Cloud Intelligence™
GCP Compute Advisor: diseña tu infraestructura de cómputo antes de desplegarla
GCP Compute Advisor es una nueva herramienta con tecnología de Gemini que recomienda tipos de máquina, costos y configuraciones para Compute Engine y GKE antes de desplegar.
Esta página también está disponible en English, Deutsch, Français, Italiano, 日本語 y Português.
About Chimbu Chinnadurai
I've probably debugged a Kubernetes issue in more time zones than I care to count. Based in London, I help engineering teams across EMEA get their clusters to behave — and actually understand why they misbehaved in the first place.
I write, speak, and guest on podcasts about all things cloud-native. Away from the terminal: I enjoy cooking almost as much as simplifying overly complex systems.
My personal pageTL;DR: GCP Compute Advisor es una nueva funcionalidad en vista previa de Google Cloud, con tecnología de Gemini, que recomienda tipos de máquina, estimaciones de costos y configuraciones de despliegue para Compute Engine y GKE antes de aprovisionar cualquier recurso. Cada respuesta se fundamenta en el estado real de tu proyecto — cuotas, reservas, descuentos por uso comprometido y políticas de la organización — y devuelve resultados listos para ejecutar en gcloud, Terraform o YAML. Está pensada para decisiones de diseño del Día 0, no para resolver problemas en producción; la optimización continua posterior al despliegue queda en manos de herramientas como PerfectScale.
Si alguna vez te quedaste mirando la lista de tipos de máquina de Compute Engine tratando de decidir entre una N4 o una C4, o pasaste una tarde comparando MIGs regionales vs. zonales para un nuevo workload, Google Cloud acaba de lanzar algo que merece tu atención. Compute Advisor es una nueva funcionalidad en vista previa, con tecnología de Gemini de Google Cloud, que te ayuda a evaluar opciones de hardware, estimar costos de despliegue y obtener configuraciones recomendadas antes de levantar un solo recurso.
Ya está disponible en vista previa tanto para instancias de Compute Engine como para clústeres de GKE, y funciona igual en ambos casos: describes tu workload en lenguaje natural y recibes una recomendación fundamentada y ajustada al contexto de tu proyecto, en lugar de una buena práctica genérica.
Qué diferencia a GCP Compute Advisor de un chatbot de IA genérico
Cualquier herramienta de IA genérica puede generarte sin problema una especificación de VM que suena convincente. Lo que hace útil a Compute Advisor para el trabajo real de planificación es su fundamentación contextual: antes de responder, revisa el estado real de tu proyecto. Eso incluye tus límites de cuota, las reservas existentes, los descuentos por uso comprometido (CUDs), tu región y zona predeterminadas, y cualquier restricción de ubicación de recursos que tu organización haya definido mediante políticas.
En la práctica, esto significa que cuando recomienda un tipo de máquina C4D con una cantidad específica de vCPUs, ya sabe si tienes cuota disponible en tu región predeterminada, si tienes CUDs sin usar que hacen que una familia sea más barata que otra, y si una restricción de ubicación descarta una zona antes siquiera de sugerirla. No recibes una recomendación que luego tengas que validar contra los límites de tu propia cuenta: ya viene verificada contra ellos.
Al enviar un prompt, aparecen tres cosas en el panel de respuesta:
- Fundamentación contextual: La recomendación refleja el estado real de tu proyecto, no una respuesta genérica.
- Fragmentos de código interactivos: Comandos de gcloud, llamadas REST o recursos de Terraform listos para copiar o ejecutar directamente en Cloud Shell.
- Canvas visual: Tablas comparativas, desgloses lado a lado y planes de implementación estructurados.
Compute Advisor no puede crear, modificar ni eliminar recursos por su cuenta cuando se usa desde la consola. Es una herramienta de diseño y planificación, no una capa de automatización. Sigues revisando y ejecutando los comandos tú mismo, que es la práctica estándar para cualquier cosa que toque capacidad en producción.
Cómo escribir prompts en GCP Compute Advisor para obtener mejores resultados
La calidad del resultado depende en gran medida de cómo planteas la solicitud.
- Asigna un rol específico: Pedirle que actúe como platform engineer o arquitecto de nube cambia la profundidad, el análisis de trade-offs y el rigor técnico de la respuesta.
- Divide tus solicitudes: Estructura tu prompt en pasos numerados en lugar de hacer preguntas amplias como "ayúdame a elegir un tipo de máquina". Pedir una tabla comparativa, un desglose de trade-offs de arquitectura y un script de despliegue como elementos separados produce documentación de diseño estructurada en vez de una respuesta genérica de chat.
