本文說明可供選擇的機器系列、機器系列和機器類型，方便您建立虛擬機器 (VM) 執行個體或裸機執行個體，並取得所需資源。建立運算執行個體時，請從機器系列中選取機器類型，決定該執行個體可用的資源。
有多個機器系列可供選擇。每個機器系列又可細分為機器系列，以及每個系列中預先定義的機器類型。舉例來說，在一般用途機器系列的 N2 機器類型中，您可以選取 n2-standard-4 機器類型。
如要瞭解支援現成 VM (和先占 VM) 的機器系列，請參閱 Compute Engine 執行個體佈建模型。
Compute Engine 術語
本說明文件使用下列詞彙：
機器系列：已針對特定工作負載完成最佳化的一組精選處理器與硬體設定，例如一般用途、加速器最佳化或記憶體最佳化。
機器系列：機器系列會依系列、代別和處理器類型進一步分類。
每個系列都著重於運算能力或效能的不同層面。舉例來說，E 系列提供低成本的高效率 VM，而 C 系列則提供更優異的效能。
系統會以遞增數字表示世代。舉例來說，一般用途機器系列中的 N1 系列是 N2 系列的舊版。通常代別或系列編號越高，表示底層 CPU 平台或技術越新。舉例來說，M3 系列採用第 3 代 Intel Xeon 可擴充處理器 (Ice Lake)，比採用第 2 代 Intel Xeon 可擴充處理器 (Cascade Lake) 的 M2 系列更新。
生成 Intel AMD Arm 第 4 代機器系列 N4、C4、X4、M4、A4 C4D C4A、A4X 第 3 代機器系列 C3、H3、Z3、M3、A3 C3D 不適用 第 2 代機器系列 N2、E2、C2、M2、A2、G2 N2D、C2D、T2D、E2 T2A
機型：每個機型系列至少提供一種機型。每種機型都會為運算執行個體提供一組資源，例如 vCPU、記憶體、磁碟和 GPU。如果預先定義的機器類型不符合需求，您也可以為部分機器系列建立自訂機器類型。
以下各節說明不同機器類型。
預先定義的機器類型
預先定義的機器類型會提供無法設定的記憶體和 vCPU 數量。預先定義的機器類型會使用各種 vCPU 與記憶體比率：
highcpu：每個 vCPU 1 到 3 GB 的記憶體；通常每個 vCPU 2 GB 的記憶體。standard- 每個 vCPU 的記憶體為 3 到 7 GB，通常為每個 vCPU 4 GB。highmem- 每個 vCPU 的記憶體為 7 到 14 GB，通常為 8 GB。megamem- 每個 vCPU 14 到 19 GB 的記憶體hypermem- 每個 vCPU 19 到 24 GB 的記憶體；通常每個 vCPU 21 GB 的記憶體ultramem- 每個 vCPU 24 到 31 GB 的記憶體
舉例來說，c3-standard-22 機器類型有 22 個 vCPU，而 standard 機器類型則有 88 GB 的記憶體。
本機 SSD 機器類型
本機 SSD 機器類型是特殊的預先定義機器類型。機器類型名稱包括 lssd。使用下列任一機器類型建立運算執行個體時，系統會自動將 Titanium SSD 或本機 SSD 磁碟連接至執行個體：
-lssd：適用於 C4、C4A、C4D、C3 和 C3D 機器系列，這些機型會將預先決定的 375 GiB 本機 SSD 磁碟數量附加至執行個體。這類機器類型的範例包括c4a-standard-4-lssd、c3-standard-88-lssd和c3d-highmem-360-lssd。-standardlssd：這些機器類型適用於儲存空間最佳化 Z3 機器系列，每個 vCPU 最多可提供 350 GiB 的 Titanium SSD 磁碟容量。建議使用這些機器類型，針對中型資料集進行高效能搜尋和資料分析。這類機器類型的範例為z3-highmem-22-standardlssd。-highlssd：這些機型適用於 Z3 系列機器，每 vCPU 可提供 350 GiB 至 600 GiB 的 Titanium SSD 磁碟容量。這些機器類型效能優異，建議用於大型資料集的儲存空間密集型串流和資料分析。這種機器的範例是z3-highmem-88-highlssd。
其他機器系列也支援本機 SSD 磁碟，但使用的機器類型名稱不含 lssd。如要查看可搭配 Titanium SSD 或本機 SSD 磁碟使用的所有機器類型，請參閱「選擇有效的本機 SSD 磁碟數量」。
Bare Metal 機器類型
裸機機器類型是特殊的預先定義機器類型。機器類型名稱結尾為 -metal。使用這些機器類型建立運算執行個體時，執行個體上不會安裝管理程序。您可以將磁碟連結至 Bare Metal 執行個體，就像連結至 VM 執行個體一樣。裸機執行個體可與 VM 執行個體一樣，用於虛擬私有雲網路和子網路。
這些機型適用於 C4 (預先發布版)、C4D (預先發布版)、C3 和 X4 系列。
