GCP 成本優化完全指南 2026：帳單分析與省錢技巧

TL;DR: 【2026 最新版】學會 GCP 成本優化三大支柱：善用 Gemini AI 輔助的 Billing Reports 分析帳單、掌握 CUD（Committed Use Discount，承諾用量換折扣）與 SUD（Sustained Use Discount，用越多自動折越多）的折扣策略、運用 Spot VM 最高 91% 折扣。手把手帶你從「看不懂帳單」到「精準控管每一塊錢」。

讀這篇前你只要知道：GCP 的 VM（虛擬機）、儲存、網路大概各自在收什麼錢就夠了。文章後段會出現 BigQuery SQL、Cloud Functions、GKE YAML 這些東西，那些屬於「實務加碼」、不是 ACE 必考範圍，看到時不用緊張 — 我會標出來哪些可以先跳過。

為什麼 GCP 成本容易失控？5 個常見陷阱

場景一：開發測試環境忘記關閉 週五下班前你開了 10 台 n1-standard-8 VM 跑壓測，週末忘了關，週一一看已經燒掉 $500 起跳。

場景二：選錯 Storage Class 不常存取的備份檔案丟在 Standard Storage，儲存費每月就多付 5-10 倍。

場景三：跨區域傳輸費爆表 application 在 us-central1，database 卻在 asia-east1，每月跨區傳輸費就佔了帳單的 30%。

場景四：沒善用折扣方案 明明運算需求很穩定，卻一路用 On-Demand 價格，白白錯過 CUD 能省下的 50-70%。

場景五：缺乏成本可見性 帳單按月結算，等你發現成本不對勁，往往已經多花了好幾千美元。

所以重點不是把帳單砍到最低，而是讓每一塊錢都花在刀口上 — 這就是 FinOps（Financial Operations，把財務紀律帶進雲端用量管理）的核心。

GCP 成本結構解析：你的錢花在哪？

四大成本組成

GCP 帳單主要分成四大類：

1. Compute（運算）

Compute Engine VM instances
GKE clusters
Cloud Run containers
Cloud Functions executions

成本驅動因素：

VM 規格（vCPU、RAM、GPU）
運行時數
區域（us-central1 最便宜，asia-northeast1 較貴 10-20%）

2. Storage（儲存）

Cloud Storage buckets
Persistent Disks
Cloud SQL databases
Filestore

成本驅動因素：

Storage Class（Standard / Nearline / Coldline / Archive）
儲存容量（GB/月）
讀寫操作次數

3. Network（網路）

VPC 內部流量（免費）
跨區域傳輸（Regional egress）
對外網路（Internet egress）
Load Balancer 流量

成本驅動因素：

出站流量（Egress，資料從 GCP 往外送）計費，入站（Ingress，資料進來）免費
同區域免費，跨區依距離計費

4. Other Services（其他服務）

BigQuery queries
Cloud Logging
Cloud Monitoring
API calls

成本結構範例

典型 web application 成本分布：

項目	佔比	月費用（假設 $10,000 總預算）
Compute	45%	$4,500
Storage	20%	$2,000
Network	25%	$2,500
Other	10%	$1,000

⚠️ 警告：Network 佔比超過 30%，通常代表架構出了問題，該回頭檢查是不是太多資源跨區域了。

帳單分析實戰：Billing Reports 完整教學

3.1 四大 Billing Reports 類型

Report 1: Reports Page（基礎報表）

存取路徑：

Google Cloud Console → Billing → Reports

可回答的問題：

本月支出趨勢如何？
上個月哪個專案花費最多？
哪個 GCP 服務成本最高？

核心功能：

時間範圍選擇
- 本月迄今（MTD）
- 上個月
- 過去 3 個月
- 自訂日期範圍
分組維度（Group by）
- Project（專案）
- Service（服務，如 Compute Engine、Cloud Storage）
- SKU（具體資源，如 n1-standard-4）
- Location（區域）
- Label（自訂標籤）
篩選器（Filters）
- 依專案、服務、標籤篩選
- 排除特定項目
圖表類型
- 堆疊柱狀圖（Stacked bar chart）
- 堆疊面積圖（Stacked area chart）
- 折線圖（Line chart）

最佳實踐：

日常監控設定:
  - Group by: Service
  - Time range: Last 30 days
  - Chart: Stacked area chart

成本分攤設定:
  - Group by: Label
  - Filter: label.team=backend, label.team=frontend
  - Time range: This month

Report 2: Cost Table Report（成本明細表）

功能：取代傳統發票，把成本拆得很細給你看

包含欄位：

Project ID / Project Number
Service description
SKU description
Usage amount
Cost（含稅前/稅後）
Credits（折扣）

使用場景：

財務部門對帳
專案成本精算
跨部門費用分攤

下載格式：CSV / PDF

Report 3: Pricing Table Report（SKU 定價表）

功能：查詢所有 SKU 的即時定價

使用時機：

估算新專案成本
比較不同區域價格
規劃 resource migration

範例：查詢 n1-standard-4 在不同區域的價格

Region	vCPU/hour	RAM GB/hour	Total/month (730h)
us-central1	$0.190	$0.0255	$185.58
asia-east1	$0.209	$0.0280	$204.01
europe-west1	$0.209	$0.0280	$204.01

