הקטנת מספר המכונות של Cloud SQL עם הקצאת-חסר

הכלי להמלצות לגבי הקצאת משאבים לא מספקת של מכונות וירטואליות עוזר לכם לזהות מכונות וירטואליות עם שימוש גבוה ב-CPU או בזיכרון. לאחר מכן, המערכת מספקת המלצות לאופטימיזציה של המופע. בדף הזה מוסבר איך פועל שירות ההמלצות הזה ואיך משתמשים בו.

איך זה עובד

אם המערכת מזהה שימוש גבוה ב-CPU או בזיכרון, היא מציגה המלצה להגדיל את גודל המכונה כדי לצמצם את השימוש ב-CPU או בזיכרון בזמן השיא.

תמחור

שירות ההמלצות לגבי מקרים של הקצאת משאבים לא מספקת נמצא במסלול התמחור הרגיל של שירות ההמלצות.

לפני שמתחילים

כדי לראות המלצות ותובנות, צריך לבצע את הפעולות הבאות:

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

  • Enable the Recommender API.

    Roles required to enable APIs

    To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

    Enable the API

הצגת המלצות לגבי הקצאת-חסר של מכונות

המסוף

כדי לראות רשימה של המלצות לגבי מכונות עם הקצאת משאבים נמוכה מדי:

  1. נכנסים לדף Cloud SQL Instances.

    כניסה לדף Cloud SQL Instances

  2. לוחצים על View all בבאנר של הכלי להמלצות לשינוי הגודל של מכונת Cloud SQL.

אפשר גם לפעול לפי השלבים הבאים:

  1. עוברים אל Active Assist.

    כניסה אל Active Assist

    מידע נוסף מופיע במאמר תחילת השימוש ב-Recommendation Hub.

  2. בכרטיס Resize Cloud SQL instances to improve performance (שינוי הגודל של מכונות Cloud SQL כדי לשפר את הביצועים), לוחצים על View all (הצגת הכול).

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

gcloud

כדי להציג רשימה של המלצות לגבי מקרים שבהם הקצאת המשאבים למכונות לא מספיקה, מריצים את הפקודה gcloud recommender recommendations list באופן הבא:

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

מחליפים את מה שכתוב בשדות הבאים:

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

API

כדי לקבל רשימה של המלצות לגבי מקרים של הקצאת משאבים לא מספקת של מופעים באמצעות Recommendations API, קוראים לשיטה recommendations.list באופן הבא:

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

מחליפים את מה שכתוב בשדות הבאים:

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

אם הכלי לניתוח המלצות מזהה מקרים של הקצאת משאבים לא מספקת למופעים, הוא מציג אותם בטבלה. בכל שורה מוצגים שם המופע, המלצה קצרה, סוג המכונה הנוכחי, סוג המכונה המומלץ, המיקום ותאריך הרענון האחרון.

צפייה בתובנות ובהמלצות מפורטות

המסוף

כדי לראות תובנות והמלצות מפורטות לגבי מופע עם הקצאת משאבים נמוכה מדי באמצעות מסוףCloud de Confiance , לוחצים על לחצן ההמלצה ברשימת המופעים.

gcloud

כדי לראות תובנות והמלצות מפורטות לגבי מקרים של הקצאת משאבים לא מספקת באמצעות gcloud, מריצים את הפקודה gcloud recommender insights list באופן הבא:

gcloud recommender insights list \
--project=PROJECT_ID \
--location=LOCATION \
--insight-type=google.cloudsql.instance.INSIGHT_TYPE

מחליפים את מה שכתוב בשדות הבאים:

  • ‫PROJECT_ID: מזהה הפרויקט.
  • ‫LOCATION: אזור, כמו us-central1.
  • ‫INSIGHT_TYPE: מזהה סוג התובנה הוא UnderprovisionedCpuUsageInsight,‏ UnderprovisionedMemoryUsageInsight או OomProbabilityInsight, שמספקים תובנות לגבי השימוש ב-CPU, הזיכרון וההסתברות ל-OOM, בהתאמה.

API

כדי לראות תובנות והמלצות מפורטות לגבי מקרים של הקצאת משאבים לא מספקת למופעים באמצעות Recommendations API, מפעילים את השיטה insights.list באופן הבא:

GET https://recommender.googleapis.com/v1beta1/projects/PROJECT-ID/locations/LOCATION/insightTypes/google.cloudsql.instance.INSIGHT_TYPE/insights

מחליפים את מה שכתוב בשדות הבאים:

  • ‫PROJECT_ID: מזהה הפרויקט.
  • ‫LOCATION: אזור, כמו us-central1.
  • ‫INSIGHT_TYPE: המזהה של סוג התובנה בתור UnderprovisionedCpuUsageInsight,‏ UnderprovisionedMemoryUsageInsight או OomProbabilityInsight, שמספקים תובנות לגבי השימוש במעבד, בזיכרון וההסתברות ל-OOM, בהתאמה.

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

תובנות המלצות
על סמך מגמות ניצול ה-CPU הנוכחיות, המופע מסומן כבעל שימוש גבוה ב-CPU.
תת-סוג: HIGH_CPU_UTILIZATION 		להגדיל את גודל המעבד או להקטין את ניצול המעבד.
תת-סוג: CHANGE_INSTANCE_SIZE
על סמך מגמות השימוש הנוכחיות בזיכרון, המופע מסומן כבעל שימוש גבוה בזיכרון.
Subtype: HIGH_MEMORY_UTILIZATION. 		להגדיל את נפח הזיכרון או להקטין את ניצול הזיכרון.
תת-סוג: CHANGE_INSTANCE_SIZE
על סמך מגמות השימוש הנוכחיות, המופע מסומן כבעל סיכון להתרחשות של אירועי OOM בעתיד.
Subtype: HIGH_OOM_PROBABILITY. 		להגדיל את נפח הזיכרון או להקטין את ניצול הזיכרון.
תת-סוג: CHANGE_INSTANCE_SIZE

יישום ההמלצות

בודקים את ההמלצות בקפידה ומבצעים אחת מהפעולות הבאות:

  • כדי לבדוק את ההמלצה, לוחצים על הצגת המופע.

    בחלק העליון של הדף יופיע באנר עם המלצה.

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

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

אופטימיזציה של הביצועים של המופע

כדי לשפר את הביצועים של המופע, אפשר לבצע את הפעולות הבאות:

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

    מה שגורם להשבתה שלה.

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

המאמרים הבאים