自訂機器類型
如果預先定義的機器類型都不符合工作負載需求，您可以為一般用途機器家族中的N 和 E 系列建立自訂機器類型的 VM 執行個體。。
自訂機器類型的使用費用略高於同等的預先定義機器類型。此外，自訂機器類型可選取的記憶體和 vCPU 數量也有限制。自訂機型的以量計價價格，會比預先定義機型的以量計價和承諾價格多出 5% 的附加費率。
建立自訂機型時，可以使用擴充記憶體功能。您可以指定記憶體大小，最高可達機器系列的限制，不必使用根據所選 vCPU 數量得出的預設記憶體大小。
詳情請參閱「建立採用自訂機型的 VM」。
共用核心機器類型
E2 和 N1 系列包含共用核心機器類型。這些機器類型會分時共用實體核心，如果是執行無須耗用大量資源的小型應用程式，選用此機器類型較經濟實惠。
E2：提供
e2-micro、e2-small和e2-medium共用核心機型，可短暫爆發使用 2 個 vCPU。N1：提供
f1-micro和g1-small共用核心機器類型，最多可短時間爆發使用 1 個 vCPU。
詳情請參閱「CPU 爆量」。
機器家族和系列建議
下表針對不同工作負載提供建議。
| 一般用途工作負載 | |||
|---|---|---|---|
| N4、N2、N2D、N1 | C4、C4A、C4D、C3、C3D | E2 | Tau T2D、Tau T2A |
| 兼顧價格與效能，適用於多種機器類型 | 具備穩定的高效能，適合各種工作負載 | 以較低的費用進行日常運算 | 適用於向外擴充工作負載，每核心效能/費用比最高 |
|
|
|
|
|
最佳化工作負載 |
|||
|---|---|---|---|
| 儲存空間最佳化 | 運算最佳化 | 記憶體最佳化 | 加速器最佳化 |
| Z3 | H3、C2、C2D | X4、M4、M3、M2、M1 | A4X、A4、A3、A2、G2 |
| 區塊儲存空間與運算資源比率最高，適合需要大量儲存空間的工作負載 | 效能超高，適合會耗用大量運算資源的工作負載 | 記憶體與運算比率最高，適合會耗用大量記憶體的工作負載 | 針對加速高效能運算工作負載完成最佳化 |
|
|
|
|
建立運算執行個體後，您可以根據工作負載使用最適規模建議，達到最佳資源使用率。詳情請參閱對 VM 套用機器類型建議。
一般用途機器系列指南
一般用途機器系列提供多種機器系列，可為各種工作負載提供最佳性價比。
Compute Engine 提供一般用途機器系列，可在 x86 或 Arm 架構上執行。
x86
- C4 機器系列適用於 Intel Emerald Rapids 和 Granite Rapids CPU 平台，並採用 Titanium。C4 機器類型經過最佳化，可提供穩定卓越的效能，並擴充至 288 個 vCPU 和 1.5 TB 的 DDR5 記憶體。C4 提供
highcpu(每個 vCPU 2 GB)、standard(每個 vCPU 3.75 GB) 和highmem(每個 vCPU 7.75 GB) 設定。 - C4D 系列機器採用 AMD EPYC Turin CPU 平台，並搭載 Titanium。與 C3D 相比，C4D 的最高升頻頻率更高，且每時脈指令數 (IPC) 也有所提升，因此資料庫交易速度更快。與 C3D 相比，C4D 運用 Hyperdisk 儲存空間和 Titanium 網路，在 MySQL 上每秒查詢次數最多可提高 55%，在 Redis 工作負載上效能最多可提升 35%。C4D 執行個體最多可搭載 384 個 vCPU 和 3 TB 的 DDR5 記憶體。C4D 提供
highcpu(每個 vCPU 1.875 GB)、standard(每個 vCPU 3.875 GB) 和highmem(每個 vCPU 7.875 GB) 設定。 - N4 機器系列採用 Intel Emerald Rapids CPU 平台，並搭載 Titanium。N4 機器類型經過最佳化，可提供彈性和成本效益，並具備預先定義和自訂的形狀，最多可擴充至 80 個 vCPU，以及 640 GB 的 DDR5 記憶體。N4 提供
highcpu(每個 vCPU 2 GB)、standard(每個 vCPU 4 GB) 和highmem(每個 vCPU 8 GB) 設定。 - N2 機器系列最多可搭載 128 個 vCPU，每個 vCPU 最多可提供 8 GB 記憶體，適用於 Intel Ice Lake 和 Intel Cascade Lake CPU 平台。
- N2D 機器系列最多可搭載 224 個 vCPU，每個 vCPU 具備 8 GB 記憶體，並可使用第二代 AMD EPYC Rome 和第三代 AMD EPYC Milan 平台。