Report 4: CUD Analysis Reports（CUD 效益分析）

功能：視覺化 Committed Use Discounts 的財務影響

關鍵指標：

CUD Coverage（涵蓋率）：被 CUD 涵蓋的用量百分比
CUD Utilization（使用率）：已使用的 CUD 承諾百分比
Effective Savings（實際節省金額）

最佳實踐：

Coverage < 70%：考慮購買更多 CUD
Utilization < 80%：CUD 購買過多，需調整

3.2 🆕 Gemini Cloud Assist - AI 驅動的成本分析

2024 年下半年起陸續開放 Preview，目前仍是 Pre-GA 階段

Google Cloud 把 Gemini Cloud Assist 整進了 Billing Reports，幫你用 AI 分析成本：

核心能力：

自然語言查詢：用對話方式建立成本報表
- 「顯示本月 Compute Engine 成本最高的 5 個專案」
- 「比較上週與本週的 Cloud Storage 費用」
AI 報表摘要：自動分析報表並提供關鍵洞察
- 識別異常支出模式
- 建議成本優化機會
報表建議：推薦適合的報表配置
- 根據歷史查詢模式
- 自動篩選相關維度

使用範例：

User: "Show me which team spent the most last month"
Gemini: 建立報表 → Group by: Label (team) → Time: Last month
       結果: Backend team $15,000 (↑20% vs prev month)

3.3 🆕 App Hub 整合 - 按應用程式分析成本

2025 年 4 月新增

App Hub 現在也整進了 Billing Reports，FinOps 和 DevOps 團隊可以這樣用：

按應用程式分組成本：在 Reports 中選擇「Group by Application」
應用程式層級篩選：在 Cost Table Report 篩選特定 application
成本優化建議：針對每個 application 提供效率優化建議

使用場景：

多個微服務組成的應用程式，追蹤總成本
跨專案的應用程式，統一成本視圖
與 DevOps 工具整合，自動化成本歸因

3.4 🆕 FinOps Hub 2.0 - 雲端浪費偵測

2025 年 4 月 Google Cloud Next 發表

FinOps Hub 2.0 新增 Utilization Insights 儀表板：

功能：

Idle Resources Detection（閒置資源偵測）
- CPU < 5% 的 VM
- 未附加的 Persistent Disks
- 未使用的 Static IPs
Right-Sizing Recommendations（合適化建議）
- Over-provisioned VMs
- Under-utilized databases
Waste Reduction Metrics（浪費減少指標）
- 每月可節省金額
- 優化後的預估成本

存取路徑：

Google Cloud Console → Billing → FinOps Hub → Utilization Insights

3.5 進階功能：BigQuery Export

🔧 進階／可跳過：以下這段的 BigQuery SQL 查詢屬於實務操作，不是 ACE 考試範圍。ACE 你只要記住一個觀念就好：「要做細緻的成本分析，就把帳單匯出（Export）到 BigQuery」。SQL 怎麼寫可以等實際工作再學，初學者第一次讀可以直接跳到下一節「折扣大作戰」。

為什麼需要 BigQuery Export？

雖然 Gemini 和 FinOps Hub 2.0 的 AI 分析已經很好用，但要做深度分析，BigQuery Export 還是少不了：

複雜的自訂查詢（如：「找出成本週成長 > 20% 的專案」）
串接 BI 工具（Looker、Tableau、Data Studio）
長期歷史資料保留與趨勢分析

設定步驟：

# Step 1: 建立 BigQuery dataset
bq mk --dataset --location=US billing_export

# Step 2: 在 Billing 設定中啟用 Export
# Google Cloud Console → Billing → Billing export
# → Enable BigQuery export
# → Select dataset: billing_export

# Step 3: 等待資料開始匯出（通常需 24 小時）

範例查詢：找出本月成本 Top 10 專案

SELECT
  project.name AS project_name,
  SUM(cost) AS total_cost,
  SUM(IFNULL((SELECT SUM(c.amount)
              FROM UNNEST(credits) AS c), 0)) AS total_credits
FROM
  `billing_export.gcp_billing_export_v1_XXXXX`
WHERE
  DATE(usage_start_time) >= DATE_TRUNC(CURRENT_DATE(), MONTH)
GROUP BY
  project_name
ORDER BY
  total_cost DESC
LIMIT 10;

範例查詢：按 Label 分攤成本

SELECT
  (SELECT value FROM UNNEST(labels) WHERE key = 'team') AS team,
  service.description AS service,
  SUM(cost) AS total_cost
FROM
  `billing_export.gcp_billing_export_v1_XXXXX`
WHERE
  DATE(usage_start_time) >= '2026-12-01'
GROUP BY
  team, service
ORDER BY
  total_cost DESC;

