コスト管理

課金の簡素化と費用削減: 新しい費用ベースの CUD に関する FinOps ガイド

Tue, 24 Feb 2026 02:00:00 +0000

※この投稿は米国時間 2026 年 2 月 13 日に、Google Cloud blog に投稿されたものの抄訳です。

クラウド費用の最適化は FinOps における効果的な取り組みの一つであり、確約利用割引（CUD）は依然として極めて有効な手段です。

Google は、2025 年 7 月より新しい費用ベースの CUD モデルのロールアウトを開始し、これにより、費用と節約額が把握しやすくなりました。また、カバレッジが新しい SKU（Cloud Run や H3/M シリーズ VM など）にも拡大され、柔軟性が向上しました。このアップデートは、現在すべてのお客様にご利用いただけます。この新しいモデルが FinOps の実践をどのように簡素化するのか、詳しく見ていきましょう。

1. 費用ベースの CUD データモデルの変更内容

最も重要な変更は、クレジットベースのシステムから、使用量モデルを使用した直接的な割引価格モデルに移行することです。

従来のクレジットモデルでは、1 時間あたりのオンデマンド料金に対してコミットしていました。節約額（実際に実現した費用削減額）を把握するには、オンデマンド料金の全額、コミットメント料金、相殺されるクレジットという 3 つの異なる数値を使用する必要がありました。

1. 従来の計算方法:

$10.00（オンデマンド）+ $5.50（コミットメント料金）- $10.00（クレジット）= $5.50（純費用）
節約額 = $10.00（オンデマンド）- $5.50（純費用）= $4.50

新しい直接的な割引モデルでは、純費用を計算するためにこのような計算を行う必要はありません。割引後の純支出額に直接コミットします。使用量はシンプルに割引された料金で請求されます。

2. 新しい計算方法:

$5.50（割引後の費用）
節約額 = $10.00（オンデマンド）- $5.50（割引後の費用）= $4.50

これにより、純費用を一目で確認できるようになります。節約額の計算も、オンデマンド料金（$10.00）と新しい割引料金（$5.50）を比較するだけで済み、その差が $4.50/時間であることがわかります。

2. 変更前後の節約額を検証する方法

統合された CUD 分析ツールは、移行を監査したり、費用を詳しく分析したりするのに最適なリソースです。新しい費用ベースの CUD モデル用の CUD 分析では、新しいモデルで得られる節約額をすぐに確認できます。また、このツールを使用して、古いモデルと新しいモデルで節約額に違いがあるかどうかを比較検証できます。

節約額の検証手順は以下のとおりです。

1. 移行を実施した日付を特定します。移行日は、請求の概要ページで確認できます。

2. CUD 分析に移動して、移行前後の節約額を検証します。

3. 移行前の費用を定量化する場合:

移行の 1 日前のビューをフィルタします。この例では、2025 年 10 月 26 日です。
CUD プロダクトを選択します（Cloud SQL CUD など）。
この例では、 $69.12 のクレジットを得るために $50.35 の CUD 料金を支払っています。この料金をクレジットから差し引くと、実際に節約できた金額は $18.77 になります。

4. 移行後の費用を検証する場合:

日付を 2025 年 10 月 28 日に変更します。
新しいモデルでは、割引料金を前払いします。ダッシュボードには純費用 $50.35 が反映され、オンデマンド費用 $69.12 と比較した場合の節約額が $18.77 であることが明確にわかります。

さらに、このリリースでは費用レポートのアップデートも行われており、「コスト削減プログラム」が追加されました。これにより、総クレジットではなく、実際の純節約額（上記の例では $18.77）が正確に反映されます。費用レポートで移行前後のデータを比較する際は、コミットメントの全範囲を把握するために、使用量の SKU とコミットメント料金の SKU の両方を必ず含めてください。

3. 新しい CUD 分析の他の機能

新しいモデルのサポートに加えて、新しい CUD 分析ツールでは、CUD のカバレッジと使用状況の可視性が高められています。これにより、最大 30 日間の時間単位のデータ粒度で CUD を分析できるようになりました。1 日の平均値では特定の時間帯に発生する使用率の急上昇が見逃されることが多いため、これは FinOps チームに大きなメリットをもたらします。

CUD 分析: コンピューティングフレキシブル CUD のカバレッジの分析

CUD 分析: CUD 購入ごとに使用状況を可視化

独自のデータ分析ツールを使用する場合は、新しい費用ベースの CUD メタデータのエクスポート を利用することで、費用ベースの CUD をプログラムで管理できます。このエクスポートを使用して、Billing BigQuery Export データセットと結合し、すべてのコミットメントデータに対して詳細なプログラム分析を実行できます。また、CUD 分析ビューから CSV をエクスポートすることで、BigQuery の完全なエクスポートを必要とせずに、すべてのリソースとその料金の元データを確認することもできます。

4. どの程度のコミットメントを購入すべきか

購入するコミットメントを決定するための主要なツールとして、CUD の推奨事項を利用できます。先日強化された、コンピューティングフレキシブル CUD のコミットメントに関する推奨事項では、GKE、Cloud Run、Cloud Run functions、Compute Engine のデータを含めることで、精度を向上させました。さらに、CUD シナリオのモデリングにより、これらの提案をリアルタイムで調整できます。また、カバレッジのしきい値の調整、使用量が不規則な特定の日付の除外、最長 180 日間の分析のルックバックウィンドウの延長などを行うことで、お客様のリスクプロファイルに沿った正確なコミットメントレベルを特定できます。

CUD シナリオのモデリング: 複数のオプションを試して、理想的な CUD 戦略を特定

5. フレキシブル CUD についての関連情報

新しい費用ベースのモデルのリリースにより、フレキシブル CUD と GKE / Cloud Run CUD を組み合わせて使用する場合に影響していたレポートの制限を解消しました。これまでは、Google の分析ツールで特定のクレジットのソースを正確に特定できなかったため、節約額、カバレッジ、使用状況などの KPI 指標に不一致が生じていました。新しい費用ベースの CUD モデルでは、この制限が解消されたため、CUD 分析において Google Cloud サービスごとの正確かつ詳細な節約額を確認できるようになりました。

新しい費用ベースのモデルの利用を開始するには、課金コンソールにアクセスしてください。詳しくは、以下のドキュメントをご覧ください。

- シニアプロダクトマネージャー、Alfonso Hernandez

- シニアプロダクトマネージャー、Rahul Sharma

Workload Manager を使用して FinOps の費用管理ポリシーを自動化する

Thu, 27 Nov 2025 01:02:00 +0000

※この投稿は米国時間 2025 年 11 月 5 日に、Google Cloud blog に投稿されたものの抄訳です。

クラウドの請求額が予想外に高くてお困りではありませんか？戦略的な財務計画よりも、タグ付けされていないリソースの追跡や開発チームの確認により多くの時間を費やしていますか？クラウドの世界は変化が速く、手動での費用管理では対応が難しくなります。このアプローチは時間がかかるうえにエラーが発生しやすく、費用の異常を特定したときには、影響が広がっている場合が多くなります。

財務管理ポリシーをコード化し、Google Cloud 組織全体でその適用を自動化できたらどうでしょうか。そこで登場するのが Workload Manager（WLM）です。これは、独自のカスタム定義の FinOps ルールを含む、セキュリティとコンプライアンスに関するベストプラクティスに照らして、クラウドワークロードの検証を自動化できる強力なツールです。さらに、最近では特定のシナリオで Workload Manager の使用料金が最大 95% 削減され、小規模な無料枠を利用して小規模なテストを実行できるほか、大規模なスキャンをより経済的に実行できるようになりました。このブログでは、Workload Manager で自動化された財務管理ポリシーを使い始める方法をご紹介します。これにより、後手に回ることなく、クラウド費用の管理をプロアクティブに行えるようになります。

手動 FinOps の課題

クラウドでビジネスクリティカルなワークロードを管理するのは複雑です。費用管理のベストプラクティスを常に把握するには、多大な時間と労力がかかります。手動によるレビューと監査には数週間、場合によっては数か月かかることもあり、その間に費用が膨らむ可能性があります。このような手動のアプローチは、システムが確立された費用管理ポリシーから逸脱する「構成のずれ」につながることが多く、支出の検出と管理が困難になります。

Workload Manager は、自動化された継続的検証のためのフレームワークを提供することで、こうした手動による制約から脱却し、FinOps チームが次のことを行えるようにします。

標準化の改善: チームの依存関係を切り離し、組織全体で費用管理ポリシーを一貫して適用できるようにします。
オーナーシップの有効化: 個々のチームが特定のユースケースに合わせて独自の検出ルールを構築、管理できるようにすることで、財務説明責任の文化を育みます。
監査の簡素化: 組織全体でインフラストラクチャのチェックを簡単に実行し、結果を単一の BigQuery データセットに統合して、レポート作成と分析を合理化します。

FinOps ポリシーをコード化することにより、ポリシーを一度定義するだけで、定期的なスケジュールでクラウド環境全体を継続的にスキャンして違反を検出できます。

Workload Manager を使用すると、セキュリティ、費用、信頼性などについて、すぐに使用可能なルールが提供されるため、この作業が簡単になります。Workload Manager で自動化できる FinOps の費用管理ポリシーの例をいくつかご紹介します。

特定の Google Cloud リソース（BigQuery データセットなど）に必要なラベルまたはタグが設定されている必要がある
すべての Cloud Storage バケットにライフサイクル管理または Autoclass 構成を適用する
ストレージ（BigQuery テーブルなど）に適切なデータ保持が設定されていることを確認する
同時マルチスレッディングを無効にしてライセンス費用を最適化する（例: SQL Server）

図 1: Google Cloud のベストプラクティスに準拠した Workload Manager のデフォルトポリシー

お探しの情報が見つからない場合は、Git リポジトリの例を使用して、独自のカスタムポリシーをいつでも構築できます。

では、詳しく見ていきましょう。

FinOps ポリシーの自動化: 手順ガイド

Workload Manager を使用して費用管理ポリシーを自動化する方法は次のとおりです。

ステップ 1: FinOps ルールを定義し、新しい評価を作成する

まず、費用管理ポリシーを Workload Manager が理解できる形式に変換する必要があります。このツールは、カスタムルールの定義に Open Policy Agent（OPA）Rego を使用します。このブログでは、FinOps の主なユースケースである、費用の割り当てとショーバックのために、リソースに適切なラベルを付ける方法について説明します。

Google Cloud のベストプラクティスに従って FinOps、信頼性、セキュリティ、運用をカバーする、Google Cloud のエキスパートが作成した数百もの事前定義ルールから選択できます。また、独自のルールを作成してカスタマイズすることもできます（Google Cloud GitHub リポジトリの例をご覧ください）。この例では、データセットの bigquery-missing-labels に対して、事前定義された「Google Cloud のベストプラクティス」ルールの一つを使用します。ここでは、Google Cloud コンソールの Workload Manager セクションに移動し、新しい評価を作成することから始めます。

評価に名前を付け、ワークロードタイプとして [カスタム] を選択します。カスタムの FinOps ルールを作成した場合は、そのルールが含まれている Cloud Storage バケットを Workload Manager に指定できます。この機能を使用すると、事前定義されたルールチェックとカスタムルールチェックの両方を 1 回の評価で実行できます。

図 2 - 新しい評価ルールの作成

ステップ 2: スキャンのスコープを定義する

次に、評価のスコープを定義します。Google Cloud 組織全体、特定のフォルダ、または個々のプロジェクトを柔軟にスキャンできます。これにより、組織全体にわたって広範な費用管理ポリシーを適用したり、特定のチームや環境向けに、より的を絞ったルールを作成したりできます。リソースラベルや名前を基にフィルタを適用して、より細かく制御することもできます。この例では、リージョンを選択することで、データの所在地要件を満たすためにデータを処理する場所を選択できます。

図 3: 評価ルールのスコープとロケーションの選択

ステップ 3: スケジューリングと通知

FinOps では、自動化が鍵となります。評価は、1 時間ごとから 1 か月ごとまで、特定の周期で実行するようにスケジューリングできます。これにより、継続的なモニタリングが行われ、ポリシーコンプライアンスの履歴レコードが提供されます。評価を構成して、すべての結果を BigQuery データセットに保存し、履歴分析とレポート作成を行います。この操作は省略できますが、FinOps では行うことを強くおすすめします。

また、問題が発見されたときに適切なチームにアラートを発するよう設定することもできます。メール、Slack、PagerDuty などのチャネルで通知を受け取れるため、ポリシー違反に迅速に対処できます。

図 4: 評価ルールのエクスポート、スケジューリング、通知

ステップ 4: 実行、確認、レポート作成

保存すると、定義されたスケジュールで評価が実行されます。また、オンデマンドでトリガーすることもできます。各スキャンの結果が保存され、コンプライアンスポスチャーの履歴を確認できます。

Workload Manager ダッシュボードでは、スキャンされたリソース、検出された問題、経時的なトレンドの概要を確認できます。さらに詳しく分析するには、先ほど構成した BigQuery データセットで違反データを直接調べます。

図 5: Workload Manager のチェックアウト評価

Looker Studio で分析結果を可視化する

すべての関係者がデータにアクセスして活用できるように、BigQuery の結果を Looker Studio に簡単に接続できます。必要なラベルが欠落しているアセットや、費用削減ルールに準拠していないリソースなど、FinOps ポリシーの違反を可視化するインタラクティブなダッシュボードを作成します。これにより、費用管理のステータスをひと目で明確に把握できます。

テンプレートギャラリーにある Looker Studio テンプレートで、データセットに簡単に接続し、必要に応じて変更できます。使用方法は次のとおりです。

Looker Studio に移動します。
[テンプレート] に移動し、[BigQuery] で [Google Cloud Workload Manager] を選択します。
[Use your own Data] をクリックして、前の手順で生成した BigQuery テーブルを接続します。
BigQuery データセットを接続したら、[編集] をクリックしてカスタマイズ可能なコピーを作成し、変更を組み込んだり、チームと共有したりします。

図 6: レポート作成用に事前構成された Looker Studio ダッシュボードを設定する

今すぐクラウド費用を管理

クラウド費用の手動管理という無限のサイクルから抜け出しましょう。Workload Manager を使用すると、FinOps ポリシーをクラウド環境に直接組み込み、適用を自動化して、予算内に収まるために必要なフィードバックをチームに提供できます。

準備ができたら GitHub のサンプルポリシーを確認し、公式ドキュメントをチェックして、今すぐ FinOps フレームワークの自動化を開始し、Workload Manager の新しい料金体系を活用しましょう。

Workload Manager の評価がセキュリティ、信頼性、FinOps 全般でどのように役立つかについての概要説明の動画をご覧ください。

次に、更新された料金を確認して詳細をご覧ください。

-Google Cloud コンサルティング、delta Cloud FinOps 担当リード Pathik Sharma
-Workload Manager、プロダクトマネージャー Omkar Suram

AI を活用した、よりスマートな費用の異常検出機能の一般提供開始のお知らせ

Wed, 12 Nov 2025 01:02:00 +0000

※この投稿は米国時間 2025 年 11 月 4 日に、Google Cloud blog に投稿されたものの抄訳です。

昨年、Google は費用の異常検出機能の公開プレビュー版を発表しました。これは、クラウドの使用における最大の不安の一つである、予想外の費用を排除するために設計された、AI を活用したプロダクトです。目標は、支出の異常な急増を自動的に特定するセーフティネットを提供し、財務上の問題になる前に把握できるようにすることでした。

このたび、費用の異常検出機能の一般提供（GA）が開始されました。この機能は、よりプロアクティブでインテリジェント、かつ柔軟なものとなっています。さらに、異常アラートは、新規プロジェクトを含むすべてのプロジェクトで、すべてのお客様に対してデフォルトで有効になっており、導入初日から完全な保護を提供します。

一般提供に含まれる新機能

GA リリースでは、サービスをよりスマートかつ自動化し、よりプロアクティブかつお客様の特定のニーズに合わせてよりカスタマイズできるようにすることに重点を置きました。以下がその新機能です。

1. デフォルトでの自動アラート

クラウド費用の変動に関する分析情報がデフォルトで提供され、費用超過の防止が常に有効で、お客様側での設定を不要にする必要があります。そのため、Google はすべてのお客様のすべてのプロジェクトで異常アラートを自動的に有効にしました。デフォルトのアラートは、課金管理者に送信されます。アラート設定は、課金コンソールにアクセスしていつでも管理、カスタマイズできます。アラートから課金コンソールの異常ダッシュボードに移動すると、根本原因を含め、費用の急増に関連するすべての詳細情報を簡単に確認できます。

根本原因分析を含む異常ダッシュボード

デフォルトのアラート構成

2. AI によるインテリジェントなしきい値

自動アラートがノイズや迷惑メールの増加につながることはありません。改善されたアルゴリズムにより、過去の支出パターンに基づいて自動生成された AI による異常のしきい値が提供されるようになりました。このインテリジェントなベースラインにより、支出行動と比較して、重要かつ予想外と思われる急増についてのみアラートが送信されます。