- C3 系列機器最多可提供 176 個 vCPU，每個 vCPU 最多可提供 2、4 或 8 GB 記憶體，並可在 Intel Sapphire Rapids CPU 平台和 Titanium 上使用。C3 執行個體與基礎 NUMA 架構一致，可提供最佳、穩定且一致的效能。
- C3D 機器系列採用 AMD EPYC Genoa CPU 平台和 Titanium，每個 vCPU 最多可提供 360 個 vCPU 和 2、4 或 8 GB 的記憶體。C3D 執行個體與基礎 NUMA 架構一致，可提供最佳、穩定且一致的效能。
- E2 機器系列最多可搭載 32 個虛擬核心 (vCPU)，最多可提供 128 GB 記憶體，每個 vCPU 最多可提供 8 GB 記憶體，是所有機器系列中成本最低的。E2 系列機器的 CPU 平台是預先定義，可執行 Intel 處理器或第二代 AMD EPYC™ Rome 處理器。建立執行個體時，系統會為您選取處理器。這個機器系列提供各種運算資源，在 Compute Engine 中費用最低，搭配承諾使用折扣時更是如此。
- Tau T2D 機器系列提供最佳化的向外擴充功能集。每個 VM 執行個體最多可搭載 60 個 vCPU，每個 vCPU 最多可提供 4 GB 記憶體，並在第三代 AMD EPYC Milan 處理器上運作。Tau T2D 系列機器不會使用叢集執行緒，因此一個 vCPU 等於一個完整核心。
- N1 系列 VM 最多可搭載 96 個 vCPU，每個 vCPU 最多可提供 6.5 GB 記憶體，並且可在 Intel Sandy Bridge、Ivy Bridge、Haswell、Broadwell 和 Skylake CPU 平台上使用。
Arm
C4A 機器系列是第二個執行 Arm 處理器的機器系列，也是第一個執行 Google Axion 處理器的機器系列，支援 Arm V9 架構。 Trusted Cloud by S3NSC4A 執行個體採用 Titanium IPU，可卸載磁碟和網路作業，藉此減少主機處理作業，提升執行個體效能。
C4A 執行個體最多可提供 72 個 vCPU，每個 vCPU 最多可提供 8 GB 記憶體，C4A 提供
-lssd機型，搭載容量最高 6 TiB 的 Titanium SSD。C4A 執行個體不會使用多執行緒並行 (SMT)。C4A 執行個體中的 vCPU 等於整個實體核心。Tau T2A 機器系列是 Trusted Cloud by S3NS 第一個執行 Arm 處理器的機器系列。Tau T2A 機器經過最佳化，可提供極具吸引力的成本效益。每個 VM 最多可有 48 個 vCPU，每個 vCPU 搭配 4 GB 記憶體。Tau T2A 機器系列搭配 Arm 指令集和全核心頻率 3 GHz，Tau T2A 機器類型支援單一 NUMA 節點，且 vCPU 等於整個核心。
儲存空間最佳化機器系列指南
儲存空間最佳化機器家族最適合用於高效能和快閃最佳化工作負載，例如 SQL、NoSQL 和向量資料庫、向外擴充資料分析、資料倉儲和搜尋，以及需要快速存取本機儲存空間中大量資料的分散式檔案系統。儲存空間最佳化機器系列旨在提供高本機儲存空間輸送量和 IOPS，且延遲時間不到 1 毫秒。
- Z3
standardlssd執行個體最多可搭載 176 個 vCPU、1,408 GB 記憶體，以及 36 TiB 的 Titanium SSD。 - Z3
highlssd執行個體最多可搭載 88 個 vCPU、704 GB 記憶體和 36 TiB Titanium SSD。 - Z3 裸機執行個體 (搶先版) 具有 192 個 vCPU、1,536 GB 記憶體，以及 72 TiB 的本機 Titanium SSD。
Z3 採用 Intel Xeon 可擴充處理器 (代號為 Sapphire Rapids)，搭配 DDR5 記憶體和 Titanium 卸載處理器。Z3 將運算、網路和儲存空間創新技術整合至單一平台，Z3 執行個體與基礎 NUMA 架構一致，可提供最佳、穩定且一致的效能。
運算最佳化機器系列指南
運算最佳化機器系列可提供每個核心的最高效能，因此最適合執行運算密集型應用程式。
- H3 執行個體提供 88 個 vCPU 和 352 GB 的 DDR5 記憶體。H3 執行個體採用 Intel Sapphire Rapids CPU 平台和 Titanium 卸載處理器。H3 執行個體與基礎 NUMA 架構一致，可提供最佳、穩定且一致的效能。H3 可提升各種 HPC 工作負載的效能，例如分子動力學、計算地球科學、財務風險分析、天氣模型、前端和後端 EDA，以及計算流體力學。
- C2 執行個體最多可搭載 60 個 vCPU，每個 vCPU 最多可提供 4 GB 記憶體，適用於 Intel Cascade Lake CPU 平台。
- C2D 執行個體最多可搭載 112 個 vCPU，每個 vCPU 最多可提供 8 GB 記憶體，適用於第三代 AMD EPYC Milan 平台。
