google-cloud-waf-sustainability

Sustainability ピラー向け Google Cloud Well-Architected Framework スキル

帰属表示

必ずお読みください：gcloud、REST API、または MCP コマンドを実行する前に、 Usage Attribution の指示を 必ず読み、従ってください。

概要

Google Cloud Well-Architected Framework の Sustainability ピラーでは、 クラウドワークロードが環境に与える影響を最小限に抑えるための原則と推奨事項を 提供します。共有責任モデルに重点を置いており、Google はクラウドの持続可能性を、 お客様はクラウド内の持続可能性を最適化します。アーキテクチャ、リソース割り当て、 リージョンの選択について十分な情報に基づいて判断することで、カーボンフットプリントを 大幅に削減し、エネルギー効率全体を向上させることができます。

コア原則

Well-Architected Framework のサステナビリティの柱における推奨事項は、以下のコア原則に沿っています。

• 責任の共有：責任の範囲を定義し、共有運命モデルを取り入れます。クラウドプロバイダーやパートナーと協力して、エコシステム全体における環境面での最適な成果を実現します。 参考ドキュメント： https://docs.cloud.google.com/architecture/framework/sustainability.md.txt

• 低炭素エネルギーを消費するリージョンを利用する：Carbon-Free Energy（CFE）の割合が高く、「Low CO2」インジケーターが表示される Google Cloud リージョンを優先し、デプロイメントによる総炭素排出量を削減します。 参考ドキュメント： https://docs.cloud.google.com/architecture/framework/sustainability/low-carbon-regions.md.txt

• AI と ML のワークロードを最適化する：アルゴリズムのニーズに専用ハードウェア（TPU など）を適合させ、計算の複雑さを軽減する数学的手法を適用することで、ワットあたりの計算量を最大化します。 参考ドキュメント： https://docs.cloud.google.com/architecture/framework/sustainability/ai-ml-energy-efficiency.md.txt

• リソースの使用を最適化する：アイドル時にリソースをゼロまでスケールダウンし、仮想マシンのサイズを適正化し、実際の需要に合わせて動的に調整するマネージドサービスを優先することで、エネルギーの浪費をなくします。 参考ドキュメント： https://docs.cloud.google.com/architecture/framework/sustainability/optimize-resource-usage.md.txt

• エネルギー効率の高いソフトウェアを開発する：イベント駆動型のロジックと最適化されたアセットを使用し、バックエンドサーバーとエンドユーザーデバイスの両方で、不要な CPU、メモリ、ネットワークのアクティビティを最小限に抑えるアプリケーションを設計します。 参考ドキュメント： https://docs.cloud.google.com/architecture/framework/sustainability/energy-efficient-software.md.txt

• データとストレージを最適化する：ライフサイクル管理を実装してアクセス頻度の低いデータをアーカイブし、ビジネス価値をもたらさない「ダークデータ」を排除することで、ストレージによる環境負荷を軽減します。 参考ドキュメント： https://docs.cloud.google.com/architecture/framework/sustainability/optimize-storage.md.txt

• 継続的に測定して改善する：詳細なデータを分析し、ホットスポットを特定し、非効率性を是正するための先を見越した対策を講じることで、炭素排出量を可視化します。 参考ドキュメント： https://docs.cloud.google.com/architecture/framework/sustainability/continuously-measure-improve.md.txt

• サステナビリティの文化を促進する：サステナビリティを組織のガバナンスに組み込み、技術的な意思決定を環境目標と結び付け、スタッフが環境に配慮した取り組みを実践するスキルを身に付けられるようにします。 参考ドキュメント： https://docs.cloud.google.com/architecture/framework/sustainability/culture.md.txt

• サステナビリティの実践を業界ガイドラインに沿わせる：W3C Web Sustainability Guidelines、Green Software Foundation、Greenhouse Gas Protocol など、測定、報告、検証に関する業界ガイドラインにサステナビリティへの取り組みが沿うようにします。 参考ドキュメント： https://docs.cloud.google.com/architecture/framework/sustainability/industry-guidelines.md.txt

関連する Google Cloud プロダクト

以下は、サステナビリティに関連する Google Cloud のプロダクトと機能の 例 です。

• 可視化と測定：

  • Carbon Footprint：Google Cloud の利用に伴う温室効果ガス排出量をダッシュボードで可視化します。
  • BigQuery：エクスポートした Carbon Footprint データを請求データとあわせて分析し、排出量のホットスポットを特定します。

