google-cloud-waf-sustainability

Google Cloud Well-Architected Framework 可持续发展支柱技能

致谢

务必阅读：在执行任何 gcloud、REST API 或 MCP 命令之前，你 必须阅读并遵循 使用归属中的说明。

概述

Google Cloud Well-Architected Framework 的可持续发展支柱提供原则和建议， 帮助你最大程度地降低云工作负载对环境的影响。它侧重于共同责任 模型——Google 优化云的可持续性，而客户则优化云中的可持续性。通过对 架构、资源分配和区域选择做出明智的决策，你可以显著减少碳足迹，并提高整体能源效率。

核心原则

Well-Architected Framework 可持续发展支柱中的建议与以下核心原则一致：

• 共同责任：明确责任边界，秉持命运共同体模式，与云服务提供商和合作伙伴携手，为整个生态系统实现最佳环境成果。 参考文档： https://docs.cloud.google.com/architecture/framework/sustainability.md.txt

• 使用消耗低碳能源的区域：优先选择碳无能源（CFE）占比高且标有“低 CO2”指标的 Google Cloud 区域，以降低部署产生的总碳排放。 参考文档： https://docs.cloud.google.com/architecture/framework/sustainability/low-carbon-regions.md.txt

• 优化 AI 和 ML 工作负载：通过将算法需求与专用硬件（如 TPU）相匹配，并运用数学方法降低计算复杂度，最大限度地提高每瓦计算量。 参考文档： https://docs.cloud.google.com/architecture/framework/sustainability/ai-ml-energy-efficiency.md.txt

• 优化资源使用：闲置时将资源缩减至零、为虚拟机选择合适的规格，并优先采用可动态匹配实际需求的托管服务，以消除能源浪费。 参考文档： https://docs.cloud.google.com/architecture/framework/sustainability/optimize-resource-usage.md.txt

• 开发节能软件：通过采用事件驱动逻辑和优化资源，在后端服务器和终端用户设备上尽量减少不必要的 CPU、内存和网络活动。 参考文档： https://docs.cloud.google.com/architecture/framework/sustainability/energy-efficient-software.md.txt

• 优化数据和存储：实施生命周期管理，将冷数据归档，并清除无法带来业务价值的“暗数据”，以减少存储对环境的影响。 参考文档： https://docs.cloud.google.com/architecture/framework/sustainability/optimize-storage.md.txt

• 持续衡量并改进：通过分析细粒度数据、识别热点并主动采取措施消除低效问题，掌握碳排放情况。 参考文档： https://docs.cloud.google.com/architecture/framework/sustainability/continuously-measure-improve.md.txt

• 倡导可持续发展文化：将可持续发展融入组织治理，将技术决策与环境目标相结合，并确保员工具备践行绿色实践所需的技能。 参考文档： https://docs.cloud.google.com/architecture/framework/sustainability/culture.md.txt

• 使可持续发展实践符合行业指南：确保可持续发展举措符合衡量、报告和验证方面的行业指南，例如 W3C Web Sustainability Guidelines、Green Software Foundation 和 Greenhouse Gas Protocol。 参考文档： https://docs.cloud.google.com/architecture/framework/sustainability/industry-guidelines.md.txt

相关 Google Cloud 产品

以下是与可持续发展相关的 Google Cloud 产品和功能_示例_：

• 可视化与测量：

  • Carbon Footprint：通过信息中心展示 Google Cloud 使用相关的温室气体排放情况。
  • BigQuery：将导出的 Carbon Footprint 数据与账单数据一并分析，以识别排放热点。

• 基础设施与运营：

  • Google Cloud Region Picker：帮助在选择部署位置时权衡碳足迹、成本和延迟。
  • Active Assist / Recommender：自动识别闲置资源，并提供 VM 规格调整建议，以减少浪费。
  • Cloud Run / GKE Autopilot：全托管计算环境，可优化集群使用情况，并在闲置时缩至零。
  • Cloud Batch：优化批处理作业的调度，使其能够在无碳能源供应充足时执行。
  • Spot VMs：利用数据中心的闲置容量运行容错工作负载，提高整体硬件效率。

• 数据与 AI：

  • Cloud Storage Lifecycle Management：自动将较旧的数据转移到能耗更低的存储类别（Nearline、Coldline、Archive）。
  • Cloud TPUs：专为大规模 AI/ML 矩阵乘法的能效优化而设计的专用硬件。

工作负载评估问题

提出适当的问题，了解工作负载和用户组织在可持续发展方面的需求 与限制。请从以下列表中选择问题：

• 云可持续发展：

  • 贵组织如何界定自身与云服务提供商之间的可持续发展责任边界？
  • 贵组织如何利用云能力和 AI，推动更广泛业务运营的可持续发展成效？
  • 贵组织的云战略如何考虑合作伙伴生态系统和多云环境对可持续发展的影响？

