Cloud Intelligence™
GCP Compute Advisor: progettare l'infrastruttura compute prima del deploy
GCP Compute Advisor è il nuovo strumento basato su Gemini che consiglia tipi di macchina, costi e configurazioni per Compute Engine e GKE prima del deploy.
Questa pagina è disponibile anche in English, Deutsch, Español, Français, 日本語 e 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 è una nuova funzionalità in anteprima di Google Cloud, basata su Gemini, che consiglia tipi di macchina, stime dei costi e configurazioni di deployment per Compute Engine e GKE prima di effettuare il provisioning di qualsiasi risorsa. Ogni risposta è ancorata allo stato reale del progetto — quote, prenotazioni, sconti per impegno di utilizzo (CUD) e policy dell'organizzazione — e restituisce output gcloud, Terraform o YAML pronti all'uso. È pensato per le decisioni di design del Day 0, non per il troubleshooting in tempo reale; l'ottimizzazione continua post-deployment è affidata a strumenti come PerfectScale.
Se le è mai capitato di scorrere l'elenco dei tipi di macchina di Compute Engine chiedendosi se le serva una N4 o una C4, o di passare un pomeriggio a confrontare MIG regionali e zonali per un nuovo workload, Google Cloud ha appena rilasciato qualcosa che merita la sua attenzione. Compute Advisor è una nuova funzionalità in anteprima, basata su Gemini di Google Cloud, che aiuta a valutare le opzioni hardware, stimare i costi di deployment e ottenere configurazioni consigliate prima ancora di avviare una risorsa.
È disponibile già oggi in anteprima sia per le istanze Compute Engine sia per i cluster GKE, e funziona allo stesso modo in entrambi i casi: si descrive il workload in linguaggio naturale e si riceve una raccomandazione contestualizzata, basata sullo stato reale del progetto, invece di una best practice generica.
Cosa distingue GCP Compute Advisor da un generico chatbot AI
Molti strumenti AI generici generano senza problemi una specifica di VM dall'aria plausibile. Ciò che rende Compute Advisor utile per il lavoro di pianificazione vero e proprio è il grounding contestuale: prima di rispondere, verifica lo stato reale del progetto. Questo include i limiti di quota, le prenotazioni esistenti, gli sconti per impegno di utilizzo (CUD), la regione e la zona predefinite e gli eventuali vincoli sulla localizzazione delle risorse impostati dall'organizzazione tramite le org policy.
In pratica, questo significa che quando consiglia un tipo di macchina C4D con un numero specifico di vCPU, sa già se c'è quota disponibile nella regione predefinita, se ci sono CUD inutilizzati che rendono una famiglia più conveniente di un'altra e se un vincolo di localizzazione esclude una zona prima ancora di suggerirla. Non si riceve una raccomandazione da verificare poi rispetto ai limiti del proprio account: il controllo è già stato fatto.
Una volta inviato un prompt, nel riquadro di risposta compaiono tre elementi:
- Grounding contestuale: la raccomandazione riflette lo stato effettivo del progetto, non una risposta generica.
- Snippet di codice interattivi: comandi gcloud, chiamate REST o risorse Terraform pronti all'uso, da copiare o eseguire direttamente in Cloud Shell.
- Canvas visivo: tabelle di confronto, analisi affiancate e piani di implementazione strutturati.
Compute Advisor non può creare, modificare o eliminare risorse in autonomia quando viene usato dalla console. È uno strumento di design e pianificazione, non un livello di automazione. I comandi vanno comunque rivisti ed eseguiti manualmente, come è buona prassi per qualsiasi operazione che tocchi la capacità di produzione.
Come formulare i prompt per ottenere risultati migliori da GCP Compute Advisor
La qualità dell'output dipende molto da come viene formulata la richiesta.
- Assegnare un ruolo specifico: chiedergli di agire come platform engineer o cloud architect cambia la profondità, l'analisi dei trade-off e il rigore tecnico della risposta.
