Cloud Intelligence™
GCP Compute Advisor: projete sua infraestrutura de computação antes do deploy
O GCP Compute Advisor é uma nova ferramenta com tecnologia Gemini que recomenda tipos de máquina, custos e configurações para Compute Engine e GKE antes do deploy.
Esta página também está disponível em English, Deutsch, Español, Français, Italiano e 日本語.
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: O GCP Compute Advisor é um novo recurso em preview do Google Cloud, com tecnologia Gemini, que recomenda tipos de máquina, estimativas de custo e configurações de deployment para Compute Engine e GKE antes de você provisionar qualquer coisa. Cada resposta é embasada no estado real do seu projeto — cotas, reservas, descontos por compromisso de uso e políticas da organização — e retorna saídas prontas para executar em gcloud, Terraform ou YAML. Ele foi criado para decisões de design de Day 0, não para troubleshooting em produção; a otimização contínua pós-deployment fica por conta de ferramentas como o PerfectScale.
Se você já ficou olhando a lista de tipos de máquina do Compute Engine tentando descobrir se precisa de um N4 ou de um C4, ou passou uma tarde inteira comparando MIGs regionais e zonais para um novo workload, o Google Cloud acaba de lançar algo que merece sua atenção. O Compute Advisor é um novo recurso em preview, com tecnologia do Gemini do Google Cloud, que ajuda você a avaliar opções de hardware, estimar custos de deployment e obter configurações recomendadas antes mesmo de criar qualquer recurso.
Ele já está disponível em preview tanto para instâncias do Compute Engine quanto para clusters do GKE, e funciona da mesma forma nos dois casos: você descreve seu workload em linguagem natural e recebe de volta uma recomendação embasada e alinhada ao contexto do seu projeto, em vez de uma boa prática genérica.
O que diferencia o GCP Compute Advisor de um chatbot de IA genérico
Muitas ferramentas de IA genéricas geram sem dificuldade uma especificação de VM que parece plausível. O que torna o Compute Advisor útil para o trabalho real de planejamento é o embasamento contextual: antes de responder, ele verifica o estado real do seu projeto. Isso inclui seus limites de cota, reservas existentes, descontos por compromisso de uso (CUDs), sua região e zona padrão e quaisquer restrições de localização de recursos que sua organização tenha definido via política da organização.
Na prática, isso significa que, quando ele recomenda um tipo de máquina C4D com uma quantidade específica de vCPUs, ele já sabe se você tem cota para isso na sua região padrão, se você tem CUDs não utilizados que tornam uma família mais barata que outra e se uma restrição de localização elimina uma zona antes mesmo de ela ser sugerida. Você não recebe uma recomendação que depois precisa validar com base nos limites da sua própria conta. Ela já chega verificada em relação a eles.
Ao enviar um prompt, três coisas aparecem no painel de resposta:
- Embasamento contextual: A recomendação reflete o estado real do seu projeto, não uma resposta genérica.
- Snippets de código interativos: Comandos gcloud, chamadas REST ou recursos Terraform prontos para uso, que você pode copiar ou executar diretamente no Cloud Shell.
- Canvas visual: Tabelas comparativas, análises lado a lado e planos de implementação estruturados.
O Compute Advisor não consegue criar, modificar ou excluir recursos por conta própria quando usado pelo console. Ele é uma camada de design e planejamento, não de automação. Você ainda revisa e executa os comandos por conta própria, o que é prática padrão para qualquer coisa que mexa com capacidade de produção.
Como escrever prompts para o GCP Compute Advisor e obter resultados melhores
A qualidade do resultado depende muito de como você estrutura a solicitação.
- Atribua um papel específico: Pedir que ele atue como engenheiro de plataforma ou arquiteto de nuvem muda a profundidade, a análise de trade-offs e o rigor técnico da resposta.
- Divida suas solicitações: Estruture seu prompt em etapas numeradas em vez de fazer perguntas amplas como "me ajude a escolher um tipo de máquina". Pedir uma tabela comparativa, uma análise de trade-offs arquiteturais e um script de deployment como itens separados gera documentação de design estruturada, e não uma resposta genérica de chat.
- Especifique explicitamente os formatos de saída: Deixe claro se você precisa de uma tabela em Markdown, um bloco Terraform ou um snippet gcloud.