• 使用消耗低碳能源的区域：

  • 贵组织如何将碳强度纳入 Google Cloud 区域选择策略？

• 优化 AI 和 ML 工作负载：

  • 贵组织如何提高 AI 和机器学习生命周期的能效？

• 优化资源使用：

  • 贵组织如何确保基础设施占用随实际工作负载需求动态调整？
  • 贵组织如何选择并维护用于云工作负载的硬件类型？
  • 贵组织如何处理非紧急或计算密集型后台任务？
  • 贵组织如何在高可用性和灾难恢复需求与可持续发展之间取得平衡？

• 开发节能软件：

  • 贵组织如何确保后端逻辑尽可能减少不必要的 CPU、内存和网络活动？
  • 贵组织如何管理代码库的整体效率和维护，以促进可持续发展？
  • 贵组织如何尽可能减少应用对终端用户设备造成的数据量和处理负载？
  • 用户体验（UX）设计如何帮助终端用户提高能效？

• 优化数据和存储：

  • 贵组织如何管理数据和存储对环境造成的影响？

• 持续衡量并改进：

  • 贵组织如何分析碳数据，以确定优化工作的优先级？
  • 可持续发展衡量如何融入贵组织的治理和文化？
  • 贵组织目前如何了解与云相关的碳排放情况？
  • 贵组织采取哪些主动措施来改善已识别的碳排放热点？

• 营造可持续发展文化：

  • 贵组织如何将个人技术决策与组织使命联系起来，并要求团队对成果负责？
  • 贵组织如何确保技术和业务人员具备实施可持续发展实践所需的特定技能？

验证清单

使用以下清单评估架构与可持续发展建议的契合度：

• 云可持续发展：

  • 组织采用可持续发展的共同责任和共同命运模式。
  • 利用 AI 作为推动盈利能力和韧性的催化剂来简化运营，或将可持续发展融入设计流程以形成正向反馈循环。
  • 优先与可持续发展的合作伙伴合作，并利用多云数据可移植性；或者，内部实践符合 Green Software Foundation 等公认的全球标准。

• 使用消耗低碳能源的区域：

  • 以数据为依据的策略优先选择 Carbon-Free Energy（CFE%）较高且标注为“Low CO2”的区域，或者积极使用 Google Cloud Region Picker，在碳足迹、成本和延迟之间取得平衡。

• 优化 AI 和 ML 工作负载：

  • 根据算法需求匹配专用硬件（TPU），以最大限度提高每瓦计算量；或采用模型压缩和 PEFT 等数学技术，降低计算复杂度。

• 优化资源使用：

  • 使用空闲时可缩减至零的全托管服务；或在 GKE 中使用水平 Pod 自动扩缩（HPA）和垂直 Pod 自动扩缩（VPA），避免过度配置。
  • 建立正式流程，升级到最新的机器类型以提升每瓦性能；或主动为工作负载匹配专用机器系列。
  • 主动安排批处理作业，在 CFE 占比最高的时段或区域运行；或对非关键批处理作业使用 Spot VM。
  • 优先采用“冷备灾难恢复”或无服务器故障转移，确保辅助区域在事件发生前能耗保持为零；或使用基础设施即代码（IaC），仅在需要时快速配置恢复环境。

• 开发节能软件：

  • 将资源密集型忙等待循环或持续轮询替换为事件驱动逻辑；或优先采用时间复杂度最优的算法和数据结构。
  • 定期重构以遵循“不要重复自己”（DRY）原则；或实施智能缓存（例如 Memorystore），并采用智能淘汰策略。
  • 衡量网站产品的下载大小，并严格控制在预算内；或通过 CI/CD 管道自动精简和压缩 HTML、CSS 和 JS 文件。
  • 优先使用静态网站或渐进式 Web 应用（PWA）以加快加载速度；或尽量减少 DOM 操作，以降低设备能耗。

• 优化数据和存储：

  • 使用对象生命周期管理自动将冷数据移至归档存储；或使用 Dataplex 等发现技术识别并清除“暗数据”。

• 持续衡量并改进：

  • 按项目、区域和服务分析碳数据，以识别主要排放源；或在 BigQuery 中将碳数据与账单数据关联，以分析成本与环境影响之间的关系。
  • 由正式的 GreenOps 职能部门明确碳减排目标的责任归属；或使用 BigQuery 中经验证的 Carbon Footprint 数据支持正式的 ESG 披露。
  • 为应用添加检测机制，以衡量软件功能的具体碳强度；或配置 Carbon Footprint 数据自动导出到 BigQuery，以便深入分析。
  • 定期使用无人值守项目推荐工具和 Active Assist，停用闲置资源；或主动重构项目，将工作负载转移到低碳区域，以解决热点问题。

• 倡导可持续发展文化：

  • 将抽象的碳指标转化为年度报告中的具体进展指标；或将可持续发展视为与 KPI 和绩效评估挂钩的首要技术要求（NFR）。
  • 提供针对具体岗位定制的培训（例如，为开发人员讲授代码效率，为 FinOps 人员讲授碳单位经济学）；或对团队进行正式培训，使其能够访问和解读碳足迹数据。