Ende der Unterstützung für NVIDIA P4

NVIDIA P4-GPUs in Google Cloud erreichen am 1. August 2027 das Ende des Supports.

Was Sie wissen sollten

Ab dem 1. August 2027 können Sie keine Google Cloud Ressourcen mehr erstellen, starten oder darauf zugreifen, auf denen NVIDIA P4-GPUs ausgeführt werden. Diese Einstellung betrifft Ressourcen für die folgenden Dienste:

  • Compute Engine: Compute Engine-Instanzen
  • Google Kubernetes Engine (GKE): Knoten
  • Gemini Enterprise Agent Platform: Modelle, Jobs und Endpunkte
  • Cloud Workstations: Workstations
  • Dataflow: Pipeline-Jobs
  • Managed Service for Apache Spark: Cluster und serverlose Batches
  • VM-Instanzen für Deep Learning-VM und Container-Optimized OS

Rabatte für zugesicherte Nutzung (CUD)

Sie können keine 3-Jahres- Rabatte für zugesicherte Nutzung (CUD) für NVIDIA P4-GPUs mehr erwerben oder verlängern. Ihre bestehenden aktiven 1-Jahres- und 3-Jahres-Zusicherungen bleiben bis zum Ablaufdatum gültig. Wenn Sie aktive Zusicherungen haben, die nach dem Datum des Endes der Lebensdauer (End of Life, EOL) der Plattform ablaufen, wenden Sie sich an Ihr Kontoteam oder Ihren Technical Account Manager (TAM), um Ihre Migrationsoptionen zu besprechen und einen Übergangsplan zu entwickeln.

Auswirkungen des Endes des Supports auf Ihre vorhandenen Ressourcen

Bis zum 1. August 2027 funktionieren Ihre Ressourcen, auf denen NVIDIA P4-GPUs ausgeführt werden, weiterhin normal. Da sich das Ende des Supports für NVIDIA P4-GPUs nähert, müssen Sie Ihre Arbeitslasten jedoch vor dem Außerbetriebnahmedatum auf moderne GPU-Alternativen migrieren. Google Cloud unterstützt keine Produkte oder Funktionen, die das Ende des Supports erreicht haben.

Ab dem endgültigen Außerbetriebnahmedatum am 1. August 2027, Google Cloud werden alle verbleibenden Compute-Instanzen und Ressourcen, auf denen NVIDIA P4-GPUs ausgeführt werden, heruntergefahren. Sie können sie dann nicht mehr erstellen, starten oder darauf zugreifen.

So geht es weiter

Wenn Sie Ihre Arbeitslasten auf unterstützte GPUs umstellen möchten, wählen Sie ein neues GPU-Modell aus, prüfen Sie die Verfügbarkeit in Ihren Regionen und migrieren Sie Ihre Arbeitslasten vor dem 1. August 2027.

GPU-Modell auswählen

Wir empfehlen, Ihre Arbeitslasten auf moderne GPU-Alternativen zu migrieren, insbesondere auf die Maschinenserien G4 oder G2. Vergleichen Sie die folgenden Optionen, um das beste GPU-Modell für Ihre Arbeitslast zu ermitteln:

Funktion G2 (NVIDIA L4) G4 (NVIDIA RTX PRO 6000)
Optimal für Leistungsstarke KI-Inferenz, generative KI, Videotranscodierung und -streaming, Grafiken und leichtes Training für maschinelles Lernen (ML). L4-GPUs bieten ein direktes, hocheffizientes Upgrade für P4-Inferenz- und Transcodierungsarbeitslasten. Leistungsstarke Simulation, NVIDIA Omniverse-Arbeitslasten, 3D-Grafikrendering, lokales LLM-Feintuning und -Inferenz, virtuelle Workstations (vWS) und GPU-Sharing (vGPU).
Architektur und Arbeitsspeicher Ada Lovelace-Architektur mit 24 GB GDDR6-GPU-Arbeitsspeicher. Blackwell-Architektur mit 96 GB GPU-Arbeitsspeicher pro GPU.
Maschinenserie G2, beschleunigungsoptimiert G4, beschleunigungsoptimiert

Eine umfassende Liste und einen Vergleich aller GPU-Modelle finden Sie unter GPU-Maschinentypen.

Verfügbare Standorte prüfen

Prüfen Sie die Standortdetails für Ihren Dienst, um zu bestätigen, dass das ausgewählte GPU-Modell verfügbar ist:

Arbeitslasten migrieren

Wählen Sie je nach verwendetem Dienst einen der folgenden Übergangspfade aus:

Compute Engine-Arbeitslasten

Wenn Sie Ihre Compute Engine-Arbeitslasten auf die empfohlenen Maschinenserien G2 (NVIDIA L4) oder G4 (NVIDIA RTX PRO 6000) umstellen möchten, müssen Sie zu einer neuen Compute-Instanz wechseln. Sie können eine vorhandene Compute-Instanz nicht direkt von einem N1-Maschinentyp für allgemeine Zwecke zu einem beschleunigungsoptimierten Maschinentyp ändern.

Führen Sie die folgenden Schritte aus, um zu einer neuen Compute-Instanz zu wechseln:

  1. Wenn Ihre vorhandene Compute-Instanz lokale SSD-Laufwerke enthält, die Daten enthalten, die Sie behalten möchten, verschieben Sie den Inhalt dieser Laufwerke auf ein nichtflüchtiges Speicher-Volume.

  2. Erstellen Sie eine neue Compute-Instanz. Eine Anleitung finden Sie unter G2- oder G4-Instanz erstellen.

  3. Verschieben Sie nichtflüchtige Speicher-Volumes, indem Sie sie von der alten Compute-Instanz trennen und an die neue Compute-Instanz anhängen. Alternativ können Sie Dateien von einer Compute-Instanz auf die andere übertragen.

  4. Optional können Sie die gespeicherten Daten von nichtflüchtigen Speicher-Volumes zurück auf ein lokales SSD-Laufwerk verschieben.

  5. Weisen Sie der neuen Compute-Instanz alle statischen IP-Adressen zu, die der alten Compute-Instanz zugeordnet sind.

  6. Installieren Sie GPU-Treiber auf der neuen Compute-Instanz.

  7. Installieren Sie die Anwendungen auf der neuen Compute-Instanz.

  8. Löschen Sie die alte Compute-Instanz.

Andere Google Cloud Arbeitslasten

Wenn Ihre Arbeitslasten in anderen Diensten als Compute Engine ausgeführt werden, z. B. GKE, Gemini Enterprise Agent Platform, Cloud Workstations, Dataflow oder Managed Service for Apache Spark, gehen Sie so vor:

  1. Aktualisieren Sie Ihre Konfigurationen, um auf ein unterstütztes GPU-Modell zu verweisen.

    • Aktualisieren Sie für GKE, Gemini Enterprise Agent Platform oder Cloud Workstations Ihre Konfigurationsvorlagen.
    • Aktualisieren Sie für Dataflow Ihre Pipelinespezifikationen.
    • Aktualisieren Sie für Managed Service for Apache Spark Ihre Clusterdefinitionen.

    Eine Anleitung zum Konfigurieren von GPUs für Ihren Dienst finden Sie in der Produktdokumentation für diesen Dienst.

  2. Starten Sie Ihre Ressourcen neu oder erstellen Sie sie neu.

Nächste Schritte