📊 Pro Tip：使用 Looker Studio 連接 BigQuery，建立 Real-time Cost Dashboard。

折扣大作戰：CUD vs SUD vs Spot VM 完全攻略

4.1 Committed Use Discounts (CUD) - 承諾使用折扣

運作機制

跟 GCP 簽 1 年或 3 年的承諾，換來大幅折扣。概念上就像「買房」對比「租房」。

兩種 CUD 類型

Type 1: Resource-Based CUD（資源型）

承諾用掉固定數量的資源（vCPU、RAM、GPU）。

折扣幅度：

機器類型	1 年期	3 年期
一般用途（N1, N2, E2）	37%	55%
記憶體最佳化（M1, M2）	37%	70%
運算最佳化（C2, C2D）	37%	55%

範例：承諾使用 100 vCPU + 400 GB RAM（us-central1）

承諾內容:
  - 100 vCPU x 730 小時/月 = 73,000 vCPU-hours
  - 400 GB RAM x 730 小時/月 = 292,000 GB-hours

折扣計算:
  On-Demand 價格: $3,650/月
  3 年 CUD 價格: $1,643/月（55% off）
  每月節省: $2,007
  3 年總節省: $72,252

Type 2: Spend-Based CUD（消費型）

承諾每小時的最低消費金額（$/hour），不綁定特定資源類型。

優點：

資源配置可以隨時調整（今天用 16 vCPU，明天改用 8 vCPU + GPU 都行）
適合多專案、多團隊的環境

折扣幅度：spend-based / flexible CUD 跨服務（Compute Engine / GKE / Cloud Run）約 1 年 28% / 3 年 46%（多數機型；別跟綁機型的 resource-based CUD 3 年 55% 混為一談）

範例：承諾 $100/hour（3年期）

承諾內容:
  - $100/hour x 730 hours = $73,000/月

使用彈性:
  Week 1: 50 台 n1-standard-4 VM
  Week 2: 10 台 n1-highmem-8 + 5 張 V100 GPU
  Week 3: 100 台 e2-medium VM

只要每小時使用量達 $100，折扣全額套用

🚨 2026 年 1 月 21 日重大變更（必讀）

所有既有帳單帳戶（使用 spend-based CUD 者）將自動遷移到新的 Multiprice CUD 資料模型

時間軸：

✅ 2025 年 7 月 15 日：新帳戶（首次購買 spend-based CUD）自動採用新模型；既有帳戶可提前 opt-in
🔄 2026 年 1 月 21 日：所有既有帳戶自動遷移（不可逆）

重大變更：

折扣顯示方式改變

舊模式：On-Demand 價格 + Credits（折扣以抵免額度形式）
新模式：直接顯示折扣後價格（更透明）

舊帳單:
  Compute Engine: $1,000
  CUD Credits: -$550
  Total: $450

新帳單:
  Compute Engine (CUD discounted): $450
  Total: $450

Multiprice 支援
- 同一個 SKU 可以有多個價格（像是 On-Demand、CUD、客製化合約）
- 系統會自動幫你套用最優惠的價格
擴大涵蓋範圍
- ✅ Cloud Run SKUs（新增）
- ✅ H3 VMs（新增）
- ✅ 更多 GPU 類型
BigQuery Export Schema 更新
- 新增 pricing.effective_price 欄位
- 更清楚追蹤折扣來源

影響與建議：

⚠️ 注意事項：

遷移後就回不去舊模式了
既有的 CUD 合約照樣有效，不受影響
建議在 2026/1/21 前先檢查一下 BigQuery Export 的查詢要不要調整

✅ 優點：

帳單更簡潔易懂
自動套用最優惠價格
支援更多資源類型

📚 官方文件：

CUD 購買建議

CUD 適合的是那種「未來一兩年都會穩穩跑」的東西 — production 資料庫、長期在線的 web server、每天定時跑的批次作業，或是用量穩定成長、你大致估得出來的專案。反過來，需求忽高忽低的開發/測試環境、業務還在試水溫的新創、或只是做個 PoC 驗證概念的短命專案，就別簽 CUD，免得承諾了卻用不到，反而虧。

購買策略：

先看歷史用量：抓出過去 3-6 個月的基準用量（baseline usage）
保守一點估：CUD 承諾量抓基準用量的 70-80% 就好，留點 buffer
分散風險：分批買、每季檢討一次，別一口氣壓 3 年
混合搭配：CUD 顧基準用量，波峰用量交給 On-Demand + SUD

4.2 Sustained Use Discounts (SUD) - 持續使用折扣

運作機制

全自動，完全不用手動設定。Google 會自己追蹤每個資源的使用時數，單月用量一超過 25% 就開始打折。

SUD 的運作有個關鍵要先講清楚：它是按月、自動、邊際遞增的。也就是說，用得越久、折扣會分段往上加，而不是一過某個門檻就一口氣把整月帳單打 30%。GCP 把每月切成四段使用率區間，每一段套用不同的「邊際折扣率」，最後加總起來才是你這個月實際拿到的有效折扣。下面的級距表（以 N1 機型為例）就是這個邏輯：