記憶體最佳化機器系列指南
記憶體最佳化機器系列的機器類型非常適合 OLAP 和 OLTP SAP 工作負載、基因體建模、電子設計自動化，以及耗用大量記憶體的 HPC 工作負載。相較於其他機器系列，這個系列每個核心可提供更多記憶體容量，最高可達 32 TB。
- X4 裸機執行個體最多可搭載 1,920 個 vCPU，每個 vCPU 可提供 17 GB 記憶體。X4 機器類型提供 16、24 和 32 TB 的記憶體，適用於 Intel Sapphire Rapids CPU 平台。
- M4 執行個體最多可搭載 224 個 vCPU，每個 vCPU 最多可提供 26.5 GB 記憶體，適用於 Intel Emerald Rapids CPU 平台。
- M3 執行個體最多可搭載 128 個 vCPU，每個 vCPU 最多可提供 30.5 GB 記憶體，適用於 Intel Ice Lake CPU 平台。
- M2 執行個體提供 6 TB、9 TB 和 12 TB 機器類型，適用於 Intel Cascade Lake CPU 平台。
- M1 執行個體最多可提供 160 個 vCPU，每個 vCPU 最多可提供 14.9 GB 到 24 GB 的記憶體，並且可在 Intel Skylake 和 Broadwell CPU 平台上使用。
加速器最佳化機器系列指南
加速器最佳化機器系列非常適合大規模平行的統一計算架構 (CUDA) 運算工作負載，例如機器學習 (ML) 和高效能運算 (HPC)。這個機器系列非常適合需要 GPU 的工作負載。
Google 也提供 AI 超級電腦，可建立經過加速器最佳化的 VM 叢集，並進行 GPU 間通訊，專為執行非常密集的 AI 和機器學習工作負載而設計。詳情請參閱「AI 超級電腦總覽」。
Arm
- A4X 執行個體最多可搭載 140 個 vCPU 和 884 GB 記憶體。每個 A4X 機型都連接 4 個 NVIDIA B200 GPU 和 2 個 NVIDIA Grace CPU。A4X 執行個體的網路頻寬上限為 2,000 GBps。
x86
- A4 執行個體最多可搭載 224 個 vCPU 和 3,968 GB 記憶體。每個 A4 機型都連接 8 個 NVIDIA B200 GPU。A4 執行個體的最大網路頻寬高達 3,600 Gbps，適用於 Intel Emerald Rapids CPU 平台。
- A3 執行個體最多可搭載 224 個 vCPU 和 2,952 GB 記憶體。
每個 A3 機器類型連接 1、2、4 或 8 個 NVIDIA H100 或 8 個 H200 GPU。A3 執行個體的網路頻寬上限為 3,200 Gbps，適用於下列 CPU 平台：
- Intel Emerald Rapids - A3 Ultra
- Intel Sapphire Rapids - A3 Mega、High 和 Edge
- A2 執行個體可搭載 12 到 96 個 vCPU，最多可提供 1,360 GB 記憶體。每個 A2 機型都連接 1、2、4、8 或 16 個 NVIDIA A100 GPU。A2 執行個體最高可提供 100 Gbps 的網路頻寬，適用於 Intel Cascade Lake CPU 平台。
- G2 執行個體可搭載 4 到 96 個 vCPU，最多可提供 432 GB 記憶體。每個 G2 機型都連接 1、2、4 或 8 個 NVIDIA L4 GPU。G2 執行個體的最大網路頻寬高達 100 Gbps，適用於 Intel Cascade Lake CPU 平台。
機器系列比較
請使用下表比較每個機器家族，判斷哪一個適合您的工作負載。參閱本節內容之後，如果您還是無法確定哪個系列最適合您的工作負載，我們會建議您先使用一般用途機器系列。如要進一步瞭解所有支援的處理器，請參閱「CPU 平台」。
如要瞭解所選設定對附加至運算執行個體的磁碟區效能有何影響，請參閱：
- Persistent Disk：依機器類型和 vCPU 數量劃分的磁碟效能
- Google Cloud Hyperdisk：Hyperdisk 效能限制
比較不同機器系列的特徵，從 C4A 到 G2。 您可以在「選擇要比較的執行個體屬性」欄位中選取特定屬性，比較下表中所有機器系列的這些屬性。
| 一般用途 | 一般用途 | 一般用途 | 一般用途 | 一般用途 | 一般用途 | 一般用途 | 一般用途 | 一般用途 | 一般用途 | 一般用途 | 最佳成本效益 | 儲存空間最佳化 | 運算最佳化 | 運算最佳化 | 運算最佳化 | 記憶體最佳化 | 記憶體最佳化 | 記憶體最佳化 | 記憶體最佳化 | 記憶體最佳化 | 加速器最佳化 | 加速器最佳化 | 加速器最佳化 | 加速器最佳化 | 加速器最佳化 | 加速器最佳化 | 加速器最佳化 |
