Google Cloud Well-Architected Framework 可持续发展核心中的这一原则提供了相关建议，可帮助您衡量并持续改进 Google Cloud中工作负载的可持续发展。
原则概览
为确保云工作负载的可持续性，您需要准确且透明的指标。可验证的指标让您能够将可持续发展目标转化为行动。您在云端创建的每项资源都有关联的碳足迹。如需构建和维护可持续的云架构，您必须将碳数据测量纳入运营反馈环。
本部分中的建议提供了一个框架，用于使用碳足迹量化碳排放、识别碳热点、实施有针对性的工作负载优化，并验证优化工作的结果。借助此框架，您可以高效地将费用优化目标与可验证的碳减排目标保持一致。
碳足迹报告方法
碳足迹可提供透明、可审核且全球一致的云相关排放报告。该报告遵循国际标准，主要是温室气体 (GHG) 核算体系，用于碳排放报告和核算。碳足迹报告使用基于位置和基于市场的核算方法。按位置统计的核算方法基于本地电网的排放因子。按市场统计的方法会考虑 Google 购买的无碳能源 (CFE)。这种双重方法可帮助您了解 Google Cloud中工作负载对物理电网的影响和碳效益。
如需详细了解碳足迹报告的准备方式（包括使用的数据源、范围 3 包含的内容以及客户分配模型），请参阅碳足迹报告方法。
建议
如需使用碳测量进行持续改进，请考虑以下部分中的建议。这些建议按成熟度阶段进行组织，旨在帮助您实现可持续设计的云运营：
第 1 阶段：建立基准
在此阶段，您需要设置必要的工具，并确保数据可访问且已正确集成。
- 授予权限：向 FinOps、SecOps 和平台工程等团队授予权限，以便他们可以访问 Google Cloud 控制台中的碳足迹信息中心。在 Identity and Access Management (IAM) 中为相应结算账号授予 Carbon Footprint Viewer 角色 (
roles/billing.carbonViewer)。 - 自动导出数据：在导出数据之前，请确保您的Google Cloud资源层次结构（文件夹和项目）以及资源注释（标记和标签）准确反映了业务单位的组织结构。由于碳足迹数据是在项目级汇总的，因此明确定义的层次结构对于正确归因排放至关重要。配置自动将碳足迹数据导出到 BigQuery。通过导出的数据，您可以执行深度分析、将碳数据与费用和用量数据相关联，以及生成自定义报告。
- 定义与碳相关的关键绩效指标 (KPI)：建立将碳排放与业务价值联系起来的指标。例如，碳强度是衡量每位客户、每笔交易或每个收入单位的二氧化碳当量千克数的指标。
第 2 阶段：确定碳热点
通过分析碳足迹报告中的精细数据，确定对环境影响最大的方面。请使用以下方法进行分析：
- 按范围确定优先级：如需快速确定总碳排放量最大的排放源，请按项目、区域和服务分析信息中心内的数据。
- 使用双重核算：在评估某个区域的碳影响时，请同时考虑基于位置的排放（本地电网对环境的影响）和基于市场的排放（Google CFE 投资的效益）。
- 与费用相关联：将 BigQuery 中的碳数据与结算数据联接，并评估优化措施对可持续性和费用的影响。虽然成本和碳排放量通常具有相同的趋势，但您只能将成本作为初始指标。例如，在无碳能源 (CFE) 得分较高的区域，工作负载的成本可能较高，但基于市场的排放量较低。始终根据基于位置的实际指标和基于市场的指标验证优化假设。
- 为数据添加注释以衡量工作回报率 (ROE)：使用特定事件（例如调整资源大小或停用大型服务）为 BigQuery 中的碳数据添加注释。通过这些注释，您可以将碳排放量和成本的降低归因于特定的优化举措，从而衡量和展示每项举措的成果。
第 3 阶段：实施有针对性的优化
这是实施可持续设计云运维的执行阶段。您可以使用以下策略来优化您确定为费用和碳排放的主要驱动因素的特定资源：
- 停用无人使用的项目：作为 IT 服务管理 (ITSM) 工作流的一部分，请定期检查与碳足迹数据集成的无人使用的项目 Recommender。为了立即、切实地减少碳排放和成本，请通过跟踪工程工单，自动审核并最终移除未使用的项目。
- 合理调整资源量：使用 Active Assist 合理调整资源量建议器（例如针对 Compute Engine 虚拟机的机器类型建议），使预配的资源容量与实际利用率相匹配。对于计算密集型任务和 AI 工作负载，请使用最高效的机器类型和 AI 模型。
- 采用碳感知型调度：对于时间不紧急的批处理工作负载，请将区域 CFE 数据集成到调度逻辑中。在可行的情况下，使用 Organization Policy Service 中的资源位置限制条件，将新资源的创建限制在低碳区域。
- 减少数据蔓延：实施数据治理政策，确保不常访问的数据转换为适当的冷存储类别（Nearline、Coldline 或 Archive）或永久删除。此策略有助于降低存储资源的能源成本。
- 优化应用代码：修复导致资源使用过多或不必要计算的代码级低效问题。
详情请参阅以下内容：
第 4 阶段：将可持续发展实践和报告制度化
在此阶段，您需要将碳排放量衡量纳入治理框架。此方法有助于确保您的组织具备持续改进可持续性和提供可验证报告所需的能力和控制措施。
- 实施 GreenOps 治理：建立正式的 GreenOps 职能或工作组，将碳足迹数据与 Cloud Billing 数据集成。将每月 BigQuery 碳排放导出直接集成到现有的 FinOps 信息中心（例如 Looker）中。在单个界面中呈现碳和费用数据有助于确保可持续性成为标准运营审核周期的一部分。此职能必须明确各项目的碳减排目标责任，使成本优化与可持续发展目标保持一致，并实施报告机制来跟踪碳效率与支出的关系。
- 使用碳足迹数据进行报告和合规性：使用 BigQuery 中经过验证、可审核的碳足迹数据来创建正式的环境、社会和治理 (ESG) 披露。通过这种方法，您可以满足利益相关方对透明度的要求，并有助于确保遵守强制性和自愿性法规。
- 投资于培训和意识提升：为相关技术和非技术团队实施强制性可持续发展培训。您的团队需要了解如何访问和解读碳足迹数据，以及如何在日常工作流和设计选择中应用优化建议。如需了解详情，请参阅提供基于角色的可持续发展培训。
- 定义碳排放要求：在应用的新部署验收标准中，将碳排放指标作为非功能性要求 (NFR) 纳入其中。这种做法有助于确保架构师和开发者从应用开发生命周期开始就优先考虑低碳设计选项。
- 实现 GreenOps 自动化：使用脚本、模板和基础设施即代码 (IaC) 流水线，自动实施 Active Assist 建议。这种做法可确保团队在整个组织中一致且快速地应用建议。