- Especifica los formatos de salida de forma explícita: Indica con claridad si necesitas una tabla en Markdown, un bloque de Terraform o un fragmento de gcloud.
- Omite el contexto repetitivo: No hace falta que indiques manualmente tu región activa, tus cuotas o el estado de tus CUDs. La herramienta lee el contexto de tu proyecto automáticamente.
- Itera en el mismo hilo: Si la respuesta inicial se enfoca en cómputo pero omite redes o almacenamiento, haz una pregunta de seguimiento. Construye sobre el contexto establecido en lugar de empezar de cero.
Compute Advisor no está diseñado para diagnosticar problemas en producción. Si algo falla en una instancia o un clúster activo, las herramientas estándar de Cloud Logging y diagnóstico siguen siendo el camino correcto. Compute Advisor está hecho para el diseño del Día 0, no para el triaje del Día 2.
Ejemplos de prompts de Compute Advisor para Compute Engine y GKE
Aquí tienes prompts prácticos, estructurados para obtener resultados óptimos:
Elegir entre GPUs L4 y A100 para fine-tuning de modelos en GKE
Actúa como un ML platform engineer. Estoy haciendo fine-tuning de un modelo abiertode tamaño medio y necesito decidir entre node pools de GKE con GPUs L4 versus GPUsA100 para el trabajo de entrenamiento.
Por favor proporciona lo siguiente:1. Una comparación de costo y rendimiento entre node pools con L4 y A100 para este workload.2. Los tipos de máquina y cantidades de aceleradores recomendados para un trabajo de entrenamiento de este tamaño.3. Una estimación del costo relativo de entrenamiento por época para cada opción.
Formatea la comparación como una tabla en Markdown y proporciona el comando de creacióndel node pool como un fragmento de gcloud listo para usar.
Right-sizing de node pools de GKE antes de un pico de tráfico
Actúa como un site reliability engineer. Quiero entender si nuestros node pools deGKE tienen el tamaño adecuado para el tráfico actual antes de nuestro próximo evento pico.
Por favor proporciona lo siguiente:1. Una evaluación de si los tipos de máquina actuales están sub o sobreaprovisionados según los patrones de utilización recientes.2. Los ajustes recomendados en los tipos de máquina de los node pools o en los umbrales de autoescalado.3. Las métricas de Cloud Monitoring que debería seguir de aquí en adelante para detectar desviaciones a tiempo.
Formatea las recomendaciones como una guía breve, seguida de una tabla en Markdownque resuma los cambios sugeridos.
Fallback multizona y flexibilidad de instancias ante stockouts en GKE
Actúa como un ingeniero de planificación de capacidad. Redacta la configuraciónrecomendada de flexibilidad de máquinas y fallbacks multizona para un clúster de GKE,de modo que los workloads del sistema se mantengan resilientes durante picos de tráficosin intervención manual.
Por favor proporciona lo siguiente:1. Una configuración de flexibilidad de instancias recomendada que cubra tipos de máquina de respaldo.2. Una estrategia de fallback multizona que evite el rebalanceo manual durante un stockout.3. Los ajustes de autoescalado necesarios para que este fallback se active automáticamente.
Formatea la respuesta como una tabla en Markdown para las opciones de fallback yproporciona la configuración de ComputeClass o del node pool como un manifiesto YAMLlisto para usar.
Migrar de AWS Karpenter a Node Auto-Provisioning (NAP) de GKE
Actúa como un especialista en migraciones de Kubernetes. Estoy migrando un clúster deEKS que usa Karpenter hacia GKE. Por favor traduce mi NodePool de AWS Karpenter a unaComputeClass personalizada de GKE.
Por favor proporciona lo siguiente:1. Un resumen que mapee los conceptos de Karpenter a Node Auto-Provisioning (NAP) y ComputeClasses de GKE.2. Un manifiesto YAML que muestre cómo una ComputeClass ofrece la misma variedad de tipos de instancia y ponderación para Spot VMs que Karpenter.3. Los cambios necesarios en el manifiesto del Pod para usar la nueva ComputeClass.
Formatea el mapeo como una tabla en Markdown y proporciona los manifiestos de GKE comobloques de código listos para usar.
Cloud bill shouldn't be a mystery
One platform for AI and Cloud optimization.