- Suddividere le richieste: meglio articolare il prompt in passaggi numerati invece di porre domande generiche come "aiutami a scegliere un tipo di macchina". Richiedere come voci distinte una tabella di confronto, un'analisi dei trade-off architetturali e uno script di deployment produce documentazione di design strutturata anziché una generica risposta da chat.
- Specificare esplicitamente i formati di output: indicare chiaramente se serve una tabella Markdown, un blocco Terraform o uno snippet gcloud.
- Evitare contesto ridondante: non serve indicare manualmente la regione attiva, le quote o lo stato dei CUD. Lo strumento legge automaticamente il contesto del progetto.
- Iterare nello stesso thread: se la risposta iniziale copre il compute ma trascura networking o storage, basta un prompt di follow-up. Si basa sul contesto già acquisito invece di ripartire da zero.
Compute Advisor non è pensato per il troubleshooting di problemi in tempo reale. Se qualcosa smette di funzionare su un'istanza o un cluster attivo, gli strumenti standard di Cloud Logging e diagnostica restano la strada giusta. Compute Advisor è pensato per il design del Day 0, non per il triage del Day 2.
Esempi di prompt per Compute Advisor con Compute Engine e GKE
Ecco alcuni prompt pratici, strutturati per ottenere output ottimali:
Scegliere tra GPU L4 e A100 per il fine-tuning di modelli su GKE
Act as an ML platform engineer. I'm fine-tuning a mid-size open model and need todecide between GKE node pools with L4 GPUs versus A100 GPUs for the training job.
Please provide the following:1. A cost and throughput comparison between L4 and A100 node pools for this workload.2. Recommended machine types and accelerator counts for a training job of this size.3. An estimate of relative training cost per epoch for each option.
Format the comparison as a Markdown table, and provide the node pool creationcommand as a ready-to-use gcloud snippet.
Right-sizing dei node pool GKE prima di un picco di traffico
Act as a site reliability engineer. I want to understand whether our GKE nodepools are right-sized for current traffic before our next peak event.
Please provide the following:1. An assessment of whether current machine types are under or over-provisioned based on recent utilization patterns.2. Recommended adjustments to node pool machine types or autoscaling thresholds.3. The Cloud Monitoring metrics I should track going forward to catch drift early.
Format the recommendations as a short walkthrough, followed by a Markdown tablesummarizing the suggested changes.
Fallback multi-zona e flessibilità delle istanze per gli stockout su GKE
Act as a capacity planning engineer. Draft the recommended configuration formachine flexibility and multi-zone fallbacks for a GKE cluster to ensuresystem workloads remain resilient during peak traffic without manualintervention.
Please provide the following:1. A recommended instance flexibility configuration covering fallback machine types.2. A multi-zone fallback strategy that avoids manual rebalancing during a stockout.3. The autoscaling settings needed so this fallback triggers automatically.
Format the response as a Markdown table for the fallback options, and providethe ComputeClass or node pool configuration as a ready-to-use YAML manifest.
Migrare da AWS Karpenter a GKE Node Auto-Provisioning (NAP)
Act as a Kubernetes migration specialist. I am migrating an EKS clusterthat uses Karpenter to GKE. Please translate my AWS KarpenterNodePool into a GKE custom ComputeClass.
Please provide the following:1. A summary that maps Karpenter concepts to GKE Node Auto-Provisioning (NAP) and ComputeClasses.2. A YAML manifest that shows how a ComputeClass provides the same variety of instance types and weighting for Spot VMs as Karpenter.3. The changes required in the Pod manifest to use the new ComputeClass.
Format the mapping as a Markdown table, and provide the GKEmanifests as code blocks that are ready to use.
Cloud bill shouldn't be a mystery
One platform for AI and Cloud optimization.
Day 0 vs Day 2: perché Compute Advisor completa i recommender esistenti di Google
La maggior parte dei recommender esistenti di Google — quelli per le VM inattive, i tipi di macchina e le prenotazioni — è reattiva per natura. Analizzano una risorsa che esiste già e segnalano che è stata sovradimensionata o sottoutilizzata negli ultimi giorni. Utile, certo, ma a posteriori.
