch GPUs, GKE-Cluster und sekundäre Instanzen in Dataproc können auf Abruf verfügbare VMs verwenden. Mithilfe von Flexible Resource Scheduling können Sie ergänzend zu regulären Instanzen auf Abruf verfügbare VMs nutzen, um Ihre Kosten für Cloud Dataflow-Analysen (Stream und Batch) zu reduzieren.

Besuchen sie den Google Cloud Knowledge Hub, um den gesamten Artikel zu lesen. Nach Ihrer Registrierung haben Sie Zugriff auf interessante Whitepaper, Artikel und Videos zu den Themen Innovation, Nachhaltigkeit und betriebliche Effizienz. Zusätzlich erwarten Sie exklusive Partnerangebote, Webinar-Aufzeichnungen zu Themen wie KI/ML, Modernisierung der Infrastruktur, API-Verwaltung, Data Warehouse Modernisierung und vieles mehr. Zum Google Cloud Knowledge Hub

Ein weiterer Schritt in Richtung betriebliche Effizienz – entdecken Sie Google Workspace. Profitieren Sie von zahlreichen Funktionen für die produktivere Zusammenarbeit im Team sowie von Vorteilen hinsichtlich Kosteneinsparungen und gesteigerter Effizienz. Mehr erfahren