折扣級距（N1 機型）：

使用率	該區間邊際折扣	範例（n1-standard-4, $146.08/月 On-Demand）
0-25%	0%	前 182.5 小時 → $0 discount
25-50%	20%	此區間 → 約 $7.30 discount
50-75%	40%	此區間 → 約 $14.61 discount
75-100%	60%	此區間 → 約 $21.91 discount

跑滿整個月（730 小時）時，這四段加總下來的有效折扣大約是 30%，也就是省下約 $43.8、月費從 $146.08 降到約 $102.3。N2/N2D/C2/C2D 的級距結構不同，整月跑滿的有效折扣最高 20%。

最高折扣：

機器類型	最高 SUD
N1, M1, M2, GPU	30%
N2, N2D, C2, C2D	20%

SUD vs CUD 差異比較

項目	SUD	CUD
承諾期	無	1-3 年
設定方式	自動	手動購買
最高折扣	30%	70%
適用場景	波動工作負載	穩定工作負載
退款政策	N/A（隨時可停）	有限制
疊加性	✅ 可疊加 CUD	✅ 超額用量享 SUD

黃金組合：CUD + SUD

策略：

CUD 顧住基準用量（70-80% 需求）→ 拿 50-70% 折扣
波峰超出的部分 → 自動吃 SUD 的 20-30% 折扣

範例：

場景: 平日需 80 vCPU，假日需 120 vCPU

策略:
  - 購買 CUD: 80 vCPU (55% off)
  - 超額 40 vCPU → 享 SUD (30% off)

成本計算:
  Pure On-Demand: $5,110/月
  CUD (80 vCPU) + SUD (40 vCPU): $2,920/月
  節省: $2,190/月 (43%)

4.3 Spot VM - 最高 91% 折扣的終極武器

什麼是 Spot VM？

Spot VM 是 Google 的「剩餘運算資源拍賣」機制。GCP 把閒置的運算容量用超低價賣給你，但保留隨時把它收回去的權利。

Spot VM vs Preemptible VM：

項目	Preemptible VM	Spot VM
發布時間	2015	2021（建議使用）
最長執行時間	24 小時強制中斷	無 24 小時上限（但仍可能隨時被搶占）
折扣幅度	最高 91%	最高 91%（兩者同一套定價模型）
可用性	舊版（仍可用）	新版（官方推薦）

兩者其實是同一套定價模型，折扣都是浮動的 60-91%，所以折扣幅度不該拿來當差別。真正的差異只有一個：Preemptible 跑到 24 小時會被 GCP 強制停掉，Spot 沒有這個上限（一樣可能隨時被收回，但不會因為「跑太久」被趕）。這也是為什麼 2021 年後官方一律推薦改用 Spot。

適用場景

Spot 適合那些「斷了重來也沒差」的活 — ETL 批次處理、ML 模型訓練（能 checkpoint 就行，checkpoint 就是定期把進度存檔，被中斷後從存檔接著跑、不用從頭來）、影片渲染、CI/CD build、科學模擬這類，被搶占了就從上次存檔接著跑。反過來，碰到 production 資料庫、對外的 web server、不能斷的即時系統，或者沒有 checkpoint 機制、一斷就要從頭來的長時間運算，就別硬塞 Spot。

最佳實踐策略

1. 時段選擇

Spot VM 的可用性會隨時段差很多：

時段	可用性	建議
工作日 9am-6pm	低（企業用量高）	❌ 避免
工作日 6pm-9am	中	⚠️ 可用但不穩定
週末	高（數據中心負載低）	✅ 最佳時段

2. 區域選擇與價格比較

Spot VM 的價格會隨各區域的供需而不同：

# 查詢 Spot VM 價格（以 n1-standard-4 為例）
gcloud compute machine-types list \
  --filter="name=n1-standard-4" \
  --format="table(name,zone,guestCpus,memoryMb)"

# 比較不同區域 Spot 價格
# us-central1-a: $0.040/hour (91% off)
# us-east1-b: $0.055/hour (88% off)
# asia-east1-a: $0.065/hour (85% off)

建議：優先挑 us-central1（愛荷華）或 us-west1（奧勒岡），不只價格最低，可用性也高。

3. 設定最高價（Max Price）

設個上限，免得動態定價衝太高：

gcloud compute instances create my-spot-vm \
  --zone=us-central1-a \
  --machine-type=n1-standard-4 \
  --provisioning-model=SPOT \
  --instance-termination-action=DELETE \
  --max-run-duration=3600s \
  --maintenance-policy=TERMINATE