| VM | VM | VM 和裸機 | VM 和裸機 | VM | VM | VM | VM | VM | VM | VM | VM | VM 和裸機 | VM | VM | VM | 裸機 | VM | VM | VM | VM | VM | VM | VM | VM | VM | VM | VM |
| Intel Emerald Rapids 和 Granite Rapids | Google Axion | AMD EPYC Turin | Intel Sapphire Rapids | AMD EPYC Genoa | Intel Emerald Rapids | Intel Cascade Lake 和 Ice Lake | AMD EPYC Rome 和 EPYC Milan | Intel Skylake、Broadwell、Haswell、Sandy Bridge 和 Ivy Bridge | AMD EPYC Milan | Ampere Altra | Intel Skylake、Broadwell 和 Haswell，AMD EPYC Rome 和 EPYC Milan | Intel Sapphire Rapids | Intel Sapphire Rapids | Intel Cascade Lake | AMD EPYC Milan | Intel Sapphire Rapids | Intel Emerald Rapids | Intel Ice Lake | Intel Cascade Lake | Intel Skylake 和 Broadwell | Intel Skylake、Broadwell、Haswell、Sandy Bridge 和 Ivy Bridge | NVIDIA Grace | Intel Emerald Rapids | Intel Emerald Rapids | Intel Sapphire Rapids | Intel Cascade Lake | Intel Cascade Lake |
| x86 | Arm | x86 | x86 | x86 | x86 | x86 | x86 | x86 | x86 | Arm | x86 | x86 | x86 | x86 | x86 | x86 | x86 | x86 | x86 | x86 | x86 | Arm | x86 | x86 | x86 | x86 | x86 |
| 2 至 288 | 1 至 72 | 2 至 384 | 4 到 176 | 4 至 360 | 2 至 80 | 2 至 128 | 2 至 224 | 1 至 96 | 1 至 60 | 1 至 48 | 0.25 至 32 | 8 到 192 | 88 | 4 到 60 | 2 至 112 | 960 到 1,920 | 28 到 224 | 32 到 128 | 208 至 416 | 40 至 160 | 1 至 96 | 140 | 224 | 224 | 208 | 12 至 96 | 4 到 96 |
| 討論串 | 核心 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 | 核心 | 核心 | 討論串 | 討論串 | 核心 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 | 核心 | 討論串 | 討論串 | 討論串 | 討論串 | 討論串 |
| 2 至 2,232 GB | 2 至 576 GB | 3 至 3,072 GB | 8 至 1,408 GB | 8 至 2,880 GB | 2 至 640 GB | 2 至 864 GB | 2 至 896 GB | 1.8 至 624 GB | 4 至 240 GB | 4 至 192 GB | 1 至 128 GB | 64 至 1,536 GB | 352 GB | 16 至 240 GB | 4 至 896 GB | 16,384 至 32,768 GB | 372 至 5,952 GB | 976 至 3,904 GB | 5,888 至 11,776 GB | 961 至 3,844 GB | 3.75 至 624 GB | 884 GB | 3,968 GB | 2,952 GB | 1,872 GB | 85 至 1,360 GB | 16 至 432 GB |
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | |||||||
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | |||||
| — | — | — | — | — | — | — | — | — | — | ||||||||||||||||||