- Dispense o contexto repetitivo: Você não precisa informar manualmente sua região ativa, cotas ou status de CUDs. A ferramenta lê o contexto do seu projeto automaticamente.
- Itere na mesma thread: Se a resposta inicial focar em computação, mas deixar de fora rede ou armazenamento, faça um prompt de acompanhamento. Ele aproveita o contexto já estabelecido em vez de começar do zero.
O Compute Advisor não foi feito para resolver problemas em produção em tempo real. Se algo quebrar em uma instância ou cluster ativo, o Cloud Logging e as ferramentas de diagnóstico padrão continuam sendo o caminho certo. O Compute Advisor foi criado para design de Day 0, não para triagem de Day 2.
Exemplos de prompts do Compute Advisor para Compute Engine e GKE
Aqui estão prompts práticos, estruturados para obter os melhores resultados:
Escolhendo entre GPUs L4 e A100 para fine-tuning de modelos no GKE
Atue como um engenheiro de plataforma de ML. Estou fazendo fine-tuning de um modeloaberto de médio porte e preciso decidir entre node pools do GKE com GPUs L4 ouGPUs A100 para o job de treinamento.
Forneça o seguinte:1. Uma comparação de custo e throughput entre node pools L4 e A100 para esse workload.2. Tipos de máquina e quantidades de aceleradores recomendados para um job de treinamento desse porte.3. Uma estimativa do custo relativo de treinamento por época para cada opção.
Formate a comparação como uma tabela em Markdown e forneça o comando de criaçãodo node pool como um snippet gcloud pronto para uso.
Right-sizing de node pools do GKE antes de um pico de tráfego
Atue como um engenheiro de confiabilidade de sites (SRE). Quero entender se nossosnode pools do GKE estão com o dimensionamento adequado para o tráfego atual antesdo nosso próximo evento de pico.
Forneça o seguinte:1. Uma avaliação de se os tipos de máquina atuais estão sub ou superprovisionados com base nos padrões de utilização recentes.2. Ajustes recomendados nos tipos de máquina dos node pools ou nos limites de autoscaling.3. As métricas do Cloud Monitoring que devo acompanhar daqui em diante para detectar desvios cedo.
Formate as recomendações como um passo a passo curto, seguido de uma tabela emMarkdown resumindo as mudanças sugeridas.
Fallback multizona e flexibilidade de instâncias para stockouts no GKE
Atue como um engenheiro de planejamento de capacidade. Elabore a configuraçãorecomendada de flexibilidade de máquinas e fallbacks multizona para um clusterdo GKE, garantindo que os workloads de sistema permaneçam resilientes durantepicos de tráfego sem intervenção manual.
Forneça o seguinte:1. Uma configuração recomendada de flexibilidade de instâncias cobrindo tipos de máquina de fallback.2. Uma estratégia de fallback multizona que evite rebalanceamento manual durante um stockout.3. As configurações de autoscaling necessárias para que esse fallback seja acionado automaticamente.
Formate a resposta como uma tabela em Markdown para as opções de fallback eforneça a configuração de ComputeClass ou node pool como um manifesto YAMLpronto para uso.
Migrando do AWS Karpenter para o Node Auto-Provisioning (NAP) do GKE
Atue como um especialista em migração de Kubernetes. Estou migrando um clusterEKS que usa Karpenter para o GKE. Traduza meu NodePool do AWS Karpenterem uma ComputeClass personalizada do GKE.
Forneça o seguinte:1. Um resumo que mapeie os conceitos do Karpenter para o Node Auto-Provisioning (NAP) e as ComputeClasses do GKE.2. Um manifesto YAML que mostre como uma ComputeClass oferece a mesma variedade de tipos de instância e ponderação para Spot VMs que o Karpenter.3. As mudanças necessárias no manifesto do Pod para usar a nova ComputeClass.
Formate o mapeamento como uma tabela em Markdown e forneça os manifestos doGKE como blocos de código prontos para uso.
Cloud bill shouldn't be a mystery
One platform for AI and Cloud optimization.