4. 處理中斷（Preemption Handling）

Spot VM 被收回前，GCP 會給你 30 秒的寬限期：

# 設定關機腳本（Shutdown script）
cat > shutdown.sh <<'EOF'
#!/bin/bash
echo "Spot VM is shutting down, saving state..."
# 保存進度到 Cloud Storage
gsutil cp /tmp/checkpoint.tar.gz gs://my-bucket/checkpoints/
# 通知 Slack
curl -X POST -H 'Content-type: application/json' \
  --data '{"text":"Spot VM terminated"}' \
  $SLACK_WEBHOOK_URL
EOF

# 建立 Spot VM with shutdown script
gcloud compute instances create my-spot-vm \
  --metadata-from-file shutdown-script=shutdown.sh \
  --provisioning-model=SPOT

5. 與 GKE 整合（推薦）

🔧 進階／可跳過：GKE（Kubernetes）的 NodePool 設定屬於遠超 ACE 範圍的深水區，初學者知道「GKE 可以用 Spot VM 當 node、被收回時會自動把工作搬到別台」這個觀念就夠了，下面的 YAML 不用硬啃。

用 GKE Autopilot 搭配 Spot VMs，就能自動做到容錯：

# GKE NodePool with Spot VMs
apiVersion: v1
kind: NodePool
metadata:
  name: spot-pool
spec:
  autoscaling:
    enabled: true
    minNodeCount: 0
    maxNodeCount: 10
  config:
    machineType: n1-standard-4
    spot: true # 註：GKE 的 Spot VM 用 spot: true；preemptible: true 是另一個（舊版）Preemptible VM 欄位，兩者不同
  management:
    autoRepair: true
    autoUpgrade: true

GKE 會自動幫你處理：

Spot VM 被收回時，自動把 pods 重新調度到其他 node
On-Demand 跟 Spot VMs 混搭，確保服務不中斷

6. 實戰範例：ML 訓練成本優化

場景: 訓練 ResNet-50 模型，需 8 張 V100 GPU

成本比較:
  On-Demand (8x V100):
    - $2.48/hour x 8 = $19.84/hour
    - 訓練 10 小時 = $198.40

  Spot VM (8x V100):
    - $0.74/hour x 8 = $5.92/hour (70% off)
    - 預期中斷 2 次，總 12 小時 = $71.04
    - 節省: $127.36 (64%)

實作:
  - 每 30 分鐘儲存 checkpoint 到 Cloud Storage
  - 被中斷時，從最新 checkpoint 恢復訓練
  - 使用 GCS 的 Lifecycle Management，訓練完成後刪除舊 checkpoints

Spot VM 監控與告警

監控指標：

Preemption Rate（中斷率）：< 5% 為健康
Average Availability（平均可用性）：> 90% 為穩定

設定告警：

# Cloud Monitoring 告警：Spot VM 被中斷
gcloud alpha monitoring policies create \
  --notification-channels=CHANNEL_ID \
  --display-name="Spot VM Preemption Alert" \
  --condition-display-name="Spot VM preempted" \
  --condition-threshold-value=1 \
  --condition-threshold-duration=60s

📝 考場提點

「折扣三選一」是 ACE 最高頻的選型題，看到題目先抓關鍵字對應答案：

工作負載穩定、24/7 長期跑、需求可預測 → CUD（要省最多就 3 年期）。

工作負載可容忍中斷／可重試的批次、ETL、ML 訓練 → Spot VM（最高 91% 折扣）。

什麼都不想設、用越多自動折 → SUD（自動套用，最高 30%，無需承諾）。

兩個經典陷阱：

題目出現 「mission-critical」「cannot tolerate interruption」「production database」 → 直接排除 Spot VM（會被收回），通常選 CUD。

題目出現 「no upfront commitment」「automatic」「without any configuration」 → 指向 SUD，不是 CUD（CUD 要簽約承諾）。

另外記住：Spot VM 與舊版 Preemptible VM 折扣一樣（都是 up to 91%），差別在 Preemptible 跑滿 24 小時會被強制停、Spot 沒這上限。

儲存與網路成本優化技巧

5.1 Storage Class 智慧選擇

四種 Storage Class 比較

Class	最低儲存時間	存取頻率	價格 ($/GB/月)	讀取費用 ($/GB)
Standard	無	頻繁 (每週多次)	$0.020	$0
Nearline	30 天	不常 (每月 1 次)	$0.010 (50% off)	$0.01
Coldline	90 天	很少 (每季 1 次)	$0.004 (80% off)	$0.02
Archive	365 天	極少 (每年 1 次)	$0.0012 (94% off)	$0.05

選擇決策樹

是否每週存取？
├─ 是 → Standard Storage
└─ 否 → 是否每月存取？
    ├─ 是 → Nearline Storage
    └─ 否 → 是否每季存取？
        ├─ 是 → Coldline Storage
        └─ 否 → Archive Storage

Lifecycle Management（生命週期管理）

自動降級策略：

{
  "lifecycle": {
    "rule": [
      {
        "action": { "type": "SetStorageClass", "storageClass": "NEARLINE" },
        "condition": { "age": 90 }
      },
      {
        "action": { "type": "SetStorageClass", "storageClass": "COLDLINE" },
        "condition": { "age": 365 }
      },
      {
        "action": { "type": "Delete" },
        "condition": { "age": 1825 }
      }
    ]
  }
}