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | ||||||||||||
| — | — | <style="white-space:no-wrap;"> AMD SEV </style="white-space:no-wrap;"> | Intel TDX | <style="white-space:no-wrap;"> AMD SEV </style="white-space:no-wrap;"> | — | — | <style="white-space:no-wrap;"> AMD SEV 、 AMD SEV-SNP </style="white-space:no-wrap;"> | — | — | — | — | — | — | — | <style="white-space:no-wrap;"> AMD SEV </style="white-space:no-wrap;"> | — | — | — | — | — | — | — | — | — | Intel TDX、 NVIDIA 機密運算 | — | — |
| NVMe | NVMe | NVMe | NVMe | NVMe | NVMe | SCSI 和 NVMe | SCSI 和 NVMe | SCSI 和 NVMe | SCSI 和 NVMe | NVMe | SCSI | NVMe | NVMe | SCSI 和 NVMe | SCSI 和 NVMe | NVMe | NVMe | NVMe | SCSI | SCSI 和 NVMe | SCSI 和 NVMe | NVMe | NVMe | NVMe | NVMe | SCSI 和 NVMe | NVMe |
| — | — | — | — | — | — | — | — | — | — | — | |||||||||||||||||
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | ||||||||
| — | — | — | — | — | — | — | — | — | — | — | — | ||||||||||||||||
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | |||||
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | |||||||||
| — | — | — | — | — | — | — | — | — | |||||||||||||||||||
| 128 | 0 | 12 TiB | 12 TiB | 12 TiB | 0 | 9 TiB | 9 TiB | 9 TiB | 0 | 0 | 0 | 36 TiB (VM)、72 TiB (Metal) | 0 | 3 TiB | 3 TiB | 0 | 0 | 3 TiB | 0 | 3 TiB | 9 TiB | 12 TiB | 12 TiB | 12 TiB | 6 TiB | 3 TiB | 3 TiB |
| — | — | — | — | — | — | 可用區和區域 | 可用區和區域 | 可用區和區域 | 可用區 | 可用區 | 可用區和區域 | — | — | 可用區 | 可用區 | — | — | — | 可用區 | 可用區 | 可用區和區域 | — | — | — | — | 可用區 | — |
| — | — | — | 可用區 | 可用區 | — | 可用區和區域 | 可用區和區域 | 可用區和區域 | 可用區 | 可用區 | 可用區和區域 | 可用區 | 可用區 | 可用區 | 可用區 | — | — | 可用區 | 可用區 | 可用區 | 可用區和區域 | — | — | — | 可用區 | 可用區 | 可用區 |
| — | — | — | 可用區 | 可用區 | — | 可用區和區域 | 可用區和區域 | 可用區和區域 | 可用區 | 可用區 | 可用區和區域 | 可用區 | — | 可用區 | 可用區 | — | — | 可用區 | 可用區 | 可用區 | 可用區和區域 | — | — | — | 可用區 | 可用區 | 可用區 |
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | ||||