デフォルトのしきい値の構成

AI 生成のしきい値はすぐに使用できますが、必要に応じて独自のカスタム値で上書きすることもできます。すでにカスタム値を構成済みのお客様が、Google の AI 生成のしきい値を利用したい場合は、いつでも課金コンソールから簡単に利用できます。

3. 偏差率による柔軟なフィルタリング

プロジェクトごとに費用急増に対する感度が異なるというフィードバックをいただきました。100 ドルの偏差は、小規模なプロジェクトでは重大な問題になる可能性がありますが、大規模なプロジェクトでは想定内のノイズです。これに対処するため、偏差率に関する追加のしきい値を導入しました。これにより、異常ダッシュボードがフィルタリングされ、絶対的な金額だけでなく、変化の割合についてもアラートが生成されます。これにより、アラートが予算と規模に関連した状態に保たれます。

カスタムしきい値の構成

ご安心ください。すべての異常は引き続き捕捉され、ダッシュボードからフィルタを削除するだけでいつでも確認できます。

4. 導入初日から即座に保護

公開プレビュー期間中は、十分な支出履歴がないため、6 か月以上経過したプロジェクトでのみ異常検出を提供していました。しかし、改善されたアルゴリズムにより、この「コールドスタート」の問題が解決され、以前の支出履歴がない新しいアカウントやプロジェクトでも、異常を検出してアラートを生成できるようになりました。これにより、導入初日から Google Cloud で保護が提供されます。

使ってみる

費用の異常検出機能は、クラウド費用を完全に予測して管理できる、Google の FinOps 機能の中核となるものです。Cloud の予算と組み合わせることで、費用超過を防止、検出、抑制する堅牢な費用管理戦略を構築できます。このツールは、包括的な費用管理ツールセットの一部として、引き続き無料で提供されます。

このプロダクトには課金コンソールからアクセスできます。詳細についてはドキュメントをご覧ください。

-プロダクトマネージャー、Shruthi Nambi

AI ユースケースの効果を測定する 3 部構成のフレームワーク

Thu, 25 Sep 2025 01:00:00 +0000

※この投稿は米国時間 2025 年 9 月 12 日に、Google Cloud blog に投稿されたものの抄訳です。

生成 AI はもはや単なる実験ではありません。現在の本当の課題は、その価値を定量化することです。リーダーにとって、道は明確です。AI プロジェクトを単なるコスト発生ではなく、ビジネスの成長を促進するものにする必要があります。今回は、AI イニシアチブの効果を測定し、真の価値を確認するのに役立つ、3 つの部分からなるシンプルな計画をご紹介します。

この手法では、テクノロジーソリューションを具体的なビジネス成果に結び付けます。また、投資を正当化し、成功を測定する論理的なストーリーが作成されます。

1. 成功の定義（価値）

最初のステップは、プロジェクトの「価値をもたらすもの」を特定して、プロジェクトの望ましい成果を定義することです。AI イニシアチブの推進要因は、通常、次の 4 つの普遍的なビジネスカテゴリに分類されます。

運用効率と費用削減: これは、コアビジネスプロセスの改善を定量化するものです。価値は、手作業の削減、リソース割り当ての最適化、本番環境や運用におけるエラー率の低下、複雑なサプライチェーンの合理化によって測定されます。
収益と成長の加速: 多くの組織は当初、効率性に重点を置きますが、真の市場リーダーシップは成長によって達成されます。このカテゴリの価値要因は、収益への影響に焦点を当てているため、重要な差別化の要因となります。価値は、新製品の市場投入までの時間の短縮、データ分析による新たな収益源の特定、販売効率と顧客のライフタイムバリューの向上などから生まれます。
エクスペリエンスとエンゲージメント: テクノロジーによる人間とのインタラクションの強化を捉えています。これは、顧客満足度（CX）の向上、インテリジェントなツールによる従業員の生産性と士気の向上（EX）、よりシームレスなパートナーエクスペリエンスの創出など、幅広い分野に適用できます。

戦略的優位性とリスク軽減: 長期的な競争上の優位性とダウンサイドの保護を対象とします。価値の推進要因としては、研究開発サイクルの加速、独自のデータから市場差別化につながる分析情報を取得、運用上のレジリエンスの強化、規制遵守の確保と不正行為の削減などが挙げられます。

aside_block: <ListValue: [StructValue([('title', 'Google Cloud を無料で試す'), ('body', <wagtail.rich_text.RichText object at 0x7f0d94668e80>), ('btn_text', ''), ('href', ''), ('image', None)])]>

2. 成功に必要な費用（投資）を明記する

フレームワークの 2 番目のステップでは、投資に関する透明性が求められます。これには、総所有コスト（TCO）を完全に把握する必要があります。TCO は、サービス料金だけでなく、モデルのトレーニング、インフラストラクチャ、システムの維持に必要な運用サポートも含まれます。詳細なガイドについては、投稿「Google Cloud での AI 費用を計算する方法」をご覧ください。

3. ROI を示す

これは、最初の 2 ステップの統合です。ROI の計算により、初期投資の回収に必要な時間とプロジェクトが継続的に生み出す財務上の収益を明示することで、ビジネスケースが明確になります。

フレームワークの活用: カスタマーサービス向けの AI chatbot

では、この汎用フレームワークを特定のユースケースに適用してみましょう。AI chatbot を実装する e コマース企業を考えてみましょう。ここでは、4 つの一般的な価値推進要因がカスタマーサービスの世界に合わせて調整されています。

ステップ 1: 成功（価値）を定義するチームは、カスタマーサービス固有の象限を使用して、包括的な価値の見積もりを作成します。

クワドラント 1: 業務の効率化

エージェントの対応時間の短縮: 定型的な問い合わせの 60% を自動化することで、エージェントの時間を数千時間節約できます。これにより、エージェントはより多くの顧客に対応したり、プレミアム顧客により質の高いサービスを提供したりできるようになります。

推定削減時間: 約 725 時間（15,660 ドル相当）

オンボーディングとトレーニングの費用の削減: AI が最も一般的な質問を処理するため、新しいエージェントがより早く生産的になり、繰り返しのトレーニングによる負担が軽減されます。

1 か月あたりの推定価値: 1,000 ドル

クワドラント 2: 収益の拡大

24 時間 365 日の販売とサポート: chatbot は 24 時間体制で顧客をサポートし、見込み顧客を獲得して、離脱する可能性があった買い物客をコンバージョンに結び付けます。

1 か月あたりの推定価値: $5,000

顧客維持率の向上: 迅速な問題解決と優れたエクスペリエンスにより、顧客ロイヤリティとリピート購入がわずかながらも測定可能な程度に増加します。

1 か月あたりの推定価値: 1,000 ドル

クワドラント 3: 顧客と従業員のエクスペリエンス

エージェントの体験と定着率の向上: 人間のエージェントは単調な作業から解放され、やりがいのある複雑な問題に集中できます。これにより、従業員の士気が向上し、費用のかかるエージェントの離職を減らすことができます。

1 か月あたりの推定価値: $500

クワドラント 4: 戦略的支援

対応言語の拡大: システムに組み込まれた翻訳サービスにより、人間のエージェントが 15 以上の言語でサポートを提供できるようになりました。

推定収益増加額: 1,750 ドル
1 か月あたりの推定価値の合計 = $15,660 + $1,000 + $5,000 + $1,000 + $500 + $1,750 = $24,910

ステップ 2: 費用（投資）を定義する以前のブログ投稿の TCO 分析に従って、Google Cloud 上のフルマネージド AI ソリューションの継続的な月額総費用は約 2,700 ドルと計算しました。

ステップ 3: ROI を示す最後のストーリーはシンプルで強力でした。月額約 25,000 ドルの価値とわずか 2,700 ドルの費用で、このプロジェクトは大きくプラスとなるキャッシュフローを生み出しました。初期設定費用は 2 週間足らずで回収され、経営陣から即座に「イエス」の回答を得ることができました。

始める

こちらからお問い合わせください。

ー Google Cloud コンサルティング、delta AI 価値実現担当リード Eva Dong

ー Google Cloud コンサルティング、delta Cloud FinOps 担当リード Pathik Sharma

コンピューティングフレキシブル CUD の対象範囲が拡大され、費用をさらに削減可能に

Wed, 10 Sep 2025 03:00:00 +0000

※この投稿は米国時間 2025 年 9 月 6 日に、Google Cloud blog に投稿されたものの抄訳です。

お客様にクラウド環境全体でより高い柔軟性を確保していただけるよう、Google はコンピューティングフレキシブル確約利用割引（フレキシブル CUD）を拡大いたします。これにより、さらに幅広い Google Cloud サービスと VM ファミリーが費用コミットメントの対象となるため、ワークロードの費用を削減できるようになります。

フレキシブル CUD とは、1 年または 3 年の期間中の Google Cloud コンピューティングリソースの使用を確約するのと引き換えに、大幅な割引が提供される費用ベースのコミットメントです。最大限の柔軟性を得られるこのモデルでは、単一のリソースに縛られることなく、対象となる幅広い VM ファミリーとリージョン全体で割引が自動的に適用されます。

対象範囲の拡大で、よりパワフルに、よりお得に

最新のアプリケーションは、大規模なデータベースから機敏なサーバーレスファンクションまで、さまざまなサービスを組み合わせて構築されています。今回のフレキシブル CUD の拡大により、お客様が日常的に使用されている専門ソリューションとサーバーレスソリューションの対象が広がるため、よりスムーズな構築が可能になります。

メモリ最適化 VM ファミリー: メモリ最適化 M1、M2、M3、および新しい M4 の各 VM ファミリーの割引率が上がります。SAP HANA、インメモリ分析プラットフォーム、高パフォーマンスデータベースなどの重要なワークロードから、より多くの価値を引き出すことができます。
ハイパフォーマンスコンピューティング（HPC）VM ファミリー: コンピューティング負荷の高いワークロード向けに、フレキシブル CUD が HPC 最適化 H3 と新しい H4D VM ファミリーに適用されます。これは、複雑なシミュレーションや科学研究に最適です。
Cloud Run と Cloud Functions: Cloud Run のフルマネージドプラットフォームを使用するデベロッパーと組織向けに、フレキシブル CUD の対象が Cloud Run のリクエストベースの課金と Cloud Run functions に拡大されました。

aside_block: <ListValue: [StructValue([('title', '300 ドル分の無料クレジットで Google Cloud インフラストラクチャを試用'), ('body', <wagtail.rich_text.RichText object at 0x7f0da7254340>), ('btn_text', ''), ('href', ''), ('image', None)])]>

この拡大が重要な理由

コンピューティングフレキシブル CUD の拡大は、お客様の成長と効率化を念頭に置いて設計されています。

費用コミットメントを最大限に活用: 特定のリソースタイプやリージョンに縛られることなく、確約費用を Google Cloud の使用の大部分に適用できるようになりました。これによりコミットメントの「無駄」が減り、さらに費用を削減できます。
財務の予測可能性と管理の強化: 対象範囲の拡大により、クラウドの推定費用をさらに明確に把握し、予算編成と財務計画について予測しやすくなります。
費用管理の簡素化: 1 つの柔軟なコミットメントでより多様なサービスを利用できるため、財務業務が合理化され、複数の細分化されたコミットメントを管理する複雑さが軽減されます。
イノベーションの促進: コアコンピューティングサービスとサーバーレスサービスの費用を削減することで、イノベーションに再投資する予算を確保できます。

更新された課金モデル

コンピューティングフレキシブル CUD の適用範囲の拡大は、割引の適用方法を合理化して柔軟性を向上させる新しく改善された費用ベースの CUD モデルによって実現しています。この機能を有効にすると、Billing ユーザーインターフェース、BigQuery スキーマへの Cloud Billing のエクスポート、Cloud Commerce Consumer Procurement API に変更が適用されます。この新しい課金モデルはよりシンプルです。使用量を相殺して節約額が反映されるクレジットではなく、CUD の対象となる使用量に対して、適用対象の割引額が反映された料金が直接請求されます。また、費用ベースの CUD の対象となるプロダクトの範囲が拡大され、柔軟性も向上しています。詳しくは、こちらのフォローアップリソースで、新しい形式の月次請求書をプレビューするためのサンプルエクスポート、主要な CUD KPI、CUD に追加された新しい SKU、CUD プロダクト情報など、更新の詳細をご確認ください。今回の変更について詳しくは、ドキュメントをご覧ください。

利用状況と次のステップ

Google Cloud は、進化するクラウドのニーズに対応する柔軟で費用対効果の高いソリューションの提供に取り組んでいます。コンピューティングフレキシブル CUD の拡大はこの取り組みの証しであり、より高い費用対効果でアプリケーションの構築、デプロイ、スケーリングを可能にするものです。今すぐオプトインして、コンピューティングフレキシブル CUD の拡大した対象範囲と改善された課金モデルをご利用ください。

2026 年 1 月 21 日より、すべてのお客様が新しい費用ベースのモデルに自動的に移行され、拡大したフレキシブル CUD をご利用いただけるようになります。マルチプライス CUD をオプトインされない場合、これらの変更は 2026 年 1 月 21 日に自動的に適用されます。2025 年 7 月 15 日以降に請求先アカウントを作成された新規のお客様は、自動的にフレキシブル CUD の新しい課金モデルの対象となります。Google Cloud での成功をサポートするためのサービスを今後も強化してまいりますので、最新情報にご注目ください。

-シニアプロダクトマネージャー、Yasmin Mowafy

-シニアプロダクトマネージャー、Rahul Sharma

Google が 2025 年の IDC MarketScape: FinOps Cloud Costs Optimization でリーダーに選出

Wed, 20 Aug 2025 02:10:00 +0000

※この投稿は米国時間 2025 年 8 月 6 日に、Google Cloud blog に投稿されたものの抄訳です。

Google はお客様を第一に考え、お客様がクラウド支出を把握し、効率性を最適化し、費用が想定外にならないようにするための FinOps ツールを構築することに注力してきました。このたび、Google の取り組みが評価され、2025 年の IDC MarketScape for FinOps cloud cost optimization でリーダーに選出されました。

「この調査では、世界の 5 大ハイパースケーラーとその FinOps クラウド費用最適化機能を評価し、戦略とプロダクト機能の複数の側面を評価しました。Google Cloud FinOps の強みは Gemini との統合です。これにより、お客様は費用最適化を成熟させ、自動化し、加速させることができます。加えて Google は、プロダクト戦略で示してきたソートリーダーシップと、オープンスタンダードに対する業界の支持も推進してきました。」- IDC リサーチ担当バイスプレジデント、3 つの FinOps 認定資格を持つ実務者兼エンジニア、Jevin Jensen 氏

Google Cloud のお客様を支援する、Google の優れた FinOps イノベーションのトップ 10:

純費用データをリアルタイムでストリーミングするため、実際のクラウド費用に関する情報を常に最新の状態に保つことができます。そのデータの 99% は 24 時間以内に到着し、多くのサービスは 1 日に数回更新されます。
エージェントのインストールなど、追加の手順を踏むことなく、すぐに利用できる詳細なサブリソースの費用データを提供します。これにより、費用要因をより迅速に把握できます。たとえば、2 年以上にわたり、Kubernetes の費用をクラスタ、Namespace、Pod に分割してきました。
FinOps ハブは、すべての費用最適化アクティビティを一元化し、非効率性を強調表示します。これにより、ビジネス担当者は開発チームと連携して有意義な変更を推進できます。

FinOps ハブの活用

4. 生成 AI を FinOps ワークフローに早期に統合し、すべてのユーザー向けの専門的なビジネスユースケースを作成しました。これにより、費用に関する分析情報と最適化の機会を見つける時間を節約でき、根拠のある回答で正確性と関連性を確保できます。

FinOps での Gemini Cloud Assist の使用例。

5. FinOps ユーザーに焦点を当てれば、後はきれいに収まります。Google は長年にわたり、FinOps プロダクトを進化させるために緊密に連携する、FinOps 実務担当者の素晴らしいグループを構築してきました。また、FinOps のエグゼクティブアドバイザリーボードもあり、業界の進化の方向性を把握できます。

6. Google は、請求処理を楽しくできると信じています。マイクロインタラクション、ゼロ状態、ガイドツアー、エレガントなマテリアルデザインがすべて連携して、直感的で Google らしいエクスペリエンスを生み出しています。

7. Google は、お客様が確約利用割引のビジネスケースを構築する際や、タグ付けや予算の適用範囲を通じてより適切に整理する必要がある費用を特定する際に、データに基づいた意思決定を行えるよう、FinOps スコアを提供しています。このスコアを使用して、同業他社と比較したベンチマークを確認できます。

Google Cloud のお客様は、独自の FinOps スコアを取得し、同業他社と比較できます。

8. 1 時間ごとに実行される高精度の費用異常検出機能があります。また、ユーザーが迅速に対処できるよう、根本原因分析情報も提供しています。

9. 料金の最適化のためのリアルタイムのシナリオモデリングを提供し、UI でテラバイト単位のデータを迅速かつ簡単に管理しています。お客様がデータに必要に応じて整形やモデリングを施すことができます。