範例：10 TB 備份資料，5 年總成本

策略	成本計算	總成本
全 Standard	10 TB x $0.020 x 60 月	$12,000
Lifecycle 優化	Year 1-2: Standard → $4,800 Year 3-5: Coldline → $1,440	$6,240
節省		$5,760 (48%)

5.2 網路成本優化

三大網路成本來源

1. Egress（出站流量）計費

流量類型	價格 ($/GB)	範例
同區域（Intra-zone）	$0	VM → VM（同 zone）
跨區域（Inter-region）	$0.01-$0.08	us-central1 → asia-east1
Internet Egress	$0.085-$0.23	GCP → 使用者瀏覽器

優化策略：

✅ 將相關資源放在同一 zone（免費）
✅ 使用 Cloud CDN 減少 origin 流量
❌ 避免跨區域 database 查詢

2. Load Balancer 費用

類型	固定費用	流量費用
HTTP(S) LB	$18/月	$0.008/GB
TCP/UDP LB	$18/月	$0.008/GB
Internal LB	$0	$0.01/GB

優化技巧：把多個 LB 合併成一個（用 URL maps 來分流）

3. Cloud CDN（內容傳遞網路）

成本比較：

場景: 平均 1 GB 圖片，每月被瀏覽 10,000 次（總傳輸量 10,000 GB）

不使用 CDN:
  - Internet Egress: 10,000 GB x $0.12 = $1,200

使用 CDN:
  - Cache Hit（90%，9,000 GB）走 CDN: 9,000 GB x $0.04 = $360
  - Cache Miss（10%，1,000 GB）回源: 1,000 GB x $0.12 = $120
  - 總計: $480（節省 60%）

10 個省錢最佳實踐 Checklist

☑️ 1. 啟用 Billing Alerts（預算告警）

設定步驟：

# Step 1: 建立預算
gcloud billing budgets create \
  --billing-account=BILLING_ACCOUNT_ID \
  --display-name="Monthly Budget" \
  --budget-amount=10000 \
  --threshold-rule=percent=50 \
  --threshold-rule=percent=90 \
  --threshold-rule=percent=100

# Step 2: 設定通知
# 當達 50%/90%/100% 時發送 email 告警

進階：自動關閉超支資源

# Cloud Function triggered by Pub/Sub budget alert
def stop_billing_instances(event, context):
    budget_notification = json.loads(base64.b64decode(event['data']).decode())
    if budget_notification['costAmount'] > budget_notification['budgetAmount']:
        # 停止所有非 production VM
        for instance in compute.instances().list(project=PROJECT_ID).execute():
            if 'production' not in instance['labels']:
                compute.instances().stop(instance=instance['name']).execute()

☑️ 2. 使用 Resource Labels 追蹤成本

標籤策略：

必要標籤:
  - team: backend / frontend / data
  - env: production / staging / dev
  - project: project-alpha / project-beta
  - cost-center: engineering / marketing

範例: gcloud compute instances create my-vm \
  --labels=team=backend,env=production,cost-center=engineering

成本分攤報表：

-- BigQuery: 按 team 分攤成本
SELECT
  labels.value AS team,
  SUM(cost) AS total_cost
FROM
  `billing_export.gcp_billing_export_v1_XXXXX`
CROSS JOIN UNNEST(labels) AS labels
WHERE
  labels.key = 'team'
  AND DATE(usage_start_time) >= '2026-12-01'
GROUP BY team
ORDER BY total_cost DESC;

☑️ 3. 刪除未使用的資源

常見浪費：

資源	偵測方法	月費用浪費
Idle VMs	CPU < 5% 持續 7 天	$50-$500
Orphaned Disks	未附加到 VM	$0.04/GB/月
Unused IPs	未綁定 VM	$3.65/IP/月
Old Snapshots	> 90 天未使用	$0.026/GB/月

偵測腳本：

# 找出 CPU < 5% 的 VM（過去 7 天）
gcloud monitoring time-series list \
  --filter='metric.type="compute.googleapis.com/instance/cpu/utilization"' \
  --format=json | jq '.[] | select(.points[].value.doubleValue < 0.05)'

# 找出 orphaned disks
gcloud compute disks list --filter="NOT users:*" --format="table(name,sizeGb,zone)"

# 找出未使用的靜態 IP
gcloud compute addresses list --filter="status=RESERVED" --format="table(name,region)"

☑️ 4. Right-Sizing（合適化 VM 規格）

使用 Recommender API：

# 取得 VM resize 建議
gcloud recommender recommendations list \
  --project=PROJECT_ID \
  --location=us-central1 \
  --recommender=google.compute.instance.MachineTypeRecommender \
  --format=json