| gVNIC 和 IDPF | gVNIC | gVNIC 和 IDPF | gVNIC 和 IDPF | gVNIC | gVNIC | gVNIC 和 VirtIO-Net | gVNIC 和 VirtIO-Net | gVNIC 和 VirtIO-Net | gVNIC 和 VirtIO-Net | gVNIC | gVNIC 和 VirtIO-Net | gVNIC 和 IDPF | gVNIC | gVNIC 和 VirtIO-Net | gVNIC 和 VirtIO-Net | IDPF | gVNIC | gVNIC | gVNIC 和 VirtIO-Net | gVNIC 和 VirtIO-Net | gVNIC 和 VirtIO-Net | gVNIC 和 MRDMA | gVNIC 和 MRDMA | gVNIC 和 MRDMA | gVNIC | gVNIC 和 VirtIO-Net | gVNIC 和 VirtIO-Net |
| 10 到 100 Gbps | 10 到 50 Gbps | 10 到 100 Gbps | 23 到 100 Gbps | 20 到 100 Gbps | 10 到 50 Gbps | 10 到 32 Gbps | 10 到 32 Gbps | 2 到 32 Gbps | 10 到 32 Gbps | 10 到 32 Gbps | 1 至 16 Gbps | 23 到 100 Gbps | 最高 200 Gbps | 10 到 32 Gbps | 10 到 32 Gbps | 最高 100 Gbps | 32 到 100 Gbps | 最高 32 Gbps | 最高 32 Gbps | 最高 32 Gbps | 2 到 32 Gbps | 最高 2,000 GBps | 最高 3,600 Gbps | 最高 3,200 Gbps | 最高 1,800 Gbps | 24 到 100 Gbps | 10 到 100 Gbps |
| 50 到 200 Gbps | 50 到 100 Gbps | 50 到 200 Gbps | 50 到 200 Gbps | 50 到 200 Gbps | — | 50 到 100 Gbps | 50 到 100 Gbps | — | — | — | — | 50 到 200 Gbps | — | 50 到 100 Gbps | 50 到 100 Gbps | — | 50 到 200 Gbps | 50 到 100 Gbps | — | — | 50 到 100 Gbps | 最高 2,000 GBps | 最高 3,600 Gbps | 最高 3,200 Gbps | 最高 1,800 Gbps | 50 到 100 Gbps | 50 到 100 Gbps |
| 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 8 | 4 | 8 | 8 | 8 | 16 | 8 |
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | |||||||
| 依資源計算的 CUD 和彈性 CUD | 依資源計算的 CUD 和彈性 CUD | 依資源計算的 CUD 和彈性 CUD | 依資源計算的 CUD 和彈性 CUD | 依資源計算的 CUD 和彈性 CUD | 依資源計算的 CUD 和彈性 CUD | 依資源計算的 CUD 和彈性 CUD | 依資源計算的 CUD 和彈性 CUD | 依資源計算的 CUD 和彈性 CUD | 依資源計算的 CUD | — | 依資源計算的 CUD 和彈性 CUD | 依資源計算的 CUD 和彈性 CUD | 依資源計算的 CUD | 依資源計算的 CUD 和彈性 CUD | 依資源計算的 CUD 和彈性 CUD | 依資源計算的 CUD | 依資源計算的 CUD | 依資源計算的 CUD | 依資源計算的 CUD | 依資源計算的 CUD | 依資源計算的 CUD | 依資源計算的 CUD | 依資源計算的 CUD | 依資源計算的 CUD | 依資源計算的 CUD | 依資源計算的 CUD | 依資源計算的 CUD |
| — | — | — | — | ||||||||||||||||||||||||
GPU 和運算執行個體
GPU 可用來加速工作負載，並支援 A4X、A4、A3、A2、G2 和 N1 執行個體。如果執行個體使用 A4X、A4、A3、A2 或 G2 機器類型，系統會在您建立執行個體時自動附加 GPU。對於使用 N1 機器類型的執行個體，您可以在建立執行個體時或之後，將 GPU 附加至執行個體。GPU 無法與任何其他機器系列搭配使用。
如果執行個體連結的 GPU 較少，vCPU 數量就會有上限。一般而言，GPU 數量越多，表示您可以建立 vCPU 較多且記憶體較大的執行個體。詳情請參閱「Compute Engine 上的 GPU」。
後續步驟
- 瞭解如何建立及啟動 VM
- 瞭解如何建立採用自訂機型的 VM。
- 完成使用 Linux VM 的快速入門導覽課程
- 完成「使用 Windows VM 的快速入門導覽課程」
- 進一步瞭解如何將區塊儲存空間掛接到 VM