FinOps ハブのシナリオモデリングの動作。

10. Google Cloud のお客様は、これらの FinOps ツールを追加料金なしでご利用いただけます。データ参照期間の延長、UI の表示と分析、FinOps ハブの費用最適化に追加料金はかかりません。これにより、お客様は請求書の理解にかかる時間を短縮し、ビジネスイノベーションの推進に時間を費やすことができます。

IDC MarketScape の抜粋全文を読んで、Google の機能の詳細をご確認ください。

^{出典: 「IDC MarketScape: Worldwide FinOps Cloud Costs Optimization Hyperscalers 2025 Vendor Assessment」（Jevin Jensen 著、2025 年 7 月、IDC #US53679825）}

^{IDC MarketScape ベンダー分析モデルは、特定の市場の ICT サプライヤーの競争力を概説することを目的に設計されています。調査手法には定量的および定性的な基準に基づく厳格なスコアリング手法が採用され、その結果は市場における各ベンダーのポジションを 1 つのグラフ図にまとめた形で表されます。能力スコアは、短期間におけるベンダーのプロダクト、市場進出、ビジネスの遂行力を評価するものです。戦略スコアは、3～5 年の期間において、ベンダーの戦略が顧客の要件に適合しているかの評価です。ベンダーのマーケットシェアは、アイコンの大きさで表されます。指定された市場に対するベンダーの前年比成長率は、ベンダー名の横にプラス、ニュートラル、マイナスで示されています。}

ー Cloud FinOps プロダクト担当責任者、Sarah McMullin

Cloud Hub の最適化と Cost Explorer を使用してクラウド費用を最適化する

Wed, 20 Aug 2025 02:00:00 +0000

※この投稿は米国時間 2025 年 8 月 5 日に、Google Cloud blog に投稿されたものの抄訳です。

アプリケーションオーナーがクラウド費用の最適化を検討する際に求めているのは、次の 3 つです。

最も費用のかかるリソースはどれですか？
今週または今月、どのリソースの費用が上がっているか？
利用率が低いリソースはどれか？

これらの質問にすばやく簡単に回答できるように、Google は Google Cloud Next 2025 で、プライベートプレビュー版の Cloud Hub Optimization と Cost Explorer を発表しました。そしてこのたび、Cloud ハブの最適化と費用エクスプローラの両方が公開プレビュー版で利用可能になりました。

アプリケーションの費用と使用率

アプリのオーナーとして、主な目標はアプリケーションを常に健全な状態に保つことです。しかし、数十のプロジェクトにまたがる可能性のあるアプリケーションの個々のコンポーネントをすべてモニタリングするのは、非常に大変な作業です。AppHub アプリケーションを使用すると、アプリケーションを中心にクラウドを再編成し、必要な情報と制御をすぐに利用できます。

Cloud Hub Optimization と Cost Explorer は、Google Cloud プロジェクトをサポートするだけでなく、App Hub アプリケーションを活用して、アプリケーションのワークロードとサービスの費用対効果を即座に表示します。これは、GPU などの貴重なリソースを無駄にしている可能性のある、GKE クラスタで実行されているデプロイを特定しようとする場合などに最適です。

単なる費用ダッシュボードではありません

Cloud Hub Optimization を表示すると、最も費用がかかっているリソースと、その費用の変化率をすぐに確認できます。このきめ細かい費用情報により、費用を特定のリソースやリソース所有者に帰属させ、費用の変化について推論できるようになりました。

さらに、Cloud Billing の詳細な費用データと Cloud Monitoring のリソース使用率データを統合し、費用効率を包括的に把握できるようにしました。これには、プロジェクトの平均 vCPU 使用率が含まれます。これにより、数百の Google Cloud プロジェクトの中から、最も有望な最適化候補を見つけることができます。

Cost Explorer ダッシュボードでは、プロダクトレベルで論理的に整理された費用も表示されるため、費用の説明がさらに容易になります。Compute Engine の総額費用ではなく、Google Kubernetes Engine（GKE）クラスタ、永続ディスク、Cloud Load Balancing など、個々のプロダクトの正確な費用を確認できるようになりました。

シンプルが故の力強さ。

これらの新しいツールを試したお客様は、表示される情報とインターフェースのシンプルさを気に入っています。

「私のチームは、数十の事業部門と数百人の開発者のクラウド費用を監視する必要があります。Cloud Hub の最適化と費用エクスプローラダッシュボードは、費用削減の可能性や最適化の機会を探す場所を教えてくれるため、チームの能力を何倍にも高めてくれます。」 - メジャーリーグベースボール、プリンシパルクラウドアーキテクト、Frank Dice 氏

お客様は、追加のセットアップなしですぐに利用できる幅広いプロダクトカバレッジと、これらの機能を使用しても追加料金が発生しないことを特に高く評価しています。

次のステップ

組織がクラウド費用管理を「左シフト」するにつれて、Google はアプリケーションオーナーと開発者がクラウド費用を理解して最適化できるよう支援しています。Cloud Hub Optimize と費用エクスプローラはこちらからお試しいただけます。

Google Cloud Next 2025 の講演「Maximize Your Cloud ROI」では、Cloud Hub Optimization と Cost Explorer を使用して、使用率の低い GKE クラスタを数秒で特定する方法のライブデモもご覧いただけます。

^{メジャーリーグベースボールの商標および著作権は、メジャーリーグベースボールの許可を得て使用されています。MLB.com をご覧ください。}

ープロダクトマネージャー Gobind Johar

FinOps ハブ 2.0 で春の大掃除

Tue, 13 May 2025 01:00:00 +0000

※この投稿は米国時間 2025 年 4 月 17 日に、Google Cloud blog に投稿されたものの抄訳です。

春と言えば、大掃除の季節です。家庭内で毎年やるように、仮想クラウドインフラストラクチャも大掃除してはいかがでしょうか。Google Cloud の FinOps ハブがお手伝いします。

Google Cloud のお客様が FinOps ハブを利用して最適化に取り組むようになり、さらなるフィードバックがビジネスコミュニティから寄せられています。たとえば、DevOps ユーザーはツールや使用状況に関する指標にアクセスして無駄を特定できますが、ビジネスチームはリソースの消費に関する明確な分析情報を把握できず、それが大きな盲点となることが珍しくありません。最新の State of FinOps 2025 Report では、ワークロードの最適化と無駄の削減の重要性が FinOps の最大の関心事項であると強調しており、こうしたニーズの裏付けとなっています。どれだけの量が使用されているかを完全に把握できなければ、ワークロードやアプリケーションを最適化するのは非常に困難です。使い切らない可能性があるコンピューティングコアの確約利用割引を購入する理由があるでしょうか。

お客様が最も簡単に行える最適化は、実際に料金を支払っているリソースをより効率的に使用することである場合もあります。このため、2025 年、Google は最適化の機会の徹底的な洗い出しに注力することとし、無駄な支出を特定、明確化、排除できるよう FinOps ハブをアップグレードしました。

aside_block: <ListValue: [StructValue([('title', 'Google Cloud を無料で試す'), ('body', <wagtail.rich_text.RichText object at 0x7f0da9442df0>), ('btn_text', '無料で開始'), ('href', 'https://console.cloud.google.com/freetrial?redirectPath=/welcome'), ('image', None)])]>

1. 無駄を特定する: 最適化の機会を絞り込むために使用状況の新しい分析情報を FinOps ハブ 2.0 に追加しました。

Google Cloud Next 2025 で FinOps ハブ 2.0 を発表し、特にリソースの使用状況の分析情報を最優先に提示する機能をご紹介しました。これにより、どのような無駄が発生する可能性があるかを把握して、即座に対策を講じることができます。無駄にはさまざまな形があります。使用率がたった 5% の VM（オーバープロビジョニング）、110% の使用率で過度に稼働し、障害が発生するおそれがある GKE クラスタ（プロビジョニング不足）、最適に構成されていない可能性がある Cloud Run インスタンスなどのマネージドリソース（最適でない構成）などに加えて、VM がまったく使用されていない場合（アイドル状態）すらあります。今後、FinOps のユーザーは、サービスまたは AppHub アプリケーション別に、最も費用のかかる無駄なカテゴリをわかりやすいヒートマップ形式ですばやく確認することができます。FinOps ハブは、無駄が発生している可能性のある場所を示すだけでなく、無駄を解消できるよう、Kubernetes Engine（GKE）、Compute Engine（GCE）、Cloud Run、Cloud SQL の費用をさらに最適化することもできます。

特定されたリソースを対応する使用状況に関する指標とともに示す「無駄な使用量のマップ」

2. 無駄を明確化する: Gemini Cloud Assist により、FinOps ハブで最適化に関する分析情報を要約して、その情報をエンジニアリングチームに送信できるようになりました。

しかし、リリース 2.0 の最大の特長は、FinOps ハブで最も時間のかかるタスクを Gemini Cloud Assist で刷新したことです。Gemini Cloud Assist の最初のリリースでは、パーソナライズされた費用レポートの作成と分析情報の統合を支援することで、お客様が FinOps に費やす時間を 10 万時間以上も削減しました（2024 年 1 月～2025 年 1 月の 1 年間）。ワークフローを刷新し自動化する Gemini Cloud Assist の機能は大きなメリットをもたらすため、FinOps ハブの 2 つの側面で採用することにしました。まず、費用レポートのように、ハブ自体に埋め込まれた最適化に関する分析情報を FinOps 担当者が確認できるようにしました。これにより、「干し草の中から 1 本の針を見つける」ように難しいと言われる最適化の問題に対処する必要がなくなります。次に、Gemini Cloud Assist を使用して、無駄に関する主な分析情報を要約してエンジニアリングチームに送信し、チームが迅速に対策を講じて是正できるようにしました。

優先度の高い最適化の機会を記載した Gemini による要約とメールの下書き

3. 無駄を排除する: 技術ソリューションオーナーが最適化の機会を直接確認して対応できるようにする新しい IAM ロール権限。

最後にご紹介するのは、FinOps 待望のエキサイティングな機能です。技術ソリューションオーナーが請求コンソールにアクセスし、すべてのプロジェクトの FinOps の分析情報と Gemini Cloud Assist の分析情報を一括で取得できるようになりました。たとえば、インフラストラクチャの一部のプロジェクトしか使用していない部門全体に FinOps ハブまたは費用レポートへのアクセス権を付与する必要があるとします。幅広い請求データへのアクセス権を付与せずに、この部門が必要なデータすべてを 1 つのビューで表示できるようにするのが、請求コンソールのマルチプロジェクトビューです。マルチプロジェクトビューを有効にするには、新しいプロジェクトの請求費用管理者 IAM ロール（または関連するきめ細かい権限）を使用します。これらの新しい権限は現在、限定公開プレビュー版で提供されているため、利用するには申し込みが必要です。これらの新しいアクセス制御により、組織全体に FinOps ツールの機能を拡張できるようになります。

今年の春は、FinOps ハブ 2.0 と Gemini Cloud Assist でクラウドインフラストラクチャを大掃除しましょう。「冬の古い汚れのように、クラウドの無駄が蓄積したら、春にはサーバーの大掃除をして、費用と時間を節約しよう」という、Gemini オリジナルの格言もあるくらいですから。

-Cloud FinOps プロダクト担当責任者、Sarah McMullin

Google Cloud での AI 費用を計算する方法

Tue, 11 Mar 2025 02:00:00 +0000

※この投稿は米国時間 2025 年 3 月 4 日に、Google Cloud blog に投稿されたものの抄訳です。

エンタープライズ AI の「真の費用」とは

テクノロジーリーダーとして、また企業リソースの管理者として、AI の費用を把握することはただ賢明であるだけでなく、持続可能な AI の導入のために不可欠なことです。そこで本記事では、Google Cloud での AI 費用を把握して管理するための包括的なアプローチを紹介します。AI への投資から最大限に価値を引き出せるようお役立てください。

AI の導入を始めたばかりの方も、すでに運用を拡大している方も、このアプローチを活用することで、AI 戦略について十分な情報に基づいた意思決定を行うために必要な知見が得られます。

AI 費用の把握が今重要である理由

Google Cloud が展開する AI サービスは多様で、その種類はさらに増えつつあります。そして、それぞれに独自の料金体系があります。これらの費用を明確に把握していないと、予算の超過やプロジェクトの停滞を招き、最終的には AI への投資を十分に活かせなくなるリスクがあります。これは単に費用削減の問題ではなく、責任ある AI 開発、つまり革新的かつ経済的に持続可能なソリューションを構築するためにも重要なのです。

Google Cloud における AI の総所有コスト（TCO）の内訳

Google Cloud 上で AI ワークロードを実行する際の費用の主な構成を詳しく見ていきましょう。

費用カテゴリ	説明	Google Cloud サービス（例）
モデル提供の費用	トレーニング済みの AI モデルを実行して予測（推論）を行うための費用。多くの場合、これはリクエストごとまたは時間単位でかかる費用です。	Vertex AI で利用可能な OOTB モデル、Vertex AI Prediction、GKE（セルフマネージドの場合）、Cloud Run Functions（サーバーレス推論用）
トレーニングとチューニングの費用	AI モデルをデータでトレーニングし、ファインチューニングによってパフォーマンスを最適化するための費用。コンピューティングリソース（GPU/TPU）や、場合によってはトレーニングデータ自体の費用も含まれます。	Vertex AI Training、Compute Engine（GPU/TPU を使用）、GKE、Cloud Run（GPU/TPU を使用）
クラウドホスティングの費用	AI アプリケーションを実行するための基本的なインフラストラクチャにかかる費用（コンピューティング、ネットワーキング、ストレージなど）。	Compute Engine、GKE または Cloud Run、Cloud Storage、Cloud SQL（アプリケーションでデータベースを使用している場合）
トレーニングデータの保存とアダプタレイヤの費用	トレーニングデータと、トレーニングプロセス中に作成される「アダプタレイヤ」（中間表現またはファインチューニングされたモデルコンポーネント）の保存にかかる費用。	Cloud Storage、BigQuery
アプリケーションレイヤと設定の費用	AI アプリケーションをサポートするために必要な追加のクラウドサービスに関連する費用（API ゲートウェイ、ロードバランサ、モニタリングツールなど）。	Cloud Load Balancing、Cloud Monitoring、Cloud Logging、API Gateway、Cloud Functions（ロジックのサポート用）
運用サポートの費用	AI モデルの保守とサポートにかかる継続的な費用（パフォーマンスのモニタリング、問題のトラブルシューティング、必要な場合は時間のかかるモデルの再トレーニングなど）。	Google Cloud サポート、社内スタッフの時間、場合によってはサードパーティ製のモニタリングツール

aside_block: <ListValue: [StructValue([('title', 'Google Cloud を無料で試す'), ('body', <wagtail.rich_text.RichText object at 0x7f0daa5f5340>), ('btn_text', '無料で開始'), ('href', 'https://console.cloud.google.com/freetrial?redirectPath=/welcome'), ('image', None)])]>

例を使って費用を見積もってみる

仮想の（しかし実際にありそうな）生成 AI のユースケースを例として考えてみましょう。ある小売企業が Google Cloud を利用し、自動化されたカスタマーサポート chatbot を運用しているとします。

シナリオ: 中規模の e コマース企業が、ウェブサイトに chatbot をデプロイして、顧客からの一般的な問い合わせ（注文状況、返品、商品情報など）への対応を自動化したいと考えています。事前トレーニング済みの言語モデル（Vertex AI Model Garden で利用可能なものなど）を使用して、自社のカスタマーサポートデータでファインチューニングする予定です。

前提条件:

モデル: 低レイテンシ言語モデルをファインチューニングする（この場合は Gemini 1.5 Flash を使用）
トレーニングデータ: 100 万件のカスタマーサポートの会話（テキストデータ）
トラフィック: 1 日あたり 10 万件の chatbot インタラクション
ホスティング: モデル提供のための Vertex AI Prediction
ファインチューニングの頻度: 月 1 回

費用の見積もり

たとえば、この小売企業は次のように見積もりを進めることができます。

1. モデル提供の費用を算出する

Vertex AI Prediction（Gemini 1.5 Flash for Chat）の価格はモダリティベースの料金体系になっています。この場合、入力と出力がテキストであるため、使用量の単位は文字数になります。ここでは、1 回のやり取りで平均 1,000 文字の入力と 500 文字の出力があると仮定します。
入力 100 万文字あたりの費用: $0.0375
出力 100 万文字あたりの費用: $0.15
1 日あたりの入力費用: やり取り 100,000 件 × 1,000 文字 × $0.0375 ÷ 1,000,000 = $3.75
1 日あたりの出力費用: やり取り 100,000 件 × 500 文字 × $0.15 ÷ 1,000,000 文字 = $7.5