範例建議：

{
  "name": "projects/123/locations/us-central1/recommenders/.../recommendations/abc",
  "description": "Save costs by resizing this VM",
  "primaryImpact": {
    "category": "COST",
    "costProjection": {
      "cost": {
        "units": "-45"
      },
      "duration": "2592000s"
    }
  },
  "content": {
    "operationGroups": [
      {
        "operations": [
          {
            "action": "replace",
            "path": "/machineType",
            "value": "zones/us-central1-a/machineTypes/n1-standard-2"
          }
        ]
      }
    ]
  }
}

建議：n1-standard-4 → n1-standard-2，每月省 $45

☑️ 5. 啟用 Auto Shutdown（自動關機）

開發/測試環境排程：

# 使用 Cloud Scheduler + Cloud Functions
# scheduler.yaml
- name: stop-dev-vms
  schedule: "0 19 * * 1-5"  # 工作日 7pm
  target:
    httpTarget:
      uri: https://us-central1-PROJECT.cloudfunctions.net/stopDevVMs

- name: start-dev-vms
  schedule: "0 8 * * 1-5"  # 工作日 8am
  target:
    httpTarget:
      uri: https://us-central1-PROJECT.cloudfunctions.net/startDevVMs

成本節省：

開發環境每天運行 12 小時（8am-8pm）
週末完全關閉
節省：65% 運算成本

☑️ 6. 使用 Custom Machine Types

場景：需要高 RAM 但 CPU 不高的應用（如：in-memory cache）

成本比較：

選項	vCPU	RAM	月費用
n1-highmem-8	8	52 GB	$392
Custom	4	52 GB	$280
節省			$112 (29%)

# 建立 custom machine type
gcloud compute instances create my-custom-vm \
  --custom-cpu=4 \
  --custom-memory=52GB \
  --zone=us-central1-a

☑️ 7. 善用 Free Tier（免費額度）

Always Free（永久免費）：

服務	免費額度	超額價格
Compute Engine	1x e2-micro VM（us-central1/us-west1/us-east1）	標準價格
Cloud Storage	5 GB Standard	$0.020/GB/月
Cloud Functions	2M invocations/月	$0.40/M invocations
Cloud Build	2,500 build-minutes/月（default pool, e2-standard-2）	$0.006/分鐘

策略：

個人專案用 e2-micro（免費）
測試環境用 Free Tier 搭配 Spot VM
小型 static website 可全免費（Cloud Storage + Cloud CDN）

📖 延伸閱讀：完整免費資源清單請參考 GCP 免費資源完全指南，含防爆帳單設定教學。

☑️ 8. 區域價格套利

價格差異：

區域	n1-standard-4	價差
us-central1（愛荷華）	$146.08/月	Baseline
asia-northeast1（東京）	$191.03/月	+31%
europe-west2（倫敦）	$180.48/月	+24%

策略：

非延遲敏感服務：選最便宜區域（us-central1）
需低延遲：選最近區域，但用 Spot VM 抵消價差

☑️ 9. 啟用 Organization Policies

限制資源建立：

# 禁止建立昂貴的 VM types
constraints/compute.restrictMachineTypes:
  deniedValues:
    - 'm1-ultramem-*'
    - 'm2-ultramem-*'

constraints/compute.restrictRegions:
  allowedValues:
    - 'us-central1'
    - 'us-west1'

強制標籤：

constraints/gcp.resourceLocations:
  allowedValues:
    - in:us-locations
    - in:asia-locations

☑️ 10. 定期成本審查（Cost Review）

每週：

查看 Billing Reports（本週 vs 上週）
檢查異常增長的專案/服務

每月：

產生 Cost Summary Report
與預算對比，分析差異原因
更新 CUD/Spot VM 策略

每季：

全面資源盤點（使用 Asset Inventory）
評估新的折扣方案（GCP 常推新優惠）
Benchmark 與 AWS/Azure 價格

成本異常告警設定教學

7.1 Budget Alerts（預算告警）

完整設定範例：

# 建立多層級預算告警
gcloud billing budgets create \
  --billing-account=012345-6789AB-CDEFGH \
  --display-name="Production Budget - 2026" \
  --budget-amount=50000 \
  --threshold-rule=percent=50,basis=CURRENT_SPEND \
  --threshold-rule=percent=90,basis=CURRENT_SPEND \
  --threshold-rule=percent=100,basis=FORECASTED_SPEND \
  --all-updates-rule-monitoring-notification-channels=projects/PROJECT_ID/notificationChannels/CHANNEL_ID \
  --all-updates-rule-pubsub-topic=projects/PROJECT_ID/topics/billing-alerts

告警策略：

閾值	基準	動作
50%	實際消費	Email 通知 team lead
90%	實際消費	Email + Slack 通知所有人
100%	預測消費	Email + Slack + 自動停止 dev/staging VMs

