今回は、Google Cloud Storage のバケット別のデータ量を確認する方法を解説します。
Google Cloud Storage は、Google が提供するオブジェクトストレージサービスです。大量のデータを保存・管理するのに適しており、多くの企業や個人に利用されています。しかし、Google Cloud Storage は、データの保存量に応じて料金が発生します。そのため、不必要に多くのデータを保存していると、高額な請求がくる可能性があります。
いざ請求が来た時、「どのバケットを整理すればいいのか?」がわかりにくいので困る人もいるかもと思い、記事にしてみました。
「お支払い」から請求金額を確認
Google Cloud コンソールの「お支払い」>「レポート」でサービス(CLoud Storage、Compute Engine、BigQuery等)ごとの費用を確認します。
弊社では、プロジェクトごとに予算とアラートを設定しており、ほぼ無料枠内で利用できていたプロジェクトで請求が来たのでアラートメールが飛んできました。
高額、ではないかもしれませんが、上記のキャプチャでは Cloud Storage のStandard Storage Tokyo で 7,275円の費用が発生しています。使用状況が 2,374.75 Gib(約 2.5 TB)となっておりますが、一体どのバケットに大きなデータが入っているのかはこの画面からはわかりません。
バケットごとのデータ量を確認する
Google Cloud の Cloud Monitoring サービスにある、リソースを監視するツール「Metrics Explorer」を使用して、各バケットの使用状況(データ量)を確認していきます。
Metrics Explorer を使用すると、指標をグラフ化したり、アラートを作成したり、データにフィルターをかけたりすることができます。
<手順>
- コンソールのメニューで [Monitoring] を選択し、[Metrics Explorer] に移動
- [指標を選択] の [ACTIVE RESOURCES] メニューで、[GCS Bucket] を選択
- [ACTIVE METRIC CATEGORIES] メニューで、[Storage] を選択
- [ACTIVE METRICS] メニューで Total bytes を選択
- [適用] をクリック
グラフを見ると、バケットごとに使用量(Total bytes)が確認できます。上のキャプチャでは、あるバケットだけで約 3 TB 使っていたので、ここを整理すればいいと見当をつけることができました。
データを削除せずに請求額を減らしたいなら、ストレージクラスの変更もあり
バケットが特定できれば不要なデータを削除したり圧縮したりで使用量を減らすことができます。それでも足りない場合は、ストレージクラスを変更することで料金を節約することができます。ストレージクラスには、次の3種類があります。
- Standard Storage:最も一般的なストレージクラスです。
- Nearline Storage:Standard Storageよりも安価なストレージクラスです。
- Coldline Storage:Nearline Storageよりも安価なストレージクラスです。
ただし、ストレージクラスを変更すると、データのアクセス速度が低下する可能性があることに注意してください。
まとめ
- お支払いレポートで、どのサービスでいくら請求がきているのかを確認できる
- Cloud Storage のバケットごとのデータ量は Metrics Explorer で確認できる
- 不要なデータを削除、ストレージクラスを変更などで、料金を節約できる
参考:Google Cloud ドキュメント「バケット情報の取得(公式)
https://cloud.google.com/storage/docs/getting-bucket-information?hl=ja
API ARIMA AutoML Bard BigQuery Bing ChatGPT Cloud Endpoints Cloud Storage DWH EBPM GAS Generative AI Google Apps Script Google Cloud Google Form Google Workspace IT組織 Outlook PaLM PDF Python ReportLab selenium Statsmodels STL VertexAI Vertex Forecast スクラッチ セミナー ソトミル トレンド分析 トレーニング バッチ予測 世界は女性とデジタルが救う 女性活躍 技術 時系列データ分析 業務効率化 機械学習 特徴量エンジニアリング 生成AI 自動化 評価指標 需要予測