1 日あたりのモデル提供の合計費用: $11.25

1 か月（約 30 日）あたりのモデル提供の合計費用: 約 $337

Gemini Flash 1.5 LLM モデルの提供費用

2. トレーニングとチューニングの費用を算出する

このシナリオでは、モデルの精度と特定のユースケースとの関連性を高めるためにファインチューニングを行います。過去 100 万件のチャットインタラクションを入力し、より正確でカスタマイズされたインタラクションを提供できるモデルを作成します。

トレーニングトークン単位の費用: 100 万トークンあたり $8
トレーニング文字単位の費用: 100 万文字あたり $2（各トークンは約 4 文字に相当）

チューニング費用（初月）: 会話 1,000,000 件（トレーニングデータ）× 1,500 文字（入力 + 出力）× 2 ÷ 1,000,000 = $3,000

チューニング費用（翌月以降）: 会話 100,000 件（新しいトレーニングデータ）× 1,500 文字（入力 + 出力）× 2 ÷ 1,000,000 = $300

3. クラウドホスティング費用を把握する

今回は Vertex AI Prediction を使用しているため、基盤となるインフラストラクチャは Google Cloud が管理し、費用はリクエストごとの料金に含まれます。一方で、GKE または Compute Engine でモデルを自社管理する場合は、VM の費用、GPU/TPU の費用（該当する場合）、ネットワーキング費用を考慮する必要があります。この例では、ホスティング費用は Vertex AI の費用に含まれていると仮定し、追加の費用は 0 ドルとします。

4. トレーニングデータ用ストレージとアダプタレイヤの費用を定義する

ML モデルのデプロイにおいて、インフラストラクチャ費用は問題視されがちですが、データストレージの費用は適度な規模であれば低く抑えられます。会話型 AI システムを実装する場合、トレーニングデータと特殊モデルのアダプタを保存する費用は、全体の費用のごく一部にすぎません。こうしたストレージの要件とそれに伴う費用を詳しく見ていきましょう。

100 万件の会話は、会話 1 件あたりの平均サイズを 5 KB と仮定すると、約 5 GB のデータになります
5 GB の Cloud Storage の費用は、月額 $0.1 と無視できるレベルです
アダプタレイヤ（ファインチューニングしたモデルの重み）によって、さらに 1 GB のストレージが必要になる可能性がありますが、これも月額 $0.02 と非常にお手頃です

1 か月あたりの合計ストレージ費用: 1 か月あたり $1 未満

5. アプリケーションレイヤとセットアップの費用を考慮する

これは、アプリケーションによって大きく異なります。今回の例で使用しているのは、Cloud Run functions と Logging です。Cloud Run は、chatbot のリクエストの前処理と後処理（フォーマット設定、データベースの参照など）を実行します。ここでは、課金体系をリクエストベースにすると仮定し、リクエストの処理時にのみ課金されるようにします。この例では 1 か月あたり 300 万件（10 万 × 30）のリクエストを処理しており、平均実行時間が 1 秒であると仮定すると、費用は $14.30 になります。

リクエストベースで課金される場合の Cloud Run functions の費用

Cloud Logging と Monitoring を使用して、chatbot のパフォーマンスを追跡し、問題をデバッグします。ロギングボリュームが 100 GB（高めの値）で、ログの保持期間を 3 か月間とすると、費用は $28 になります。

Cloud Logging の保存と保持の費用

1 か月あたりのアプリケーションレイヤの合計費用: 約 $40

6. 最後に運用サポートの費用を組み込む

これは社内チームの規模や責務によって異なるため、見積もりが最も難しい項目です。エンジニア 1 人が週 5 時間、時給 $100 で chatbot のモニタリングと保守を行うと仮定します。

1 か月あたりの運用サポートの合計費用: 週 5 時間 × 月 4 週間 × 時給 $100 = $2,000

月間の合計見積もり費用（初月）:

$ 340（モデル提供）+ $3,000（トレーニング）+ $1（ストレージ）+ $40（アプリケーション）+ $2,000（運用）= $5,381

月間の合計見積もり費用（翌月以降）:

$340（モデル提供）+ $300（トレーニング）+ $1（ストレージ）+ $40（アプリケーション）+ $2,000（運用）= $2,681

費用の見積もりの詳細については、こちらをご覧ください。なお、チューニングと運用の費用は料金エクスポートではまだ利用できないため、ここには含まれていません。

AI の費用を十分に把握したら、費用を抑えながらパフォーマンスを維持するための最適化戦略を策定することが重要です。インフラストラクチャの選択や、リソースの活用、モニタリング手法をその戦略にバランスよく組み込みます。費用を構成するさまざまな要素を理解し、Google Cloud のツールとリソースを活用すれば、自信を持って AI の導入に着手できます。費用管理は障壁ではなく、イノベーションを実現する手段です。適切な費用管理を行うことで、AI に関する実験やイノベーションが可能になり、財務的に責任ある形で革新的な AI ソリューションを構築できます。

始める

AI の費用を今すぐ把握する: Google Cloud 料金計算ツールと Vertex AI 料金ページをご覧ください。
Google Cloud Next で詳細を確認する: AI Investment to Impact: Unlocking Sustainable ROI with Google Cloud（AI への投資の効果: Google Cloud による持続可能な ROI の実現）についての Google Next セッションにご登録ください。
Google Cloud の専門家によるガイダンスを利用する: 費用対効果の高い AI アーキテクチャを設計するために専門家の支援を受けるには、Google Cloud コンサルティングまたは PSO にお問い合わせください。

-Google Cloud コンサルティング、delta 費用最適化担当リード Pathik Sharma
-Google Cloud コンサルティング、delta Cloud FinOps 責任者 Eric Lam

原則に基づく適切な設計のフレームワークを活用したクラウド導入の加速

Wed, 26 Feb 2025 01:02:00 +0000

※この投稿は米国時間 2025 年 2 月 15 日に、Google Cloud blog に投稿されたものの抄訳です。

昨今の絶えず変化するデジタル環境において、セキュリティ、信頼性、コスト効率、パフォーマンスに優れたクラウドソリューションを構築して運用することは容易ではありません。企業はクラウド導入の複雑さに立ち向かっていますが、多くの場合、ビジネスニーズ、技術的な実装、運用体制の間のギャップを埋めるのに苦労しています。ここで出番となるのが、Google Cloud アーキテクチャフレームワークです。このフレームワークは、お客様が効率性、セキュリティ、レジリエンス、パフォーマンス、費用対効果に優れ、セキュリティ要件とコンプライアンス要件を満たす Google Cloud トポロジを、設計、開発、デプロイ、運用できるよう包括的なガイダンスを提供するものです。

このアーキテクチャフレームワークの対象ユーザー

このアーキテクチャフレームワークは、幅広いクラウドの専門家を対象としています。クラウドアーキテクト、開発者、IT 管理者、意思決定者、その他の実務担当者の方に、Google 社内と業界で長年にわたり培われてきた対象分野の専門知識からメリットを引き出していただけます。この膨大な専門知識は精査され、簡単に利用できる一連の推奨事項として提示されます。

アーキテクチャフレームワークの推奨事項は、ビジネスに焦点を当てた 5 つの柱に分類されます。

Google は最近、アーキテクチャフレームワークのすべての柱と視点におけるガイダンスを見直し、一定の設計原則を推奨事項の中核に据えました。

効果的な運用	セキュリティ、プライバシー、コンプライアンス	信頼性	費用の最適化	パフォーマンスの最適化
運用体制インシデント管理リソースの最適化チェンジマネジメント継続的な改善	安全性を重視した設計ゼロトラストシフトレフトセキュリティプリエンプティブなサイバー防御安全性を備えた責任ある AI セキュリティのための AI 規制、プライバシー、コンプライアンスのニーズ	ユーザー重視の目標現実に即したターゲット冗長性による HA 水平方向のスケーリングオブザーバビリティグレースフルデグラデーション復旧テスト徹底的な事後検証	ビジネス価値に沿った支出コスト意識の組織文化リソースの最適化継続的な最適化	リソース割り当て計画の策定弾力性モジュール式の設計継続的な改善

このアーキテクチャフレームワークでは、上述の柱に加え、柱の枠を超えた視点から、AI と ML といった特定の領域、業種、テクノロジーに関する推奨事項も提示しています。

aside_block: <ListValue: [StructValue([('title', 'Google Cloud を無料で試す'), ('body', <wagtail.rich_text.RichText object at 0x7f0da7dbe8e0>), ('btn_text', '無料で開始'), ('href', 'https://console.cloud.google.com/freetrial?redirectPath=/welcome'), ('image', None)])]>

アーキテクチャフレームワークを導入するメリット

アーキテクチャフレームワークは、設計や運用に関する推奨事項の単なる寄せ集めではありません。このフレームワークは、原則に基づく体系的な設計手法を提供し、以下のような多くのメリットをもたらします。

セキュリティ、プライバシー、コンプライアンスの強化: クラウドではセキュリティが非常に重要です。アーキテクチャフレームワークには業界をリードするセキュリティ対策が組み込まれており、お客様がクラウドアーキテクチャでセキュリティ、プライバシー、コンプライアンスの要件を満たせるよう支援します。
費用の最適化: アーキテクチャフレームワークは、コスト意識の組織文化を醸成し、リソースの最適化に重点を置き、Google Cloud のコスト削減機能を活用することで、コスト効率に優れたクラウドソリューションの構築と運用を可能にします。
レジリエンス、スケーラビリティ、柔軟性: ビジネスニーズの進化に伴い、アーキテクチャフレームワークは、需要の変化に合わせてスケーリングでき、高可用性を維持できる、災害や障害に強いクラウドデプロイメントの設計を支援します。
効果的な運用: アーキテクチャフレームワークは、運用、モニタリング、メンテナンスが容易で、運用面で安定したアーキテクチャの設計を促進します。
各ワークロードに特化した予測可能なパフォーマンス: アーキテクチャフレームワークは、ワークロードごとのニーズに基づいて予測可能なパフォーマンスを実現するワークロードの構築、デプロイ、運用に役立つガイダンスを提供します。
アーキテクチャフレームワークには、AI と ML など、特定の領域、業種、テクノロジーに対する、柱の枠を超えた視点も含まれています。

Google Cloud アーキテクチャフレームワークの原則と推奨事項は、Google のサイト信頼性エンジニアリング（SRE）プラクティス、DORA の特性、ユーザー重視の指標のための Google HEART フレームワーク、FinOps フレームワーク、ソフトウェアアーティファクトのためのサプライチェーンレベル（SLSA）、Google のセキュア AI フレームワーク（SAIF）など、Google および業界のベストプラクティスと合致しています。

ぜひ、アーキテクチャフレームワークを導入して Google Cloud のさらなる活用にお役立てください。セキュリティ、信頼性、コスト、パフォーマンス、運用に関する包括的なガイダンスに加え、AI や ML といった特定の業種や領域に特化した推奨事項も提供しています。詳しくは、Google Cloud アーキテクチャフレームワークをご覧ください。

-クロスプロダクトソリューションデベロッパー Kumar Dhanagopal

Palo Alto Networks、高額請求防止用に AI による費用の異常検出をカスタマイズしてデプロイ

Thu, 09 Jan 2025 01:30:00 +0000

※この投稿は米国時間 2024 年 12 月 10 日に、Google Cloud blog に投稿されたものの抄訳です。

めまぐるしく進化する現在のデジタル環境で競争優位性を得るために、各企業は常に最新テクノロジーの革新的な活用方法を模索しています。AI は変革の推進力として急成長しており、組織での複雑な処理の自動化、データからの重要な分析情報の取得、差別化したカスタマーエクスペリエンスの提供を可能にしています。

しかし、AI の導入が急速に進むことで重大な課題が生じています。関連するクラウドの費用の管理です。AI が成長し（実際にはクラウドワークロード全般が増大して）ますます高度に洗練されるにつれて、関連する費用と、組織が注意深く消費計画を立てなかった場合に発生しかねない超過費用も増加しています。

この想定外の費用は、次のようなさまざまな要因によって発生します。

人的エラーと管理ミス: 誤って上位ティアのサービスを有効化する、スケーリングの設定を変更してしまうなど、クラウドサービスの構成を誤り、意図せず費用の増加を招くことがあります。
想定していないワークロード変更: マーケティングキャンペーンやユーザーアクションの急な変更などにより、トラフィックや使用量が急激に上昇する、またはアプリケーションの動作が突然変更されることで、予期しないサービス変更が発生する場合があります。
ガバナンスと費用の透明性に前もって対処していない: 堅牢な Cloud FinOps フレームワークのない環境では、クラウドの費用がコントロール不能に陥り、あっという間に膨大な支出を引き起こすことがあります。

組織には、前もってクラウドの費用を管理し、予算超過を回避するチャンスがあります。リアルタイムでの費用のモニタリングと分析を実装することで、異常の可能性を特定し、想定外の支出を引き起こす前に対処することが可能です。このアプローチにより、企業は予算をコントロールしたまま、成長目標を追求できます。

aside_block: <ListValue: [StructValue([('title', 'Google Cloud を無料で試す'), ('body', <wagtail.rich_text.RichText object at 0x7f0da80f5610>), ('btn_text', '無料で開始'), ('href', 'https://console.cloud.google.com/freetrial?redirectPath=/welcome'), ('image', None)])]>

Palo Alto Networks は、150 か国の 70,000 を超える組織を顧客としています。世界有数のサイバーセキュリティ企業として、そのデジタル事業には、ある程度のレベルの警戒と認識が必要です。同社は新しい技術やツールを試験運用することも多く、また脅威アクターに攻撃された場合にはアクティビティの急増にも対処します。異常な支出が発生する可能性は、このような場合に特に高くなります。

顧客全体に効果的なクラウド支出管理のニーズがあることに気付き、Google Cloud は費用の異常検出を費用管理ツールキットの一部としてリリースしました。必要なセットアップは何もありません。ユーザーの Google Cloud プロジェクトでの異常を自動的に検出し、チームに詳細情報を添えてアラートを送り、根本原因分析も提供します。Palo Alto Networks はこの機能を使用するうちに有用さに気付き、さらにカスタマイズしたソリューションへのニーズを認識するようになりました。カスタム要件が厳しいため、同社は Google Cloud プロジェクト全体のアプリケーションやプロダクトといったラベルに基づいて異常を特定できる、そして検出されてチームにアラート通知された異常変数へのコントロールを強化できるサービスを必要としていました。また、同社のマルチクラウド環境全体で一貫性のあるエクスペリエンスにすることも重視していました。

Palo Alto Networks の専用ソリューションは、クラウドの管理と AI の費用に正面から対処するもので、同社が大きな規模で先を見越した行動を起こすための後押しとなっています。リアルタイムのアラートをプロダクト所有者に通知することで費用の透明性を向上できるように設計されており、情報に基づいた意思決定と迅速な行動を可能にします。このソリューションは、大規模な自動インサイトも可能にするため、チームの時間が節約でき、イノベーションに力を入れることができます。

想定外の費用を心配する必要がなくなったため、Palo Alto Networks は現在、新しいクラウドと AI ワークロードを活用し、デジタルトランスフォーメーションをさらに推し進めています。

異常のライフサイクル

Palo Alto Networks にとって異常とは、想定外のイベントや通常とは異なるパターンを指します。同社のクラウド環境では、単純な構成ミスから本格的なセキュリティ侵害まで、あらゆることが異常になり得ます。そのため、大きな被害が生じる前にその異常を検出、分析、軽減できるシステムを配備しておくことが重要となります。

次のフローチャートは、異常の典型的なライフサイクルを、大きく 3 つのステージに分けて示しています。

図 1 - 異常のライフサイクル

次のセクションでは、これらの異常の各ステージに対処するために、Palo Alto Networks が Google Cloud をどのように活用して AI ベースのカスタム異常検出ソリューションを開発したかについて詳しく確認します。

1. 検出

最初のステップは異常の可能性の特定です。Palo Alto Networks は Google Cloud コンサルティングと協力し、同社のアプリケーションから取得した請求データと BigQuery ML（BQML）を使用して、ARIMA+ モデルをトレーニングしました。同社のチームがこのモデルを選んだのは、時系列的な請求データで優れた結果があり、ハイパーパラメータをカスタマイズできること、そして大規模な運用でのコスト効率が良いことが理由です。

ARIMA+ モデルによって、Palo Alto Networks は同社の費用異常検出ソリューション用に、上限と下限のあるベースライン支出を生成することができました。また、チームは同社の過去の請求データを使用してモデルをチューニングし、季節性の変化や一般的な急上昇と急下降、移行パターンなどの要素を最初から把握できるようにしました。モデルによって作成された上限を支出が上回ると、チームはその費用のビジネスへの影響を（割合と金額の両方で）数値化し、アラートの重大度を判定して調査を続けるかを決めます。

図 2 - AI による Google Cloud の費用の異常検出ソリューションのアーキテクチャ

Looker は Google Cloud のビジネスインテリジェンスプラットフォームです。データモデリングのカスタマイズと可視化の基盤となっており、Palo Alto Networks の既存の請求データインフラストラクチャ（毎日複数回、BigQuery にストリーミング）とシームレスに統合されています。このプラットフォームにより、分析用に最新の情報を確保でき、データパイプラインをさらに追加する必要がなくなりました。