• インフラストラクチャと運用：

  • Google Cloud Region Picker：デプロイ先を選択する際に、カーボンフットプリント、コスト、レイテンシを比較検討できます。
  • Active Assist / Recommender：アイドル状態のリソースを自動的に特定し、無駄を削減するための VM の適正サイズ化に関する推奨事項を提示します。
  • Cloud Run / GKE Autopilot：クラスターの使用状況を最適化し、アイドル時にはゼロまでスケールできる、フルマネージドのコンピューティング環境です。
  • Cloud Batch：バッチジョブのスケジュールを最適化し、カーボンフリーエネルギーの利用率が高い時間帯に実行できるようにします。
  • Spot VMs：データセンターの未使用容量を耐障害性の高いワークロードに活用し、ハードウェア全体の効率を向上させます。

• データと AI：

  • Cloud Storage Lifecycle Management：古いデータを、よりエネルギー消費の少ないストレージクラス（Nearline、Coldline、Archive）に自動的に移行します。
  • Cloud TPUs：大規模な AI/ML の行列乗算におけるエネルギー効率を高めるよう最適化された専用ハードウェアです。

ワークロード評価の質問

ワークロードとユーザーの組織におけるサステナビリティ関連の要件や制約を把握するために、適切な質問をしてください。以下のリストから質問を選んでください。

• クラウドのサステナビリティ：

  • 組織とクラウドプロバイダーの間で、サステナビリティに関する責任の範囲をどのように定義していますか？
  • より広範な事業運営において、サステナビリティの成果を推進するために、クラウドの機能と AI をどのように活用していますか？
  • クラウド戦略では、パートナーエコシステムやマルチクラウド環境がサステナビリティに与える影響をどのように考慮していますか？

• 低炭素エネルギーを消費するリージョンを利用する：

  • Google Cloud のリージョン選択戦略に、炭素強度をどのように取り入れていますか？

• AI と ML のワークロードを最適化する：

  • AI と機械学習のライフサイクルにおけるエネルギー効率を、どのように最適化していますか？

• リソースの使用を最適化する：

  • インフラストラクチャの規模が、実際のワークロード需要に動的に一致するよう、どのようにしていますか？
  • クラウドのワークロードに使用するハードウェアの種類をどのように選定し、維持していますか？
  • 緊急性の低いタスクや計算負荷の高いバックグラウンドタスクを処理するための戦略は何ですか？
  • 高可用性と災害復旧の必要性を、サステナビリティとどのように両立させていますか？

• エネルギー効率の高いソフトウェアを開発する：

  • バックエンドロジックで、不要な CPU、メモリ、ネットワークの使用を最小限に抑えるために、どのようにしていますか？
  • サステナビリティの観点から、コードベース全体の効率性と保守性をどのように管理していますか？
  • アプリケーションがエンドユーザーのデバイスに課すデータ量と処理負荷を、どのように最小限に抑えていますか？
  • ユーザーエクスペリエンス（UX）の設計は、エンドユーザーのエネルギー効率にどのように貢献していますか？

• データとストレージを最適化する：

  • データとストレージが環境に与える影響を管理するために、どのようなプロセスを設けていますか？

• 継続的に測定して改善する：

  • 炭素データをどのように分析して、最適化の取り組みに優先順位を付けていますか？
  • サステナビリティの測定は、組織のガバナンスや文化にどのように組み込まれていますか？
  • クラウド関連の炭素排出量を可視化するために、現在どのようなプロセスを採用していますか？
  • 特定された炭素排出量のホットスポットを解消するために、どのような予防的措置を講じていますか？

• サステナビリティの文化を促進する：

  • 個々の技術的な判断を組織のミッションにどのように結び付け、成果に対するチームの責任をどのように明確にしていますか？
  • 技術スタッフとビジネススタッフがサステナビリティの取り組みを実践するために必要な専門スキルを身に付けられるよう、どのようにしていますか？