Day 0 vs. Day 2: por que o Compute Advisor complementa os recomendadores existentes do Google
A maioria dos recomendadores atuais do Google — VM ociosa, tipo de máquina e recomendações de reserva — é reativa por natureza. Eles analisam um recurso que já existe e informam que ele esteve superdimensionado ou subutilizado nos últimos dias. Isso é útil, mas sempre chega depois do ocorrido.
O Compute Advisor entra mais cedo no processo. Ele mira as decisões arquiteturais tomadas antes de os recursos existirem: escolher modelos de provisionamento, comparar famílias de máquinas ou avaliar GKE Autopilot vs. Standard. Acertar o dimensionamento e as estratégias de commitments no Day 0 reduz o volume de alertas pós-deployment mais adiante.
Se você dimensiona novos workloads e compara modelos de provisionamento com frequência, vale a pena incorporar o Compute Advisor ao seu fluxo de planejamento agora, enquanto ele ainda está evoluindo.
Otimização contínua além do Day 0: PerfectScale para GKE e Commitments
O Compute Advisor foi criado para o design de infraestrutura pontual, baseado em prompts. Ele não monitora continuamente seu ambiente, não detecta desvios em tempo de execução por conta própria nem gerencia a compra de commitments ao longo do tempo. É nessa divisão entre Day 0 e Day 2 que dois produtos da DoiT entram em cena.
- O PerfectScale™ for Kubernetes cuida da otimização contínua pós-deployment para workloads do GKE. Ele analisa continuamente o uso ativo para fazer o right-sizing de requests e limits de CPU e memória conforme as demandas da aplicação flutuam.
- O PerfectScale™ for Commitments gerencia a cobertura de descontos de longo prazo. Enquanto o Compute Advisor verifica os CUDs existentes durante o design, o PerfectScale acompanha o uso em toda a sua conta de faturamento e, para o uso não coberto, pode recomendar — e, opcionalmente, comprar automaticamente — CUDs flexíveis de Compute, para que os números que embasam as recomendações do Compute Advisor continuem precisos ao longo do tempo.
Perguntas frequentes
O que é o GCP Compute Advisor? O Compute Advisor é um recurso em preview do Google Cloud, com tecnologia Gemini, que ajuda você a avaliar opções de hardware, estimar custos de deployment e obter configurações recomendadas antes de provisionar qualquer recurso.
O Compute Advisor está disponível tanto para Compute Engine quanto para GKE? Sim. Ele já está disponível em preview para instâncias do Compute Engine e clusters do GKE, e funciona da mesma forma nos dois casos: você descreve seu workload em linguagem natural e recebe uma recomendação embasada e alinhada ao contexto do seu projeto.
Qual a diferença entre o Compute Advisor e os recomendadores existentes do Google? Os recomendadores de VM ociosa, tipo de máquina e reservas do Google são reativos — eles sinalizam um recurso que já existe e que foi super ou subutilizado. O Compute Advisor entra mais cedo no processo, mirando decisões arquiteturais (modelo de provisionamento, família de máquinas, Autopilot vs. Standard) antes que um recurso sequer exista.
O Compute Advisor pode criar, modificar ou excluir recursos de nuvem por conta própria? Não. Pelo console, ele é uma camada de design e planejamento, não de automação. Você ainda revisa e executa por conta própria qualquer comando gcloud, REST ou Terraform gerado.
O que uma resposta do Compute Advisor realmente contém? Três coisas: embasamento contextual (uma recomendação verificada em relação às suas cotas, reservas, CUDs e políticas da organização reais), snippets de código interativos (gcloud, REST ou Terraform prontos para uso) e um canvas visual (tabelas comparativas e planos de implementação estruturados).
O Compute Advisor consegue resolver um problema de produção em tempo real? Não. Ele foi criado para design de Day 0, não para triagem de Day 2 — para incidentes ativos, o Cloud Logging e as ferramentas de diagnóstico padrão continuam sendo o caminho certo.
Qual a relação entre o Compute Advisor e o PerfectScale? O Compute Advisor cuida de decisões de design pontuais, baseadas em prompts. O PerfectScale for Kubernetes e o PerfectScale for Commitments assumem na sequência, fazendo continuamente o right-sizing de workloads do GKE e gerenciando a cobertura de CUDs ao longo do tempo.
Agende uma demo para saber mais sobre o DoiT Cloud Intelligence™.