BigQuery ML によって、Palo Alto Networks は ML モデルのトレーニングと推論の機能を強化できます。BQML を活用することで、チームは高度なモデルを BigQuery 内で直接ビルドしてデプロイでき、ML 環境を別に管理するわずらわしさもなくなりました。この合理的なアプローチが、費用の異常をリアルタイムに検出して分析する機能をさらに加速します。この例では、Palo Alto Networks は ARIMA+ モデルを、特定のアプリケーションに対する最新 13 か月分の請求データの純支出フィールドでトレーニングし、カスタムカレンダーに基づく移行パターンと既知の急上昇に加えて、季節による影響や急上昇と急下降を取り入れました。

アラート通知と異常管理のプロセスを強化するため、Google Cloud Pub/Sub および Cloud Run functions も利用しました。Pub/Sub は、ステークホルダーへの異常の通知を、高い信頼性でスケーラブルに実施するために役立ちます。Cloud Run functions は、これらの通知をカスタムロジックで処理できるようにします。たとえば、アラート疲れを最小限に抑えて調査を合理化するために、類似する異常をインテリジェントにグループ化できます。Pub/Sub と Cloud Run functions を活用することで、Palo Alto Networks は潜在的な費用の問題に迅速に、また効果的に対処できます。

2. 通知と分析

異常が確認されると、ソリューションによってこの費用のビジネスへの影響が算出され、その後の調査のため適切なアプリケーションチームに Slack 経由でアラートが通知されます。根本原因分析を短時間で行うために、このソリューションでは重要な情報がテキストと画像でまとめられており、異常についての詳細をすべて得られます。その異常が起きた時点と関連する SKU およびリソースも正確にわかります。アプリケーションチームはこの情報をさらに分析し、アプリケーションのコンテキストとも合わせて、迅速に判断を下すことができます。

以下の図は、BigQuery で 7 月 30 日に始まった費用の上昇を捉えたスナップショットの例です。

図 3 - 検出された費用の異常とリソースの詳細

費用の異常検出ソリューションによって、フラグ済みの異常に関連する情報（費用の影響に加えて、Google Cloud プロジェクト ID やデータ、環境、サービス名、SKU など）が、すべて自動的に生成されました。このデータにより、アプリケーションチームがすばやく行動するために必要なコンテキストのほとんどを取得できました。Slack アラートの例を以下に示します。

図 4 - Slack 上での異常検出アラートの例

3. 緩和策

根本原因が特定されると、次は異常を緩和するためのアクションを実施します。単純な構成変更からホットフィックスのデプロイまで、あらゆるアクションが考えられます。場合によっては、問題をエスカレーションし、部門横断型チームと連携する必要もあります。

提供された例では、クラウドでホストされたテナントで、構成のエラーが原因でデータ量が大幅に増加しました。この構成ミスにより、BigQuery の使用量が異常に多くなり、新たに確立されたリージョンで BigQuery にデフォルトの予約がなかったことから、システムのデフォルトがオンデマンド料金モデルに設定され、費用の増加を招きました。

この問題に対処するため、チームはベースライン 100 スロットを 3 年間の確約利用で購入し、今後急上昇することがあってもパフォーマンスに影響することなく吸収できるように、自動スケーリングを実装しました。また、特に新しいリージョンでの類似のインシデントを防ぐために、費用の長期的なガバナンスポリシーを組織レベルで導入しました。

インシデント後には、費用の異常検出ソリューションによって事後検証ドキュメントが生成されます。このドキュメントには、実施した中でも特に注目すべきアクション、連携による影響、迅速な検出と緩和によって節約できた費用について記載されています。このドキュメントは以下を中心としています。

イベントの詳細なタイムライン: 費用の上昇を検出した時点とチームにアラートが通知された時点に加えて、再発防止に向けた短期的および長期的な取り組みを含む緩和策が含まれます。
実施されたアクション: 異常検出の詳細、アプリケーションチームによる分析、実施された緩和策などです。
防止戦略: 類似のインシデントの発生を防ぐための、短期的および長期的な計画について記述されます。
費用の影響と費用回避: この異常によって引き起こされた全体的な費用の計算値、問題の検出までに時間がかかった場合の追加費用の推定などの計算結果が含まれます。

その後、Palo Alto Networks の上級管理職を含むアプリケーションチームに正式な通知が送付され、さらに可視性を高めます。

Palo Alto Networks は大規模対応の経験から、クラウド環境での異常の発生は避けられないという事実を学び、受け止めています。これらの異常を効率的に管理するには、ライフサイクル全体での明確に定義された検出、分析、緩和対策が欠かせません。異常の可能性を特定するには、自動モニタリングツールが重要な役割を果たします。また、チーム間の連携も問題の解決には不可欠です。特に Palo Alto Networks のチームは、異常管理プロセスの最適化の継続的な改善を重視しており、たとえば長期的なガバナンスの維持のために、以下のような報告ダッシュボードを構築しました。

図 5 - 費用の異常報告ダッシュボード（Looker）

AI の機能を活用し、Google Cloud と連携することで、Palo Alto Networks は、企業が AI の潜在的な可能性を十分に引き出しつつ、クラウド支出を責任ある持続可能な範囲に確実にとどめられるようにしています。費用の異常管理への積極的な取り組みにより、組織は自信をもって進化し続ける AI を活用し、イノベーションを進め、戦略目標を達成できます。費用の異常検出のプレビュー版をぜひお試しください。また、ソリューションのカスタマイズについては Google Cloud コンサルティングまでお問い合わせください。

^{このソリューションの開発のため連携して取り組んだチームの全員に、多大な感謝を申し上げます。Yaping Gu、Matt Orr、Andy Crutchfield、Gina Huh}

-Palo Alto Networks、Cloud FinOps マネージャー、Kuntal Patel 氏

-Google Cloud コンサルティング、Cloud FinOps 費用最適化担当リード、Pathik Sharma

AI を活用して費用の異常を検出する新機能で予期しない費用を削減

Tue, 12 Nov 2024 01:30:00 +0000

※この投稿は米国時間 2024 年 10 月 8 日に、Google Cloud blog に投稿されたものの抄訳です。

過剰な支出を制御して予期しない費用を最小限に抑えることは、あらゆるビジネスにとって最優先事項です。たとえば、開発のミスや不正なコードが原因で気付かないうちに週末に使用量が急増している場合、すぐに把握しなければ費用が急増し、予算を使い果たして財務を圧迫することになりかねません。

Google Cloud では、お客様がこうした予期せぬ事態を回避できるように、費用管理のための包括的な一連のツールと制御を提供しています。現在 Google では、AI テクノロジーを利用して FinOps 機能を強化し、費用管理をさらに簡素化して支出を予測できるようにするため取り組んでいます。このたび、Google Cloud Next ’24 でお知らせした費用の異常検出機能が、公開プレビュー版ですべてのお客様にご利用いただけるようになりました。費用の異常検出を使ってリアルタイムまたは準リアルタイムで異常を特定してタイムリーにアラートを発することができれば、予期せぬ事態を回避し、迅速に措置を講じて費用の急増を制御できます。

費用の異常検出の概要

Google Cloud の費用の異常検出は、クラウドプロジェクトを自動的にモニタリングして、急増があれば課金コンソールに表示することで、すべてのプロダクトとサービスにわたってクラウド支出の異常な急増をお客様が特定できるようにします。このプロダクトはセットアップ不要で、すべてのお客様が無料で利用できます。主な機能は次のとおりです。

1. 検出

費用の異常検出は、AI を活用して履歴と季節的な傾向に基づいて支出のパターンを特定し、プロジェクトごとに予想される日々の支出を予測します。そして 1 時間ごとに実際の支出を継続的にモニタリングし、逸脱を検出します。これらの逸脱は急増または異常として特定され、費用の異常検出ダッシュボードに「費用への影響」として表示されます。費用の異常検出は 1 時間ごとに支出をモニタリングするため 24 時間以内に予期しない急増を特定でき、ほとんどのサービスで準リアルタイムの異常検出が可能です。

異常のリスト（日付順）

2. 調査

異常が検出されると、その根本原因を把握したいと思われるでしょう。費用の異常検出は、特定した異常ごとに、支出の急増を引き起こした主な原因を確認できる詳細でわかりやすい根本原因の分析を提供します。これにより、是正措置を必要とするプロジェクト、サービス、リージョン、SKU に絞り込んで調査を進め、より迅速に対処することができます。

根本原因の分析パネル

3. アラート

異常を検出してその根本原因を把握したら、適切なプロジェクトオーナーが自分のプロジェクトへの影響を知らせるアラートを受け取って、使用量の上限設定や使用の無効化などの措置を講じることができるようにする必要があります。現在、異常通知はメールと Pub/Sub で送信しており、FinOps チームからエンジニアまで幅広いペルソナへの通知が可能です。また、カスタマイズ可能なアラート設定を簡単にセットアップして、異常が検出されたらすぐに必要な受信者グループに異常を通知することもできます。また、Pub/Sub アラートは、内部のワークフロー管理ツールとの統合に役立ちます。

カスタマイズした異常アラートを設定する

費用の異常検出では、費用への影響に基づいてアラートのしきい値を調整し、重大な異常のみを表示してアラートを送信することもできます。すべてのプロジェクト全体に適用するしきい値を定義する場合は、事前に少なくとも 1 か月間は異常をモニタリングすることをおすすめします。

さらに、費用の異常検出はお客様の支出パターンを継続的に学習することで、誤検出発生を低減し、月ごとや季節ごとの傾向だけでなく、日ごとや週ごとの変動に対する感度を向上させています。それを支援するために、お客様は特定された異常ごとに、それが本当に予期しないものであったか、それとも計画された移行などによる急増の誤検出であったかをフィードバックできます。このようなフィードバックにより、費用の異常検出の AI モデルは、使用量にリアルタイムで適応したり、計画された使用量を考慮に入れて今後の急増を評価したりできるようになります。

費用のオブザーバビリティの向上

意図しない費用を制御できるという点で、費用の異常検出は支出を最適化するもう一つの手段となります。これを予算などの既存のツールと組み合わせれば、より堅牢で柔軟な費用制御ガバナンスを実現できます。セットアップが不要なこの機能は、異常をその日のうちに検出し、詳細な根本原因分析と準リアルタイムのアラートを提供することで絞り込んだ対応を可能にします。すでに独自の異常検出ソリューションをお使いの場合でも、費用の異常検出を無料でお試しいただき、その結果とカスタマイズ可能な制御を既存のソリューションとぜひご比較ください。

このプロダクトにアクセスして FinOps の実践強化を始めるには、Google Cloud の課金コンソールをご確認ください。このプロダクトの詳細については、こちらのドキュメントをご覧ください。

ープロダクト マネージャー Shruthi Nambi

BigQuery ジョブエクスプローラ: BigQuery ジョブを一元的にモニタリング、トラブルシューティング

Tue, 01 Oct 2024 01:00:00 +0000

※この投稿は米国時間 2024 年 9 月 24 日に、Google Cloud blog に投稿されたものの抄訳です。

組織内で実行されている SQL クエリのあまりの多さに手に負えなくなったことはありませんか。コストの高いクエリを特定し、その実行ユーザーを追跡し、エラーの急増を確認するのは日常茶飯事です。そのため、クエリアクティビティの効率的なモニタリングと管理は、パフォーマンスに優れた正常なシステムの維持に欠かせません。

本日は、クエリ関連全般のコマンドセンターである BigQuery ジョブエクスプローラについてお知らせいたします。現在一般提供されている BigQuery ジョブエクスプローラを使用すると、組織のクエリアクティビティを詳細に把握し、トラブルシューティングを効率化して、リソース使用率を最適化できます。

「BigQuery ジョブエクスプローラのおかげで、組織全体の SQL アクティビティを一括表示で包括的に把握できるため、異常を特定して事前に対処することが可能です。ジョブエクスプローラはリリース以来、PayPal でプラットフォームを効率化し、最適なシステムパフォーマンスを維持する上で不可欠なアセットとなっています。」- PayPal シニア MTS データベースエンジニア、Abhijit Vyas 氏

1 つのツールでさまざまな課題を解決

BigQuery ジョブエクスプローラは汎用性に優れたツールであり、1 つのプラットフォームから幅広いユースケースに取り組むことができます。

モニタリング: クエリアクティビティを俯瞰

ジョブエクスプローラにより、組織全体のあらゆる SQL アクティビティを包括的かつリアルタイムに把握できます。さまざまなソースから情報をつなぎ合わせなくても済むようになり、いつどこで何が起こっているかを一括表示で把握できます。

リアルタイム モニタリング: ジョブのステータス、進捗状況、リソースの使用量をリアルタイムで追跡できます。
主な指標を一目で確認: totalSlotMs や処理されたバイト数などの指標に基づいてトラフィックを分類、分析できます。
クエリ実行を可視化: 直感的なグラフにより、クエリパフォーマンスパターンを簡単に把握できます。

このレベルの可視性により、潜在的な問題を事前に特定し、傾向をつかみ、リソース割り当てについて情報に基づいた意思決定を行うことができます。

トラブルシューティング: 問題を迅速に特定して解決

何か問題が発生した場合、ジョブエクスプローラを使用して問題の根本原因を迅速に突き止めることができます。

複雑なクエリは不要: INFORMATION_SCHEMA クエリを記述しなくても重要なジョブ情報にアクセスできます。
強力なフィルタリングと並べ替え: ステータス、優先度、オーナー、プロジェクトなどでジョブをすばやく絞り込むことができます。
対応: ジョブエクスプローラから直接、暴走したクエリを強制終了して、費用を節約し、リソースを回収することができます。
クエリの詳細を確認: 任意のジョブをクリックすると、その実行グラフなどの主な実行の詳細が表示されます。

ジョブエクスプローラにより、トラブルシューティングのプロセスが簡素化され、BigQuery 環境のスムーズな継続実行に集中できます。

最適化: パフォーマンスを改善し、費用を管理

ジョブエクスプローラは問題に対処するだけでなく、BigQuery の使用状況を事前に最適化します。

パフォーマンスのボトルネックを特定: リソースを過剰に消費しているクエリや、完了までに時間がかかりすぎているクエリを特定できます。
クエリのパフォーマンス分析情報: BigQuery によってタグ付けされたクエリを見つけて対処し、実用的なパフォーマンス分析情報を得られます。
費用を管理: 非効率的なクエリを特定して対処することで、過剰な支出を避けられます。ごく一部のクエリに対処するだけで、大部分の最適化が済むことは少なくありません。

ジョブエクスプローラにより、クエリアクティビティについて詳細に把握して、BigQuery への投資を最大限に活用することができます。

次のステップ

BigQuery ジョブエクスプローラはまだ始まりにすぎません。Google は、お客様の進化するニーズに応えるために、BigQuery の機能を継続的に改善、拡張することに尽力しています。今後の最新情報にもご注目ください。また、bq-query-inspector-feedback@google.com までお気軽にフィードバックをお寄せください。この機能の詳細については、公開ドキュメントをご覧ください。

ー BigQuery プロダクト マネージャー Vinay Yerramilli

フレキシブル確約利用割引がさらに柔軟に

Mon, 22 Jul 2024 03:00:00 +0000

※この投稿は米国時間 2024 年 7 月 16 日に、Google Cloud blog に投稿されたものの抄訳です。

Google Cloud では、Google Compute Engine での低レベル VM、Google Kubernetes Engine（GKE）でのコンテナオーケストレーション（フルマネージドの Autopilot モードを含む）、Cloud Run など、ワークロードを実行するための優れた方法が数多く提供されています。これまで、費用を最適化するには、これらの異なるプロダクトをそれぞれカバーする確約利用割引（CUD）を複数購入する必要がありました。たとえば、GKE の Standard モードで実行されるワークロードを含む VM の費用には Compute Engine フレキシブル CUD を、Cloud Run の常時稼働インスタンスには Cloud Run CUD を、GKE Autopilot で実行されるワークロードには Autopilot CUD を購入する必要がありました。

新たな Compute フレキシブル CUD

このたび、Compute Engine フレキシブル CUD は、新名称の Compute フレキシブル CUD となり、Cloud Run オンデマンドリソース、ほとんどの GKE Autopilot Pod、プレミアムの Autopilot Performance コンピューティングクラスおよび Autopilot Accelerator コンピューティングクラスに対応するよう拡充されたことを発表します。対象となるプロダクトなど、詳細については、ドキュメントと SKU のリストをご覧ください。

1 回の CUD 購入で、Compute Engine、GKE、Cloud Run の 3 つのプロダクトすべてで対象となる費用をカバーできます。3 年間のコミットメントでは 46%、1 年間のコミットメントでは 28% の割引が適用されます。この単一の CUD への統合により、1 つのコミットメントでこれらすべてのプロダクトを使用できるようになり、柔軟性が最大限に高まります。さらに、これらのコミットメントはリージョンに依存しないため、どのリージョンのリソースでも対象のプロダクトを使用できます。

