הקטנת מספר המכונות של Cloud SQL עם הקצאת-חסר

שירות המלצות לגבי מכונות עם הקצאת משאבים לא מספקת עוזר לכם לזהות מכונות שבהן יש שימוש גבוה במעבד (CPU) או בזיכרון. לאחר מכן, המערכת מספקת המלצות לאופטימיזציה של המופע. בדף הזה מוסבר איך פועלת מערכת ההמלצות הזו ואיך משתמשים בה.

איך זה עובד

אם המערכת מזהה שימוש גבוה במעבד או בזיכרון, היא תציג המלצה להגדיל את גודל המכונה כדי לצמצם את השימוש במעבד 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 ולעבוד איתן.
    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.

  • מפעילים את Recommender API.

    תפקידים שנדרשים להפעלת ממשקי API

    כדי להפעיל ממשקי API, צריך את תפקיד ה-IAM 'אדמין של Service Usage' (roles/serviceusage.serviceUsageAdmin), שכולל את ההרשאה serviceusage.services.enable. איך מקצים תפקידים

    להפעלת ה-API

הצגת רשימה של המלצות לגבי הקצאת-חסר של מכונות

המסוף

כדי להציג רשימה של המלצות לגבי מקרים שבהם הקצאת המשאבים למכונות לא מספיקה, פועלים לפי השלבים הבאים:

  1. נכנסים לדף Cloud SQL Instances.

    כניסה לדף Cloud SQL Instances

  2. לוחצים על View all בבאנר של ההמלצה 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 שינוי הגודל של מכונות Cloud SQL כדי לשפר את הביצועים, לוחצים על הצגת הכול.

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

gcloud

כדי להציג רשימה של המלצות לגבי מקרים של הקצאת משאבים לא מספקת למכונות, 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 להציג רשימה של המלצות לגבי מקרים של הקצאת משאבים לא מספקת למופעים 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 יתר של משאבים באמצעות מסוףCloud de Confiance , לוחצים על לחצן ההמלצה ברשימת המופעים.

gcloud

כדי לראות תובנות והמלצות מפורטות לגבי מקרים של הקצאת משאבים לא מספקת של מכונות וירטואליות 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 של מופעים 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: מזהה סוג התובנה בתור UnderprovisionedCpuUsageInsight,‏ UnderprovisionedMemoryUsageInsight או OomProbabilityInsight, שמספקים תובנות לגבי השימוש במעבד, בזיכרון וההסתברות לשגיאת OOM, בהתאמה.

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

    באנר עם המלצה יופיע בחלק העליון של הדף.

  • 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:

  • במקרה הצורך, עורכים את המופע 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 גודל המופע בדיוק כמו שמומלץ. צריך להפעיל שיקול דעת ולשנות את הגודל בהתאם לאופן שבו מתכוונים להקצות את המופע. חשוב לזכור שככל שהגודל גדול יותר, כך זמן האחזור התפעולי ארוך יותר.

אפשר גם לייצא את ההמלצות האלה ל-BigQuery ולבדוק אותן באמצעות Data Studio או Looker.

המאמרים הבאים