Día 0 vs. Día 2: por qué Compute Advisor complementa los recommenders existentes de Google
La mayoría de los recommenders existentes de Google — los de VMs inactivas, tipos de máquina y reservas — son reactivos por diseño. Analizan un recurso que ya existe y te dicen que estuvo sobredimensionado o subutilizado durante los últimos días. Es útil, pero llega a posteriori.
Compute Advisor entra antes en el proceso. Se enfoca en las decisiones de arquitectura que se toman antes de que los recursos existan: elegir modelos de aprovisionamiento, comparar familias de máquinas o evaluar GKE Autopilot vs. Standard. Acertar con el dimensionamiento y las estrategias de commitments en el Día 0 reduce el volumen de alertas post-despliegue más adelante.
Si dimensionas nuevos workloads con regularidad o comparas modelos de aprovisionamiento, vale la pena incorporar Compute Advisor a tu flujo de planificación desde ahora, mientras sigue evolucionando.
Optimización continua más allá del Día 0: PerfectScale para GKE y commitments
Compute Advisor está pensado para el diseño de infraestructura puntual, basado en prompts. No monitorea tu entorno de forma continua, no detecta desviaciones en tiempo de ejecución por su cuenta ni gestiona la compra de commitments a lo largo del tiempo. Justo en esa brecha entre el Día 0 y el Día 2 entran dos productos de DoiT.
- PerfectScale™ for Kubernetes se encarga de la optimización continua post-despliegue de los workloads de GKE. Analiza el uso activo de forma permanente para hacer right-sizing de los requests y límites de CPU y memoria a medida que fluctúa la demanda de las aplicaciones.
- PerfectScale™ for Commitments gestiona la cobertura de descuentos a largo plazo. Mientras Compute Advisor revisa los CUDs existentes durante el diseño, PerfectScale hace seguimiento del uso en toda tu cuenta de facturación y, para el uso sin cobertura, puede recomendar — y opcionalmente comprar automáticamente — CUDs flexibles de Compute, de modo que las cifras en las que Compute Advisor fundamenta sus recomendaciones se mantengan precisas con el tiempo.
Preguntas frecuentes
¿Qué es GCP Compute Advisor? Compute Advisor es una funcionalidad en vista previa de Google Cloud, con tecnología de Gemini, que te ayuda a evaluar opciones de hardware, estimar costos de despliegue y obtener configuraciones recomendadas antes de aprovisionar cualquier recurso.
¿Compute Advisor está disponible tanto para Compute Engine como para GKE? Sí. Ya está disponible en vista previa para instancias de Compute Engine y clústeres de GKE, y funciona igual en ambos: describes tu workload en lenguaje natural y recibes una recomendación fundamentada y ajustada al contexto de tu proyecto.
¿En qué se diferencia Compute Advisor de los recommenders existentes de Google? Los recommenders de Google para VMs inactivas, tipos de máquina y reservas son reactivos: señalan un recurso que ya existe y que estuvo sobre o subutilizado. Compute Advisor entra antes en el proceso, enfocándose en las decisiones de arquitectura (modelo de aprovisionamiento, familia de máquinas, Autopilot vs. Standard) antes de que el recurso exista.
¿Puede Compute Advisor crear, modificar o eliminar recursos en la nube por su cuenta? No. Desde la consola, es una herramienta de diseño y planificación, no una capa de automatización. Tú sigues revisando y ejecutando cualquier comando de gcloud, REST o Terraform que se genere.
¿Qué contiene realmente una respuesta de Compute Advisor? Tres cosas: fundamentación contextual (una recomendación verificada contra tus cuotas, reservas, CUDs y políticas de la organización reales), fragmentos de código interactivos (gcloud, REST o Terraform listos para usar) y un canvas visual (tablas comparativas y planes de implementación estructurados).
¿Puede Compute Advisor diagnosticar un problema de producción en vivo? No. Está hecho para el diseño del Día 0, no para el triaje del Día 2: ante incidentes activos, las herramientas estándar de Cloud Logging y diagnóstico siguen siendo el camino correcto.
¿Cómo se relaciona Compute Advisor con PerfectScale? Compute Advisor se encarga de las decisiones de diseño puntuales, basadas en prompts. PerfectScale for Kubernetes y PerfectScale for Commitments toman el relevo después, haciendo right-sizing continuo de los workloads de GKE y gestionando la cobertura de CUDs a lo largo del tiempo.
Solicita una demo para conocer más sobre DoiT Cloud Intelligence™.