Autopilot CUD の提供終了

拡充された新しい Compute フレキシブル CUD は、GKE Autopilot CUD よりも割引率が高く、全体的な柔軟性も高いため、GKE Autopilot CUD の提供を終了します。以前の GKE Autopilot CUD は、10 月 15 日までご購入いただけますが、それ以降はご購入いただけなくなります。既存の CUD は、いつ購入したかにかかわらず、対象期間中は引き続きご利用になれますが、現在および将来のニーズを見据えて、柔軟性と割引率が高い、新しい Compute フレキシブル CUD を検討することをおすすめします。

ご利用方法

すでに Compute Engine フレキシブル CUD を使用している場合は、対象となる Cloud Run および GKE Autopilot の使用量に対して自動的に割引が適用されます（以前の GKE Autopilot CUD のようなプロダクト固有の CUD がある場合は、そちらが先に適用されます）。Compute フレキシブル CUD を初めて使用する場合でも、始めるのは簡単です。対象となる SKU 全体で 1 時間あたりの使用量を見積もり、利用期間（1 年または 3 年）に予想される継続的な使用量に見合ったコミットメントを購入することで費用を削減できます。使用量の増加に応じて CUD を追加することも可能です。

Google Cloud でのワークロードプラットフォームの構築に、この高い柔軟性がお役に立てば幸いです。

次のステップ

-Google Kubernetes Engine、グループプロダクトマネージャー William Denniss
-Google Compute Engine、シニアプロダクトマネージャー Yasmin Mowafy

新しい Looker テンプレートと BigQuery ビューを使用してクラウド間で課金データを正規化する

Fri, 05 Jul 2024 01:05:00 +0000

※この投稿は米国時間 2024 年 6 月 22 日に、Google Cloud blog に投稿されたものの抄訳です。

Google Cloud は、クラウド費用をより適切に管理、最適化するために、他のクラウドプロバイダと並んで Google Cloud の費用を分析するためのリソースが必要であると強く信じています。クラウドプロバイダ間では異なる課金用語が使用されているため、その対応付けを行うために時間を費やす必要がありました。私たちはオープンスタンダードを通じてそれを解決したいと考えています。Google は、FinOps Foundation の創設メンバーであり、FOCUS™ プロジェクトの創設運営委員会メンバーであるとともに、v0.5 および v1.0 オープン課金仕様のプレビュー版と一般提供双方に対する主要な貢献者でもあります。このたび、一般提供されている最新の FOCUS v1.0 に基づいてクラウド全体のクラウド費用管理を簡素化する、新しい Looker テンプレートビューがリリースされたことをお知らせいたします。

FOCUS とは

クラウド課金データの統一仕様である FOCUS は、複数のクラウドベンダー全体の費用と使用状況の課金データを標準化する技術仕様です。FOCUS の目的は、クラウドと使用状況データを 1 つの共通データスキーマに統合することにより、クラウド課金データ全体の整合化と標準化を実現することです。FOCUS が登場する前は、複数のクラウドサービスプロバイダ（CSP）間で主要なクラウド費用と使用状況の基準を正規化する業界標準がなかったため、請求額、クレジット、使用状況、指標をクラウドプロバイダ間でどう対応付ければよいかを把握することが困難でした（詳しくは FinOps に関するよくある質問をご覧ください）。

FOCUS イニシアチブは、クラウド課金データのオープンスタンダードを開発しており、すべての主要クラウドベンダーに採用されています。バージョン 1.0 の導入により、CSP によって生成される課金データセットに共通の分類法、用語、指標が確立されました。

一般提供版 FOCUS v1.0 向けの新しい Looker テンプレートのご紹介

新しい Looker テンプレートを使用すると、FOCUS クエリの結果に基づいてテーブルを生成し、Looker で未払いの請求データを可視化できます。提供されている LookML コードによってこれらのテーブルが自動的に作成および管理されるため、手動で作成する必要はありません。このテンプレートは、サービス、SKUS、ゾーン、リージョン、リソースタイプ全体の費用傾向を可視化する方法の概要を示しており、多くの利点があります。

すぐに使えるテンプレート: カスタムダッシュボードの登場を待つ必要はありません。テンプレートを使用すると、費用の傾向（サービス、料金、地域別の内訳）を示す、事前に可視化されたビューにすぐにアクセスできます。
簡単なフィルタリング: このテンプレートはデータアナリストでなくても使用できます。Looker には、特定の期間やサービスを基準にフィルタし、数回クリックするだけで詳細にドリルダウンできる直感的なインターフェースが備わっています。
カスタマイズ性: テンプレートは優れた出発点ですが、Looker の柔軟性により、特定のニーズに合わせてビューをカスタマイズできます。カスタム指標を追加したり、可視化を変更したり、ダッシュボードを既存のワークフローに埋め込んだりする必要がある場合は、簡単に行うことができます。

請求サービス、パブリッシャー、コミットメントなどに基づく費用の表示

一般提供版 FOCUS v1.0 向けに更新された BigQuery ビュー

Google は、費用と使用状況に関連する Cloud Billing データを BigQuery にエクスポートする手段を 3 種類提供しています。標準の課金データのエクスポート、詳細な課金データのエクスポート（リソースレベルのデータと料金フィールドを料金エクスポートテーブルに結合）、料金のエクスポートです。Google は 1 月に、SQL クエリの結果を表す仮想テーブルである新しい BigQuery ビューを導入しました。このビューは、データをプレビュー版 FOCUS v1.0 の形式に変換するものでした。そしてこのたび、FOCUS v1.0 の一般提供に合わせて BigQuery ビューを更新することになりましたのでお知らせします。すでにプレビュー版を使用しており、BigQuery ビューを一般提供版 FOCUS に更新する場合は、新しい変更を反映するように最新の状態に保たれている既存のガイドをご覧ください。

BigQuery ビューの優れている点は、クエリ可能な仮想テーブルに、ビューを定義する基本クエリで指定されたテーブルとフィールドのデータのみが含まれていることです。BigQuery ビューは仮想テーブルなので、すでに BigQuery へ課金データをエクスポートしている場合、データストレージの追加料金は発生しません。BigQuery ビューを使用すると、以下のことが可能になります。

FOCUS v1.0 仕様に適合した Google Cloud Billing データを表示してクエリを実行する
Looker Studio のような可視化ツールのデータソースとして BigQuery ビューを使用する
共通の FOCUS フォーマットを使用して、Google Cloud の費用を他のプロバイダのデータと一緒に分析する

仕組み

FOCUS BigQuery ビューは、既存の Cloud Billing データ上にある仮想テーブルとして機能します。この機能を使用するには、詳細な課金データのエクスポートと料金のエクスポートを有効にする必要があります。FOCUS BigQuery ビューでは、基本 SQL クエリを使用して Cloud Billing データを FOCUS スキーマにマッピングし、指定されたフォーマットで表示します。こうすることで、FOCUS ネイティブであるかのようにデータをクエリして分析でき、さまざまなクラウドプロバイダ間で費用を分析しやすくなります。
Looker テンプレートは、Looker Studio ではなく、Looker と Looker Core でサポートされています。テンプレートをすぐに使用するには、詳細な課金データのエクスポートと料金のエクスポートが有効になっていることを確認してください。また、新しい Looker プロジェクトおよび接続を作成するための権限も必要です。
BigQuery ビューとは異なり、この Looker テンプレートは一時テーブルを利用します。提供されている LookML コードによってこれらのテーブルが自動的に作成および管理されるため、手動で作成する必要はありません。

Google は、FOCUS の力を Looker と BigQuery で簡単に活用できるように手順ガイドを作成しました。前述の Looker テンプレートとサンプル SQL クエリを表示し、手順ガイドに沿って活用するには、こちらから登録を行ってください。

サービス、リージョン、アベイラビリティゾーン、コミットメント別に費用を比較する

将来に向けて: オープンな課金標準をリード

Google は、お客様、業界の FinOps 実践者、FinOps Foundation、CSP、SaaS プロバイダなどとともに、オープンな課金標準によるスタンダードを今後も形作っていきたいと考えています。FOCUS Looker テンプレートと BigQuery ビューを活用したクラウド費用の統合ビューを今すぐお試しください。詳細を確認して利用するには、こちらからご登録ください。

^{上述の機能の開発に協力してくれた Paige Rutherford、Sidney Stefani、Jingjie Zheng、Jacky Liu、Gina Huh に感謝の意を表したいと思います。}

-Cloud FinOps、シニア プロダクト マネージャー Rupa Patel

FinOps のレベルアップ: FinOps X 2024 で発表された費用管理に関する 5 つのイノベーション

Fri, 05 Jul 2024 01:00:00 +0000

※この投稿は米国時間 2024 年 6 月 22 日に、Google Cloud blog に投稿されたものの抄訳です。

Google Cloud の FinOps プロダクトの理念は、すべてのクラウド費用を可視化して割り当てること、支出を無駄なく効率的にすること、そしてもちろん、予想外の費用が発生しないようにすることです。そして、Google Cloud は再び FinOps イノベーションの最前線に立ち、FinOps X 2024 でいくつかの興味深い新製品を発表しました。なぜなら、私たちが追い求めてやまないのは、イノベーションを通じてすべての人にクラウドの価値を解き放つことだからです。

今年の FinOps X で Google がもたらした FinOps の 5 つの革命を以下に示します。

1. オープンなクラウド請求データを現実のものとする

Next’24 において、最新の FinOps Open Cost & Usage（FOCUS）仕様で定義された属性や指標に一致するように Google Cloud の費用データを変換する新しい BigQuery ビューが発表されました。BigQuery ビューは、SQL クエリの結果を表す仮想テーブルです。すでに BigQuery への課金データのエクスポートをご利用の場合、追加のデータストレージ料金は発生しません。今週、最新の FOCUS v1.0 仕様の一般公開リリースに適合するように BigQuery ビューがアップデートされ、この BigQuery ビューに対応する FOCUS Looker ビューが発表されました。

FOCUS Looker ビューを使用すると、以下のことが可能になります。

FOCUS 仕様に適合した Google Cloud 請求データを表示し、フィルタする
費用、変化、サービス、リージョン、アベイラビリティゾーンを直感的なグラフで可視化する
手作業を最小限に抑える。これらのテーブルは、提供されている LookML コードによって自動的に作成および管理されるため、手動で作成する必要はない

Google Cloud データが FOCUS 1.0 規格に従って正規化され、正規料金での費用順に並べ替えて表示されます。

2. テクノロジーではなくビジネスの言語で話す

Google Cloud の AI 研究チームの協力の下で Gemini Cloud Assist が進化を遂げ、レポートに組み込まれた FinOps 費用管理機能が強化されました。Gemini Cloud Assist は、正確さを何よりも優先することを明確な目標としています。クラウドの費用に関しては、いかなるときも正確さが求められるからです。以下に、Gemini がどのようにしてユーザーの時間を節約するかを示します。

費用レポートをその場で作成する: 必要な操作は、Gemini Cloud Assist に何の費用が知りたいかを伝えることだけです。たとえば、「Dora プロジェクトの先月のコンピューティング費用はいくらですか？」と尋ねます。あるいは、次のように、今取り組んでいるビジネス上の問題について質問することもできます。「前四半期に費用が増加した原因は何ですか？」これだけで Gemini Cloud Assist から正確な費用レポートが提供されるため、その回答を基に問題をさらに深く掘り下げることができます。
重要な分析情報を要約する: もはや、費用を把握するためにデータをダウンロードして手動で分析する必要はありません。Gemini Cloud Assist から提供された費用レポートに重要な分析情報がすでに記載されており、データを自ら掘り起こさなくても、最も重要な費用発生源や傾向が即座にわかります。
詳細な費用傾向を詳しく調べる: Billing BigQuery Export（BQE）を使用すれば、費用レポートのデータを複製するためのクエリを記述する必要はありません。Google Cloud の使用状況に対する費用レポートを表示すると、詳細な費用を詳しく調べるための BigQuery スクリプトが提供されるため、FinOps の専門家がデータサイエンティストの役割を果たすことができます。

Gemini Cloud Assist for FinOps は、正確さとプライバシーを何よりも重視してお客様がクラウド費用をより簡単に把握できるようサポートします。また、Gemini Cloud Assist からの回答はすばやく簡単に監査できるようになっているため、安心して使えます。

3. 費用の定義を温室効果ガス排出量まで拡大する

お客様のクラウド環境を財務実績とサステナビリティの両方の観点から最適化するため、FinOps ハブに温室効果ガス排出量レポートが統合されました。このレポートを使用すると、ビジネス目標を達成しながら、二酸化炭素排出量を測定、報告、削減できます。FinOps ハブは、ロケーションベースの二酸化炭素排出量データと Google の放置されたプロジェクトの推奨事項を通じて行動につながるインサイトを提供し、会社の収益と地球環境の双方に利益となる効果的な意思決定を促進します。Google の放置されたプロジェクトの推奨事項は、過去の使用状況に基づいてアイドル状態のリソースに対する推奨アクションを提示するもので、クラウド費用と二酸化炭素排出量の両方の削減につながります。

FinOps ハブで直接温室効果ガス排出量レポートを使用すると、お客様のクラウド環境が地球環境に及ぼす影響をより深く理解できます。これは、たとえば以下のようなことに役立ちます。

排出ホットスポットを特定する: 温室効果ガス排出量の多くの部分を占めるリージョン、プロジェクト、プロダクトを簡単に特定できます。この貴重な情報を使用して、サステナビリティに対する取り組みを改善するために実施可能な施策を検討できます。
サステナビリティの目標を設定、追跡、達成する: 温室効果ガス排出量レポートは、サステナビリティの目標を設定および追跡するためのベースラインとして使用できます。
炭素効率の高いリージョンを特定する: 温室効果ガス排出量の削減を図るため、報告された温室効果ガス排出量から炭素効率の最も高いリージョンを特定し、そこにリソースをデプロイできます。炭素効率の最も高いリージョンは、FinOps ハブの推奨事項に新たに追加された「低 CO2」インジケーターによって見分けることができます。

リージョン、プロジェクト、または個々の Google Cloud サービスごとに温室効果ガス排出量を把握できます。

4. 効率的なクラウドの姿を準リアルタイムでモデル化する

Google はお客様からのご意見に真摯に耳を傾けました。CUD の推奨事項はお客様に好評ではあるものの、個々のお客様に固有のビジネス実態を反映した「What-If」シナリオをモデル化するには、もっと強力な機能が必要です。こうした理由から、FinOps ハブに CUD のシナリオモデリングが導入されました。

これにより、お客様は自社ビジネスの現実を反映したシナリオを構築し、確約利用戦略に一致する適切なレベルの確約利用を迅速に特定できます。さらに、以下によってさらなる費用の節約も可能となります。

使用パターンを把握する: 30 日、60 日、90 日、180 日のカスタマイズ可能なルックバック期間の履歴データを詳細に調べることができます（180 日のルックバック期間は 2024 年 7 月から提供開始）。
データノイズを除去する: 予測を歪める可能性のある異常や外れ値を簡単に除外できます。
結果を即座に確認する: モデルパラメータを調整すると、推奨される確約利用量、1 か月あたりの推定削減額、使用パターングラフが準リアルタイムで更新されます。
自信を持って協働する: 作成されたモデルを同僚や意思決定者と共有することで、整合性を高め、情報に基づく意思決定を促進できます。

FinOps ハブといえば、アイドル予約の推奨事項も新たに追加されました。Compute Engine の予約を使用すると、需要のピーク期間中や予期しないイベントが発生したときでも重要な Google Cloud Platform コンピューティングリソースへのアクセスが保証されるため、運用が中断されず、コストのかかるダウンタイムを防ぐことができます。ただし、予約が不要になったときに削除するのを忘れてしまうケースも見受けられます。FinOps ハブの新しいアイドル予約の推奨事項を使用すると、使用パターンを分析することでクラウド費用を最適化し、無駄を排除できます。たとえば、一定の期間（デフォルトは 7 日間で、カスタマイズ可能）利用されていない予約を識別できるため、それらを削除して不要な支出を削減できます。

使用されていない予約に関する推奨事項を FinOps ハブに表示し、詳細を確認できます。

5. ノイズではなく実用的なアラートを送信する

Next で、費用の異常検出ソリューションの限定公開プレビューが発表されました。これは、Google Cloud プロジェクトを継続的にモニタリングし、予期しない費用の超過を準リアルタイムで特定するものです。予期しない費用の急上昇が詳細な根本原因とともに説明され、SKU に至るまでの主要な要因が示されます。これを使用すれば、課金コンソール内で異常に対するアラート設定を簡単に構成できます。1 回限りの簡単なセットアップにより、個々の異常ごとにメールアラートまたは Pub/Sub アラートを設定するか、必要な受信者グループに 1 日の要約をオプトインできます。また、費用への影響のしきい値を設定して、重大と思われる異常についてのみアラートを受け取ることもできます。さらに、ワンクリックでフィードバックを提供することにより、Google のスマートな AI 駆動型異常検出アルゴリズムの改善に貢献できます。最後に、異常についてまとめた CSV を 3 か月前までさかのぼってダウンロードできます。

