Well-Architected Framework 的可持续发展核心中的这一原则提供了相关建议，可帮助您衡量并不断改进工作负载的可持续性。Google Cloud Google Cloud
原则概览
为了确保云工作负载保持可持续性，您需要准确且透明的指标。借助可验证的指标，您可以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相关的碳足迹。如需构建和维护可持续的云架构，您必须将碳数据的衡量纳入运营反馈环路。
本部分中的建议提供了一个框架，用于使用 碳足迹 来量化碳排放量、确定碳热点、实施有针对性的 工作负载优化，以及验证优化工作的成果。 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
碳足迹报告提供透明、可审核且符合全球标准的云相关排放量报告。该报告遵循 国际标准，主要是 温室气体 (GHG) 协议 用于碳报告和核算。碳足迹报告使用基于位置和基于市场的核算方法。基于位置的核算方法以当地电网的排放因子为依据。基于市场的核算方法考虑了 Google 购买的无碳能源 (CFE)。这种双重 方法有助于您了解工作负载在 Google Cloud的实际电网影响和 碳效益。
如需详细了解碳足迹报告的 编制方式，包括所使用的数据源、范围 3 的纳入范围和 客户分配模型，请参阅 碳足迹报告方法。
建议
如需使用碳衡量来实现持续改进，请考虑以下部分中的建议。这些建议按成熟度阶段进行结构化，用于实施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，以便他们可以在
控制台 Google Cloud 中访问碳足迹信息中心。在 Identity and Access Management (IAM) 中为
相应的结算账号授予
碳足迹查看者角色 (
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） 和您的 资源注释（标记和标签） 准确反映了业务部门的组织结构。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量至关重要。配置将碳足迹数据自动导出到 BigQuery。借助导出的数据，您可以执行深入分析、将碳数据与费用和使用情况数据相关联，并生成自定义报告。
- 定义与碳相关的关键绩效指标 (KPI)：建立 将碳排放量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2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。使用以下技术进行此分析：
- 按范围确定优先级：如需快速确定最大的碳排放总量 ，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量（当地电网的环境影响）和基于市场的排放量（Google 的 CFE 投资效益）。
- 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。虽然费用和碳排放量通常呈同步趋势，但您只能将费用用作初始指标。例如，在费用较高的 无碳能源 (CFE) 评分较高的 区域， 工作负载的费用可能较高，但基于市场的排放量较低。请务必根据实际的基于位置的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)：为 BigQuery 中的碳 数据添加特定事件的注释，例如调整 资源大小或停用大型服务。借助这些注释，您可以将碳排放量和费用的减少归因于特定的优化计划，以便衡量和展示每个计划的结果。
第 3 阶段：实施有针对性的优化
这是实施可持续设计的云运营的执行阶段。使用以下策略来优化您确定为费用和碳排放量的重要驱动因素的特定资源：
- 退役无人使用的项目：作为 IT 服务管理 (ITSM) 工作流的一部分，定期检查与碳足迹数据集成的 无人使用的项目 Recommender 。如需立即实现可验证的碳排放量和费用减少，请通过跟踪的工程工单自动审核并最终移除未使用的项目。
- 调整资源大小：使用 Active Assist 调整大小Recommender（例如Compute Engine 虚拟机的机器类型建议）将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：对于非 时间关键型的批处理工作负载，请将区域 CFE 数据集成到调度逻辑中。在 可行的情况下，使用 组织政策服务中的 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 不常访问的数据过渡到适当的冷 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费用。
- 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效率低下问题。
如需了解详情，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，您需要将碳衡量纳入治理框架。这种方法有助于确保您的组织具备持续改进可持续性和可验证报告所需的功能和控制措施。
- 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 碳排放量导出 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数据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。此职能必须定义跨项目的碳减排目标责任、将费用优化与可持续发展目标保持一致，并实施报告以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检查: 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) 披露信息。这种方法可让您满足利益相关者对透明度的要求，并有助于确保遵守强制性和自愿性法规。
- 投资于培训和宣传：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程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。
- 定义碳要求：将碳排放量指标作为 非功能性要求 (NFR) 纳入应用新部署的验收标准中 。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的开始就优先考虑低碳设计选项。
- 实现 GreenOps 自动化：使用脚本、模板和基础架构即代码 (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。