Compute Advisor interviene più a monte nel processo. Si concentra sulle decisioni architetturali prese prima che le risorse esistano: scegliere i modelli di provisioning, confrontare famiglie di macchine o valutare GKE Autopilot rispetto a Standard. Impostare correttamente dimensionamento e strategie di commitment al Day 0 riduce il volume di segnalazioni post-deployment a valle.
Se dimensiona regolarmente nuovi workloads o confronta modelli di provisioning, vale la pena integrare Compute Advisor nel flusso di pianificazione già ora, mentre lo strumento è ancora in evoluzione.
Ottimizzazione continua oltre il Day 0: PerfectScale per GKE e i commitments
Compute Advisor è pensato per la progettazione puntuale dell'infrastruttura, guidata da prompt. Non monitora continuamente l'ambiente, non rileva autonomamente il drift a runtime e non gestisce nel tempo l'acquisto di commitments. È proprio in questo passaggio tra Day 0 e Day 2 che entrano in gioco due prodotti DoiT.
- PerfectScale™ for Kubernetes gestisce l'ottimizzazione continua post-deployment dei workloads GKE. Analizza costantemente l'utilizzo effettivo per fare right-sizing di request e limit di CPU e memoria al variare delle esigenze applicative.
- PerfectScale™ for Commitments gestisce la copertura degli sconti a lungo termine. Mentre Compute Advisor verifica i CUD esistenti in fase di design, PerfectScale monitora l'utilizzo sull'intero account di fatturazione e, per l'utilizzo non coperto, può raccomandare — e opzionalmente acquistare in automatico — CUD flessibili per Compute, in modo che i dati su cui Compute Advisor fonda le sue raccomandazioni restino accurati nel tempo.
FAQ
Che cos'è GCP Compute Advisor? Compute Advisor è una funzionalità in anteprima di Google Cloud, basata su Gemini, che aiuta a valutare le opzioni hardware, stimare i costi di deployment e ottenere configurazioni consigliate prima di effettuare il provisioning di qualsiasi risorsa.
Compute Advisor è disponibile sia per Compute Engine sia per GKE? Sì. È disponibile già oggi in anteprima per le istanze Compute Engine e i cluster GKE, e funziona allo stesso modo in entrambi i casi: si descrive il workload in linguaggio naturale e si ottiene una raccomandazione contestualizzata, basata sullo stato reale del progetto.
In cosa Compute Advisor si differenzia dai recommender esistenti di Google? I recommender di Google per VM inattive, tipi di macchina e prenotazioni sono reattivi: segnalano una risorsa che esiste già ed è stata sovra o sottoutilizzata. Compute Advisor interviene più a monte nel processo, concentrandosi sulle decisioni architetturali (modello di provisioning, famiglia di macchine, Autopilot vs Standard) prima ancora che una risorsa esista.
Compute Advisor può creare, modificare o eliminare risorse cloud in autonomia? No. Dalla console è uno strumento di design e pianificazione, non un livello di automazione. I comandi gcloud, REST o Terraform generati vanno comunque rivisti ed eseguiti manualmente.
Cosa contiene concretamente una risposta di Compute Advisor? Tre elementi: grounding contestuale (una raccomandazione verificata rispetto a quote, prenotazioni, CUD e org policy reali), snippet di codice interattivi (gcloud, REST o Terraform pronti all'uso) e un canvas visivo (tabelle di confronto e piani di implementazione strutturati).
Compute Advisor può fare troubleshooting di un problema di produzione in tempo reale? No. È pensato per il design del Day 0, non per il triage del Day 2: per gli incidenti attivi, gli strumenti standard di Cloud Logging e diagnostica restano la strada giusta.
Qual è il rapporto tra Compute Advisor e PerfectScale? Compute Advisor gestisce decisioni di design puntuali, basate su prompt. PerfectScale for Kubernetes e PerfectScale for Commitments intervengono in seguito, effettuando il right-sizing continuo dei workloads GKE e gestendo nel tempo la copertura dei CUD.
Prenoti una demo per saperne di più su DoiT Cloud Intelligence™.