最後に

Google は、プロダクトの継続的なイノベーションと進化を通じて、Google Cloud のお客様が現実的な FinOps の問題を解決できるよう尽力し続けています。本稿で取り上げた新しいリリースをぜひお試しいただき、Google Cloud の FinOps ユーザーグループに登録して Google プロダクトの開発に参画してください。ご意見やご感想をお待ちしております。

-Cloud FinOps、グループ プロダクト マネージャー Sarah McMullin

-Google Cloud Business Platform、エンジニアリング担当バイス プレジデント Pravir Gupta

Cloud FinOps と GKE: Generali が Google Cloud コンサルティングで支出を最適化した方法

Wed, 19 Jun 2024 01:00:00 +0000

※この投稿は米国時間 2024 年 6 月 1 日に、Google Cloud blog に投稿されたものの抄訳です。

「小規模なプラットフォームチームで、どうすれば複数の GKE クラスタで実行されている数百ものワークロードを最適化し、パフォーマンスや信頼性を犠牲にすることなく費用対効果を高めることができるか？」

これは、2023 年の夏から秋にかけて Google Kubernetes Engine（GKE）がホストするアプリケーションスイートを担当した Generali Switzerland のチームが直面した問題で、多くのお客様も共感するであろう難しい課題です。

GKE の最適化が容易ではない理由は 2 つあります。

クラスタの信頼性を最適化するのに使用できる、単一の指標が存在しないこと。そのため、どのような最適化が効果的であるかを判断するには複数の要素を考慮する必要があります（GKE における 4 つのゴールデンシグナルについての詳細は後述）。
多くの場合 GKE は分散されがちで、中央チームがクラスタを維持し、アプリケーションチームがクラスタにワークロードをデプロイします。このモデルは、アプリケーションとインフラストラクチャにまつわる責任範囲を分けることができれば有効です。しかし、アプリケーションチームがリクエストのサイズを大きくしすぎると、リソースの無駄になってしまいます。エンジニアは正しいワークロードのサイズ設定を意識する必要があります。

Generali では、GKE の使用状況がクラウド支出の大部分を占めているため改善の余地があると考えました。そこで Google Cloud コンサルティングに依頼して、同社のようなグローバルに展開する保険会社が、本番環境と非本番環境の両方でクラスタとワークロードを最適化するベストな方法を検討しました。その結果、2023 年 7 月から 9 月の 12 週間にわたるプロジェクトで、GKE の費用を 41% 削減できたことから、年間 €260,000 以上を節約できることがわかりました。

「ゴールデンシグナル」を分析する

この成果は、どのようにして、どのようなツールを使用して達成できたのでしょうか。さらに重要な点として、どうすれば他の企業も同じ同様の成果を出せるのでしょうか。

GKE の費用を最適化するときは、必ず「ゴールデンシグナル」の分析から始めます。これは GKE クラスタの効率を分析するのに使用する一連の指標です。シグナルには、以下が含まれます。

ワークロードのサイズ適正化と使用率
需要ベースの自動スケーリング
ビンパッキング
割引の適用範囲

シグナルの詳細については、State of Kubernetes Cost Optimization（Kubernetes の費用最適化の現状）レポートをご覧ください。ただし、クラスタの費用を最適化する手段としてお考えください。それでは、Generali はシグナルをどのように使用したのでしょうか。

ワークロードのサイズ適正化

まず、ワークロードのサイズ最適化から見てみましょう。ワークロードのサイズ最適化とは、できる限り実際のリソース使用量に近いリクエストを CPU とメモリに設定する作業です。これをクラスタ最適化の最初のステップとして行う必要があるのは、ワークロードのサイズ最適化を変更すると、ビンパッキングと割引の最適な設定に影響するためです。ワークロードのサイズ適正化は、考慮するアプリケーションの数が少なければ比較的シンプルな作業です。しかし、Generali のように多くのチームを抱え、数百ものアプリケーションがクラスタ上で実行されている場合は、大規模な適用は非常に困難です。

Google Cloud コンサルティングとの連携により、Generali の大半のアプリケーションにリクエストが設定されており、リソース使用率はリクエストの 20% に満たないことが判明しました。これは、節約の余地が大いにあります。このゴールデンシグナルを最適化するため、同社はすべてのアプリケーションリクエストを確認して抑制し、社内のアプリケーションチームとセッションを実施して、適切なリクエストを設定する重要性について教育し、スキルを高めました。これが、年間 €100,000 の節約につながりました。

ヒント: ワークロードのサイズがどのように最適化されているかは、すぐに使用できる GKE 費用最適化グラフと、推奨されるリクエストで確認できます。Google Cloud コンソールで使用できるリスクのある GKE ワークロードのダッシュボードも、コンテナがリクエストを設定していない場所の特定に役立ち、クラスタに関するその他の豊富な情報を参照できます。

リクエストのサイズ適正化は、クラスタの効率と費用に多大な影響を及ぼします。それに加えて、正しく設定されていないリクエスト（まったく設定されていない、少なすぎるなど）も、ワークロードがクラスタから削除される可能性があるためアプリケーションの信頼性に影響します。このシグナルを必ず最初に調査して、リクエストを継続的にモニタリングする必要があります。

需要ベースの自動スケーリング

Generali が考慮した 2 つ目のシグナルは需要ベースの自動スケーリングです。アプリケーションとインフラストラクチャをエンドユーザーからの需要に基づいて自動スケーリングするよう構成することで、トラフィックが一定しないワークロードの費用を大幅にカットできます。たとえば、Generali ではすでにインフラストラクチャは自動スケーリングされていたものの、このシグナルを分析したところ適切にトリガーされないことがあり、トラフィック量が少ないときでもスケールダウンが行われていなかったことが判明しました。Pod の自動スケーリング構成方法と、アプリケーションの構成エラーが原因です。

この動作を変更するために、同社はスケールダウンを妨げている問題を修正し、Google Cloud コンサルティングが提供したベストプラクティスに基づいて水平および垂直 Pod 自動スケーラーを構成しました。

Generali の場合、特定のワークロードの垂直 Pod 自動スケーリングと水平 Pod 自動スケーリングをブロック解除することで不要なノードの対価を払う必要がなくなり、費用削減がすぐに実現しました。ゼロへのスケーリング手法も取り入れ、年間 €35,000 の推定削減額を達成しました。

ビンパッキング

3 つめのシグナルであるビンパッキングは、ワークロードに適合するノードの最適な数と特性を選択します。アプリをノードにうまく詰め込むほど、無駄を省けます。Generali は GKE Standard と、Spot VM などのさまざまなノードプールを使用してビンパッキングを改善しました。ビンパッキングの割合はすでに 60% を超えていたものの、まだ改善の余地がありました。チームは、N2 マシンから、コスト最適化された E2 マシンへの移行に重点を置き、パフォーマンスと費用のバランスを改善しました。こうした変更と、さらなるビンパッキングの最適化により、Generali は年間 €105,000 ほどの節約ができることを確認しました。

最適化をさらに進めるため、Generali は GKE Autopilot のテストも行いました。ノード上の未使用の容量には課金されないため、総所有コストが低減されます。GKE は最適なノードを選択して管理し、ビンパッキングを改善して、本来はユーザーが行う必要がある自動スケーリングの設定など、多くの保守運用タスクを実施します。詳しくは、Autopilot のドキュメントガイドをお読みいただくか、GKE Standard と GKE Autopilot の機能を比較する方法をご確認ください。

割引の適用範囲

最後のシグナルである割引の適用範囲は、GKE に対して最大の費用対効果を得るために不可欠です。特に、確約利用割引（CUD）の対象になる可能性があるクラウドリソースを、確実に対象とするために重要です。

CUD では、リソースの一定期間（通常 1 年または 3 年）にわたる使用を確約することで、GKE 使用量に対して大幅な割引を得られます。GKE リソースの需要が予測可能で一貫している場合は、非常に効果的です。

GKE では 2 種類の CUD が提供されています。

GKE Autopilot モードの CUD: GKE Autopilot クラスタに特有の支出ベース割引を提供します。
リソースベースの CUD: GKE Standard クラスタに適用される vCPU とメモリの割引を提供します。

CUD は、最初は控えめに始めて、適用範囲を確立していくのがベストです。Generali はすでに CUD を使用しており、最適化により使用しているインフラストラクチャの総量に影響があると考えられることから、この最適化の作業が完了するまで新たなコミットメントの購入は待つことを選びました。Generali は、CUD により約 €75,000 の節約を予測しています。

Generali と Google Cloud にとっての素晴らしい成果

Google Cloud コンサルティングと連携して、Generali は GKE 投資に対し、パーセンテージにして 2 桁の節約を達成できました。プロジェクトリードの Mohamed Talhoui 氏によると、「今回 Generali が行った取り組みから得られた学びは、先を見越した財務管理と最適化の重要性」とのことです。

費用最適化の次のステップとして、Generali はすべてのクラスタのサイズ最適化とビンパッキングを終わらせて、GKE Autopilot の評価を完了させる計画を立てています。チームは、すべての費用最適化を実施し終えたら、新しいコミットメントの準備も予定しています。

Talhoui 氏は以下のように述べています。「Google Cloud コンサルティングの FinOps チームとのエンゲージメントは当社にとって非常に有益でした。Google の専門知識、ガイダンス、集中的な作業のおかげで、非常に短期間のうちに大幅な費用最適化が実現し、パフォーマンスやクオリティが犠牲になることもありませんでした。」

使ってみる

詳細については、FinOps に重点を置いた Google のサービスをご確認ください。また、お客様が学習、構築、運用し、成功を収めるうえで Google Cloud コンサルティングがどのようにお役に立てるかについてもご覧ください。

費用削減方法を見極めて導入し、本ブログ投稿のために分析情報を共有いただいた Generali Switzerland GKE チームの Nada Kammoun-Ksibi 氏、Mohamed Talhaoui 氏、Christophe Mugnier 氏、Mohamed Marzouk 氏、Daniele Altomare 氏、Jomon Joseph 氏、Gustavo Benitez 氏に感謝するとともに、成功を心よりお祝い申し上げます。

-Google Cloud コンサルティング、戦略的クラウドエンジニア Ecaterina Grisaeva
-Google Cloud コンサルタント、FinOps および Digital Transformation コンサルタント Sam Moss

Compute Engine の費用を節約する 5 つの方法

Fri, 14 Jun 2024 01:10:00 +0000

※この投稿は米国時間 2024 年 5 月 31 日に、Google Cloud blog に投稿されたものの抄訳です。

Compute Engine では、インフラストラクチャの最適化から割引の活用まで、費用を削減するためのさまざまな方法が提供されています。この 2 回にわたるブログ投稿では、Compute Engine の費用削減に役立つ実用的なヒントをいくつかご紹介します。クラウドを使い始めたばかりの中小企業であれ、支出の最適化を検討している大企業であれ、このガイドには誰にとっても有益な情報が詰まっています。

1. 現在の支出構造を精査

Compute Engine の予算最適化に取り掛かる前に、現在の状況と支出構造を理解して次の一手を十分な情報に基づいて判断できるように、マップを用意しておくとよいでしょう。Google Cloud コンソールの課金パネルは、まさにそのマップにあたるものです。ひとつひとつの SKU に至るまで、すべての支出を追跡し、何にお金を使っているかが正確にわかります。このパネルを使用すると、組織の財務の全体像を把握できるだけでなく、特定のプロジェクトにおける特定のプロダクトの使用コストを分析することもできます。

支出を詳しく調べることで、不要になったにもかかわらず、まだ支払いが続いているリソースを特定できます。結局のところ、お金を使わないこと以上にお金を節約できる方法はありません。

2. 自動生成された推奨事項をチェック

仮想マシンの一覧ページで、一部のマシンの横に電球アイコンが表示されていることにお気づきでしょうか。これらは、費用を節約するために検討できるアクションについて、Google Cloud により自動生成された推奨事項です。これらの有益なヒントはおすすめハブから提供されています。おすすめハブは、費用、セキュリティ、パフォーマンス、信頼性、管理、サステナビリティのカテゴリでプロジェクトを管理できるようにすることを目的とした新しいツールです。レコメンデーションシステムは、フリート構造に関するある種の分析情報を提供し、検討できるアクションを提案します。ここでの目標は、フリートパフォーマンスに影響を与えることなく費用削減を支援することです。

システムは、マシンタイプの変更（例: n1 から e2 へ）、使用率に基づいたマシンのスケールダウンなどのアクションを提案してくれます。推奨事項をクリックすると、提案された変更の概要と費用の推定削減額が表示されます。変更を適用するかどうかは選択できます。なお、コンピューティングへの変更にはインスタンスの再起動が必要です。

3. ディスクの種類を確認

フリート内のすべての仮想マシンには、少なくとも 1 つの永続ディスクがアタッチされている必要があります。Google Cloud のディスクにはさまざまなタイプがあり、多様なパフォーマンスと機能を提供します。次のようなタイプが利用可能です。

Hyperdisk - 特に要求の厳しいミッションクリティカルなアプリケーション用に設計された Hyperdisk は、データの永続性と管理機能の包括的なスイートを備えた、スケーラブルで高性能なストレージサービスを提供します。
Hyperdisk Storage Pools - 容量、スループット、IOPS のプリペイドコレクションです。必要に応じてアプリケーションにプロビジョニングできます。
Persistent Disk - 仮想マシンのデフォルトのストレージソリューション。ゾーンまたはリージョンで利用できます。次の 4 つのバリエーションがあります。

標準 - デスクトップパソコンの HDD ディスクに相当します。I/O 速度は遅くなりますが、最も価格の低いストレージを提供します。
SSD - 速度重視のソリューションで、優れた I/O パフォーマンスを提供します。ただし、GB あたりの費用が高くなります。
バランス -「標準」と「SSD」の中間で、新しいコンピューティングインスタンスのデフォルトソリューションです。
エクストリーム - 最も要求の厳しいワークロード向け。ディスクのサイズだけでなく、IOPS も制御できます。

ローカル SSD - 仮想マシンが実行されているホストに物理的に接続されている SSD。非常に高速ですが、永続的ではありません。

最も人気のあるストレージソリューションである Persistent Disk ストレージファミリーを中心に説明していきます。新しい仮想マシンを作成する際にデフォルトで使用されるディスクタイプは、バランス ディスクです。その名のとおり、パフォーマンスと費用のバランスが取れたディスクタイプです。バランスディスクは多くのシナリオに適していますが、すべてのアプリケーションに最適なオプションとは限りません。たとえば、自動スケーリングデプロイメントの一部であり、すべての関連情報を外部のキャッシュやデータベースに保存するステートレスアプリケーションでは、ディスクへの高速 I/O は必要ありません。これらのアプリケーションは、ディスクタイプを標準に変更する最適な候補となります。そうすることで、バランスディスクよりも GB あたり最大 3 分の 1 まで価格を下げられる場合があります（リージョンによって異なります）。

プロジェクトで使用されているディスクのリストを取得するには、次のコマンドを実行します。gcloud compute disks list --format="table(name, type, zone, sizeGb, users)"

ディスクタイプを変更するには、ディスクのクローンを作成し、そのディスクを使用している仮想マシンを変更して、新しいディスクを使用し始める必要があります。

4. ディスクの空き領域を解放

ストレージについて説明を続けますが、費用に影響するのはディスクタイプだけではありません。ディスク使用率も予算に大きく影響する場合があります。プロジェクトに 100 GB の永続ディスクがある場合、この容量の使用率が 20%、70%、あるいは 100% であっても、すべてに 100 GB 分の料金が発生します。アプリケーションでデータストレージに Persistent Disk を使用していない場合でも、ブートディスクには細心の注意を払う必要があります。ステートレスアプリケーションに、数ギガバイトの空き容量を持つディスクが本当に必要かどうかを検討し、実際の使用状況に合わせてそれらのディスクを調整することを検討してください。人は切りのいい数字を好むため、12 GB しか必要ないのに 20 GB のディスクを作成するといったことがよくありますが、そこは機械のようにふるまって、お金を節約していきましょう。

5. 確約利用割引*（CUD）を活用

このアドバイスは、Compute Engine だけでなく、他の多くのプロダクトにも当てはまります。一定数の仮想マシンを少なくとも 1 年間（または 3 年間）使用することがわかっている場合は、大幅な割引を受けることが可能です。さまざまな（CUD）を使用することで、vCPU、メモリ、GPU、ローカル SSD、単一テナントノード、ソフトウェアライセンスをはるかに低価格で利用できます。Flex CUD を使用すると、vCPU とメモリのコミットメントを単一のプロジェクト、リージョン、マシンシリーズに制限する必要もありません。

確約利用割引は多くの Google Cloud プロダクトでご利用いただけます。Google Cloud にご満足いただいており、すぐに利用を辞める予定がない場合は、可能な限り CUD の使用を検討して大幅な費用削減を実現することを強くおすすめします。コンピューティングの場合は、Google Cloud コンソールから直接 CUD を購入できます。