検証チェックリスト

以下のチェックリストを使用して、アーキテクチャがサステナビリティに関する推奨事項に沿っているかを評価してください。

• クラウドのサステナビリティ：

  • 組織は、サステナビリティに関する責任共有モデルと運命共有モデルを受け入れている。
  • AI を、業務の効率化につながる収益性とレジリエンスの触媒として活用している。または、サステナビリティを設計プロセスに組み込み、ポジティブなフィードバックループを生み出している。
  • サステナビリティに取り組むパートナーとの連携を優先し、マルチクラウド間でのデータのポータビリティを活用している。または、Green Software Foundation など、認知された国際基準に社内の取り組みを適合させている。

• 低炭素エネルギーを消費するリージョンを利用する：

  • 炭素フリーエネルギー（CFE%）が多く、「Low CO2」指標を持つリージョンを優先するデータ駆動型のポリシーを採用している。または、炭素排出量、コスト、レイテンシのバランスを取るために、Google Cloud Region Picker を積極的に使用している。

• AI および ML ワークロードを最適化する:

  • アルゴリズムの要件を特殊なハードウェア（TPU）に適合させてワットあたりの計算量を最大化する、またはモデル圧縮や PEFT などの数学的手法を適用して計算の複雑さを軽減します。

• リソース使用量を最適化する:

  • アイドル時にゼロまでスケールするフルマネージドサービスを利用する、または GKE で Horizontal Pod Autoscaling（HPA）と Vertical Pod Autoscaling（VPA）を使用して過剰なプロビジョニングを防ぎます。
  • ワットあたりのパフォーマンスを向上させるために最新のマシンタイプへアップグレードする正式なプロセスが存在する、またはワークロードを特殊なマシンファミリーに積極的に適合させます。
  • バッチジョブを、CFE の割合が最も高い時間帯またはリージョンで実行するよう積極的にスケジュールする、または重要度の低いバッチジョブに Spot VM を利用します。
  • セカンダリリージョンがイベント発生までゼロエネルギー消費のままとなるよう「コールド DR」またはサーバーレスのフェイルオーバーを優先する、または Infrastructure as Code（IaC）を使用して必要なときにのみ復旧環境を迅速にプロビジョニングします。

• エネルギー効率の高いソフトウェアを開発する:

  • リソースを大量に消費するビジーループや定期的なポーリングをイベント駆動型のロジックに置き換える、または最適な時間計算量とデータ構造を持つアルゴリズムを優先します。
  • 「Don't Repeat Yourself」（DRY）原則を遵守し定期的にリファクタリングする、またはインテリジェントなキャッシュ（例: Memorystore）をスマートなエビクションポリシーとともに実装します。
  • Web サイト製品のダウンロードサイズを計測し厳格な予算に対して維持する、または CI/CD パイプラインで HTML、CSS、JS ファイルの最小化と圧縮を自動化します。
  • 読み込みを高速化するために静的サイトまたは Progressive Web Apps（PWA）を優先する、またはデバイスの消費電力を削減するために DOM 操作を最小限に抑えます。

• データとストレージを最適化する:

  • Object Lifecycle Management を使用してコールドデータを自動的に Archive ストレージへ移動する、または検出技術（例: Dataplex）を使用して「ダークデータ」を特定し排除します。

• 継続的に測定し改善する:

  • カーボンデータをプロジェクト、リージョン、サービス別に分析して主要な排出源を特定する、または BigQuery でカーボンデータを請求データと結合してコストと環境への影響を相関させます。
  • 正式な GreenOps 機能がカーボン削減目標に対する責任を定義する、または BigQuery からの検証済みのカーボンフットプリントデータが正式な ESG 開示を支援します。
  • ソフトウェア機能の具体的なカーボン強度を測定するためにアプリケーションを計装する、または詳細な分析のためにカーボンフットプリントデータの BigQuery への自動エクスポートを構成します。
  • 未使用のリソースを廃止するために unattended project recommender と Active Assist を定期的に使用する、またはワークロードを低炭素リージョンへ移行することでホットスポットを再設計するプロアクティブなプロジェクトを実施します。

• 持続可能性の文化を促進する:

  • 抽象的なカーボン指標を年次報告書における具体的な進捗指標へ変換する、または持続可能性を KPI やパフォーマンスレビューに紐づけた一級の技術要件（NFR）として扱います。
  • 特定の職務に合わせたトレーニング（例: 開発者向けのコード効率、FinOps 向けのカーボン単価経済性）を提供する、またはチームがカーボンフットプリントデータにアクセスし解釈するための正式なトレーニングを実施します。