それでは始めましょう

今回のアドバイスは以上になります。次回の投稿では、コンピューティング費用の節約方法について、さらに多くのヒントをご紹介しますので、楽しみにしていてください。

-Google Cloud Platform、デベロッパー プログラム エンジニア、Maciej Strzelczyk

FinOps 戦略の強化: 一般提供が開始された FinOps ハブで最適化する

Fri, 24 May 2024 01:15:00 +0000

※この投稿は米国時間 2024 年 5 月 17 日に、Google Cloud blog に投稿されたものの抄訳です。

昨今のクラウド主導の世界では、最適化は競争上の優位性を獲得するための必須事項です。クラウドの費用を合理化することで、イノベーション、研究開発、新製品開発の加速、市場拡大の促進などに再投資可能なリソースを確保できます。

しかし現実的には、クラウド環境を大規模に最適化するのは大変な作業です。大規模なデータセットの管理、従量制料金の管理、複数のチーム間の調整などは、不可能な課題のように感じられるかもしれません。そこで役に立つのが FinOps ハブです。

FinOps ハブの概要

FinOps ハブを使用すると、インテリジェントな分析情報と実用的な推奨事項により、FinOps の実践を強化し、費用を最適化することができます。リソースのサイズ適正化、無駄の削減、確約利用割引（CUD）によるレートの最適化を行うことで、節約できた分をイノベーションに直接投資できます。このたび、FinOps ハブが一般提供となりました。

FinOps ハブ - FinOps を最適化するためのコマンドセンター

FinOps 担当者の支援

FinOps ハブの包括的なクラウド最適化ソリューションは、FinOps チームが直面する最大の課題を解決するように設計されており、料金と使用量に関する戦略を、お客様のビジネスニーズに合わせてカスタマイズすることができます。さらに、達成した節約額を簡単に確認して、成果を追跡できます。

FinOps ハブの主な機能は次のとおりです。

節約の機会を数値化する

FinOps ハブを使用すると、費用削減のパフォーマンス指標を簡単に把握できます。これらの指標には、達成した節約額と、アクティブな推奨事項によって達成できる可能性のある節約額の両方が含まれます。本日より、節約額が最も高い可能性があるプロジェクトを特定できます。これにより、最適化の取り組みに優先順位を付け、最大の財務的利益をもたらす分野に集中することができます。

新機能 - プロジェクト別の節約可能額を表示するウィジェット

費用削減の上位の推奨事項

Google の高度なレコメンデーションアルゴリズムと分析機能を活用して、ワークロードのサイズ適正化、無駄の削減、確約ベースの割引の最大化を実現できる機会を特定することで、リソースの効率的な利用と大幅な費用削減の達成を支援します。

FinOps のエキスパートでも、始めたばかりの方でも、「上位の推奨事項」ウィジェットによって簡単に利用を開始できます。お客様のビジネスにとって最も効果があり、簡単に導入できる費用削減の機会が推奨されます。

FinOps ハブの「上位の推奨事項」ウィジェット

FinOps ハブでは、複数のレコメンデーションエンジンにわたる複数のプロダクトの推奨がサポートされています。Compute Engine、Google Kubernetes Engine、Cloud SQL、Cloud Run など、Google Cloud 全体の主要サービスの費用を最適化するのに役立ちます（詳細はこちら）。

FinOps の実践を改善する

Google Cloud の使用パターンを詳細に分析して FinOps の実践状況を把握し、最適化すると、継続的な改善とチーム全体の財務アカウンタビリティの向上を実現できます。ピアベンチマーク（オプトアウト可能）は、FinOps 手順を実践できているかどうかや、確約利用割引（CUD）による全体的なレートの最適化について把握するために役立つ詳しいコンテキストを提供します。

Google Cloud FinOps スコア

CUD の最適化を数値化する

CUD の最適化ウィジェットでは、確約利用割引を最適化して最大限に節約するために役立つ 3 つの重要業績評価指標（KPI）を確認できます。最初の KPI である [先月の CUD による実際の費用削減] は、課金アカウントで使用するすべての Google Cloud サービスで、CUD によりどのくらいの金額を節約できたかを測定するために役立ちます。[最適化率] の [ご請求先アカウント] は、過去 1 か月間のプロダクトの総使用量を分析し、CUD によって支出をさらに最適化する機会があるかどうかを示します。最後の [ピアベンチマーク] は、全体的なパフォーマンスを把握するのに役立ちます。

Google Cloud の CUD 最適化率

FinOps の実践を強化する準備はできていますか？

FinOps ハブは、すばやく簡単に使い始めることができます。その直感的なインターフェースと強力な機能は、最適化の取り組みを合理化し、初日から測定可能な成果を実現できるように設計されています。

FinOps ハブにアクセスして、利用可能な推奨事項、FinOps スコアと CUD 最適化指標、請求先アカウントに関連付けられたプロジェクトの費用最適化を示す指標を確認するには、請求先アカウント管理者または請求先アカウント閲覧者のロールが必要です。

FinOps ハブにアクセスして、今すぐ費用最適化の機会を探りましょう。

-プロダクト マネージャー Alfonso Hernandez

-テクニカル プログラム マネージャー Adam Brown

Next ’24 からの Cloud FinOps に関するニュース

Wed, 24 Apr 2024 01:05:00 +0000

※この投稿は米国時間 2024 年 4 月 12 日に、Google Cloud blog に投稿されたものの抄訳です。

Google は Next ’24 で、お客様がクラウド費用を把握し、クラウド支出を最適化して、日々の費用が予想外にならないようにするための FinOps イノベーションをいくつか発表しました。Next に参加されなかった場合も問題ありません。このブログ投稿で Google Cloud FinOps に関するお知らせの概要をお読みください。

1. 画期的な請求額データによって Cloud FinOps を後押しする

Cloud Billing の費用データ、具体的には「料金（p）x 数量（q）」の出力は、あらゆる FinOps 手法に不可欠な構成要素です。最初から見えていないものを最適化することはできないからです。Cloud FinOps チームは、費用データ（お客様がクラウドに対して支払う金額）ができる限りタイムリーで、完全かつオープンなデータとなるよう懸命に取り組んでいます。

タイムリー: Google Cloud は、費用データのエンドツーエンドレイテンシの改善に焦点を当ててきました。Next において、Google は 32% の短縮、つまり P99 エンドツーエンドレイテンシ（BigQuery および Google Cloud UI への Cloud Billing のエクスポート内に費用の 99% が表示されるまでにかかる時間）が 24 時間未満となることを発表しました。
完全: Google Cloud ではその課金データがストリーミングされるという点で、Cloud Billing データは独自の技術といえます。ストリーミングによって課金データがよりタイムリーとなるだけではなく、純費用（ほとんどのクレジットを含む）が発生と同時に公開されるため、月を通して課金データがより完全なものになります。Google Cloud の費用データは推定ではなく、常に信頼できます。データの完全性を高めるため、Cloud Billing はバケットレベルでの Cloud Storage 費用と、ストレージタグのサポートを発表しました。これらは、Cloud Billing の詳細なデータを BigQuery にエクスポートするとすぐに利用できます。
オープン: Cloud Billing は、クラウドの課金データを 1 つの共通データスキーマに標準化することを目的とした、FinOps Open Cost and Usage Specification（FOCUS）の v0.5 および v1.0 プレビュー版の作成に協力しました。この取り組みと並行して、お客様がクラウドにおける費用や使用状況を比較できるように、新しい BigQuery データビューをリリースしました。この新しいビューを使用すると、FOCUS v1.0 プレビュー版の指定されたフィールドと形式で Google Cloud データを調査およびクエリすることができます。

この有用なデータを分析できる Google デベロッパーのチームがいないお客様でも問題ありません。Google は、FinOps が Cloud Billing コンソールから直接、費用管理レポートを BigQuery 請求クエリに変換できる機能も発表しました。これにより、データサイエンティストでなくても、誰でも簡単にデータを可視化して詳細に分析できるようになりました。

課金データを BigQuery にエクスポートするために、フィルタして目的の費用レポートビューを表示し、基になるクエリを生成。

2. AI の力で誰でも費用の異常検出が可能に

予想外の費用に備えるため、お客様は新しい Cloud FinOps 異常検出機能のプレビュー版により、AI を使って費用を継続的にモニタリングし、過去の支出パターンから逸脱した急増を特定できるようになりました。他にも、お客様にとって以下のようなメリットが追加されています。

セットアップが不要: 費用の異常検出は、支出履歴が 30 日以上あり、過去 6 か月間の支出額が $100 を超えている Google Cloud アカウントが Cloud Billing コンソールで利用できます。
すべてのプロジェクトで異常を追跡: お客様が指定した「費用への影響のしきい値」を使って、アカウント内のすべてのプロジェクトで費用を継続的にモニタリングできます。
きめ細かい根本原因分析: 検出されたすべての異常に対して詳細な根本原因分析を行うことにより、予期しない費用増加の原因となっている上位 3 つのサービス、リージョン、SKU を簡単に特定できます。

実際にお試しになりたい場合は、ぜひ今すぐプレビュー版に参加し、この機能の未来を一緒に形作りましょう。

サービス、リージョン、SKU など、支出増加の主な要因を示す、異常の根本原因分析。

3. 手間のかからない管理によって確約利用割引を最大限に活用する

State of FinOps Report 2024 が強調しているとおり、コミットメントベースの割引について理解し、管理することは、クラウドの費用対効果を最大限に高めるための重要な優先事項です。Google Cloud は、確約利用割引（CUD）を最適化するよう設計された、一連の高度な新機能により、FinOps の成功を支援することに取り組んでいます。新機能により以下を実現します。

明確さと管理性の向上。現在プレビュー版の統合確約利用割引（CUD）分析により、支出ベースとリソースベースどちらのコミットメントも、可視性が大幅に向上します。FinOps ハブダッシュボードを活用したこの新しい統合ソリューションにより、プロジェクト、リージョン、マシンタイプ別に極めて詳細なレベルで費用を簡単に分析できるようになります。統合 CUD 分析を使用すると、レポート作成にとどまらず、費用最適化戦略を直接改善する、行動につながるインサイトを入手できます。参加をご希望の場合は、今すぐプレビュー版にご登録ください。
インサイトと CUD の追跡の強化。きめ細かい CUD メタデータにより、CUD の透明性が一層向上します。Cloud Billing から BigQuery にエクスポートされた詳細なデータ内で、個々のサブスクリプション ID にリンクされた CUD 料金の内訳を確認できるようになりました。CUD インベントリの改良された CSV ダウンロードと組み合わせることにより、費用の追跡、コミットメントライフサイクルの分析、独自の命名規則を使ったコミットメントの包括的なビューの取得を簡単に行うことができます。

新しい CUD と、FinOps ハブで費用削減の可能性を確認する新しい方法: 新しい CUD 分析ソリューションは、TPU v5e、TPU v5p、A3、H3、C3D など、複数の Google Compute Engine（GCE）リソースファミリーで利用できます。加えて、Memorystore、AlloyDB、Bigtable、Dataflow の費用削減の可能性を引き出すため、新しい支出ベースの CUD が導入されました。これらの新しい CUD の登場により、現在一般提供されている FinOps ハブで、さらに大きな費用削減の可能性を確認できます。FinOps ハブには、費用削減につながるご利用方法をプロジェクトレベルで表示できる追加サポートも用意されているため、最適化の取り組みに優先順位を付けて効果を最大限に高めることができます。

現在一般提供（GA）されている FinOps ハブで、費用削減につながるご利用方法をプロジェクトごとに表示。

ここまでお読みいただき、ありがとうございました。ぜひ現行のプレビュー版にご登録いただき、フィードバックをお寄せください。Google はお客様と緊密に連携してプロダクトを開発しており、皆様のご意見やアイデアは大変貴重です。ぜひ忌憚のないご意見をお聞かせください。FinOps のイノベーションはこれだけにとどまりません。今年はさらに多くのことが計画されていますので、FinOpsX（2024 年 6 月 19～22 日）にご注目ください。Next ’24 に続き、さらにエキサイティングな FinOps プロダクトの開発について発表する予定です。

-Cloud FinOps、プロダクト リーダー Sarah McMullin

コスト管理

課金の簡素化と費用削減: 新しい費用ベースの CUD に関する FinOps ガイド

1. 費用ベースの CUD データモデルの変更内容

2. 変更前後の節約額を検証する方法

3. 新しい CUD 分析の他の機能

4. どの程度のコミットメントを購入すべきか

5. フレキシブル CUD についての関連情報

Save more with expanded coverage for Compute Flex CUDs

Workload Manager を使用して FinOps の費用管理ポリシーを自動化する

手動 FinOps の課題

FinOps ポリシーの自動化: 手順ガイド

Looker Studio で分析結果を可視化する

今すぐクラウド費用を管理

AI を活用した、よりスマートな費用の異常検出機能の一般提供開始のお知らせ

一般提供に含まれる新機能

1. デフォルトでの自動アラート

2. AI によるインテリジェントなしきい値

3. 偏差率による柔軟なフィルタリング

4. 導入初日から即座に保護

使ってみる

AI ユースケースの効果を測定する 3 部構成のフレームワーク

1. 成功の定義（価値）

2. 成功に必要な費用（投資）を明記する

3. ROI を示す

フレームワークの活用: カスタマー サービス向けの AI chatbot

始める

Google Cloud での AI 費用を計算する方法

コンピューティング フレキシブル CUD の対象範囲が拡大され、費用をさらに削減可能に

対象範囲の拡大で、よりパワフルに、よりお得に

この拡大が重要な理由

更新された課金モデル

利用状況と次のステップ

Google が 2025 年の IDC MarketScape: FinOps Cloud Costs Optimization でリーダーに選出

Cloud Hub の最適化と Cost Explorer を使用してクラウド費用を最適化する

アプリケーションの費用と使用率

FinOps ハブ 2.0 で春の大掃除

Google Cloud での AI 費用を計算する方法

原則に基づく適切な設計のフレームワークを活用したクラウド導入の加速

このアーキテクチャ フレームワークの対象ユーザー

アーキテクチャ フレームワークを導入するメリット

Palo Alto Networks、高額請求防止用に AI による費用の異常検出をカスタマイズしてデプロイ

異常のライフサイクル

1. 検出

2. 通知と分析

3. 緩和策

AI を活用して費用の異常を検出する新機能で予期しない費用を削減

費用の異常検出の概要

1. 検出

2. 調査

3. アラート

費用のオブザーバビリティの向上

BigQuery ジョブ エクスプローラ: BigQuery ジョブを一元的にモニタリング、トラブルシューティング

1 つのツールでさまざまな課題を解決

モニタリング: クエリ アクティビティを俯瞰

トラブルシューティング: 問題を迅速に特定して解決

最適化: パフォーマンスを改善し、費用を管理

次のステップ

フレキシブル確約利用割引がさらに柔軟に

新たな Compute フレキシブル CUD

Autopilot CUD の提供終了

ご利用方法

次のステップ

-Google Kubernetes Engine、グループ プロダクト マネージャー William Denniss-Google Compute Engine、シニア プロダクト マネージャー Yasmin Mowafy

新しい Looker テンプレートと BigQuery ビューを使用してクラウド間で課金データを正規化する

FOCUS とは

一般提供版 FOCUS v1.0 向けの新しい Looker テンプレートのご紹介

一般提供版 FOCUS v1.0 向けに更新された BigQuery ビュー

将来に向けて: オープンな課金標準をリード

FinOps のレベルアップ: FinOps X 2024 で発表された費用管理に関する 5 つのイノベーション

1. オープンなクラウド請求データを現実のものとする

2. テクノロジーではなくビジネスの言語で話す

3. 費用の定義を温室効果ガス排出量まで拡大する

4. 効率的なクラウドの姿を準リアルタイムでモデル化する

5. ノイズではなく実用的なアラートを送信する

最後に

Cloud FinOps と GKE: Generali が Google Cloud コンサルティングで支出を最適化した方法

「ゴールデン シグナル」を分析する

Generali と Google Cloud にとっての素晴らしい成果

使ってみる

-Google Cloud コンサルティング、戦略的クラウド エンジニア Ecaterina Grisaeva-Google Cloud コンサルタント、FinOps および Digital Transformation コンサルタント Sam Moss

フレームワークの活用: カスタマーサービス向けの AI chatbot

コンピューティングフレキシブル CUD の対象範囲が拡大され、費用をさらに削減可能に

このアーキテクチャフレームワークの対象ユーザー

アーキテクチャフレームワークを導入するメリット

BigQuery ジョブエクスプローラ: BigQuery ジョブを一元的にモニタリング、トラブルシューティング

モニタリング: クエリアクティビティを俯瞰

-Google Kubernetes Engine、グループプロダクトマネージャー William Denniss
-Google Compute Engine、シニアプロダクトマネージャー Yasmin Mowafy

「ゴールデンシグナル」を分析する

-Google Cloud コンサルティング、戦略的クラウドエンジニア Ecaterina Grisaeva
-Google Cloud コンサルタント、FinOps および Digital Transformation コンサルタント Sam Moss