7.2 Anomaly Detection（異常偵測）

使用 Cloud Monitoring + BigQuery：

-- 偵測成本週增長 > 30% 的專案
WITH weekly_cost AS (
  SELECT
    project.name AS project_name,
    DATE_TRUNC(DATE(usage_start_time), WEEK) AS week,
    SUM(cost) AS total_cost
  FROM `billing_export.gcp_billing_export_v1_XXXXX`
  GROUP BY project_name, week
),
cost_change AS (
  SELECT
    project_name,
    week,
    total_cost,
    LAG(total_cost) OVER (PARTITION BY project_name ORDER BY week) AS prev_week_cost,
    (total_cost - LAG(total_cost) OVER (PARTITION BY project_name ORDER BY week))
      / NULLIF(LAG(total_cost) OVER (PARTITION BY project_name ORDER BY week), 0) AS growth_rate
  FROM weekly_cost
)
SELECT
  project_name,
  week,
  total_cost,
  prev_week_cost,
  ROUND(growth_rate * 100, 2) AS growth_percent
FROM cost_change
WHERE growth_rate > 0.3  -- 成長 > 30%
  AND week = DATE_TRUNC(CURRENT_DATE(), WEEK)
ORDER BY growth_rate DESC;

自動化告警：

# Cloud Function: 每日執行上述查詢，發現異常時通知
import google.cloud.bigquery as bq
import slack_sdk

def detect_cost_anomaly(event, context):
    client = bq.Client()
    query = """..."""  # 上述 SQL
    results = client.query(query).result()

    anomalies = [row for row in results if row.growth_percent > 30]

    if anomalies:
        slack_client = slack_sdk.WebClient(token=SLACK_TOKEN)
        message = f"⚠️ Cost Anomaly Detected!\n"
        for anomaly in anomalies:
            message += f"- {anomaly.project_name}: +{anomaly.growth_percent}%\n"

        slack_client.chat_postMessage(
            channel="#billing-alerts",
            text=message
        )

📝 考場提點

成本「可見性與歸屬」也是 ACE 常考的工具對應題，記住這幾組關鍵字 → 答案：

問**「追蹤哪個團隊／專案／環境花了多少」「成本歸屬」「cost allocation」** → Labels 標記資源（team、env…）＋ Billing Export to BigQuery 做分析。

問**「超過預算要自動處理／自動停資源」** → 這是經典陷阱：Budget Alert 只發通知，不會自己停任何資源。要真的自動停，得讓 Budget Alert 發 Pub/Sub 訊息，再用 Cloud Function 接收後去關 VM。看到「automatically stop / shut down resources when over budget」千萬別選只設 Budget Alert。

問**「不寫程式、要視覺化分析帳單」** → Billing Reports 頁面（內建 Group by project/service/label）；要更深入自訂查詢才上 BigQuery Export。

總結與下一步行動

一句話小結

要省錢，先看得到（Labels + 報表，知道錢花在哪），再買對折扣（CUD 顧住穩定的基準用量、Spot 接那些可重來的容錯工作、SUD 用越多自動折），最後讓自動化幫你守底線（Budget Alert + Cloud Scheduler 自動關閉開發環境）。順序很重要：沒有可見性，後面的折扣與自動化都是瞎猜。

順帶一提，這幾年 GCP 在成本工具上加了不少新東西 — Optimization Hub（集中顯示所有優化建議）、FinOps Hub 的浪費偵測、Gemini Cloud Assist 的自然語言查詢。對實務有幫助，但這些都不是 ACE 的考點，知道有這些工具即可，不用硬背。

成本優化成熟度模型

Level 1: 基礎（反應式）

✅ 啟用 Billing Alerts
✅ 每月查看帳單
✅ 刪除明顯未使用的資源

Level 2: 進階（主動式）

✅ 使用 Labels 追蹤成本
✅ 購買 CUD 涵蓋穩定工作負載
✅ 開發環境自動關機
✅ 定期 Right-Sizing

Level 3: 專家（預測式）

✅ BigQuery Export + BI Dashboard
✅ 異常偵測自動告警
✅ CUD + SUD + Spot VM 組合策略
✅ FinOps 團隊定期審查
✅ 成本納入架構設計考量

30 天行動計畫

Week 1: 建立可見性

Day 1-2: 啟用 Billing Reports，分析現狀
Day 3-4: 設定 Budget Alerts（50%/90%/100%）
Day 5-7: 啟用 BigQuery Export，建立基礎 Dashboard

Week 2: 快速勝利（Quick Wins）

Day 8-10: 刪除 orphaned disks、unused IPs、old snapshots
Day 11-12: 停止 idle VMs（CPU < 5%）
Day 13-14: 設定開發環境自動關機（省 50%+）

Week 3: 折扣策略

Day 15-17: 分析過去 3 個月用量，規劃 CUD 購買
Day 18-20: 識別容錯工作負載，遷移至 Spot VM
Day 21: 驗證 SUD 自動套用情況

Week 4: 持續優化

Day 22-24: 實施 Resource Labels 策略
Day 25-27: 設定 Lifecycle Management（Storage）
Day 28-30: 建立每週成本審查流程

預期成果：30 天內節省 30-50% 總成本

延伸學習資源

官方文件：

工具：

社群：

系列文章推薦

上一篇：ACE-301：企業上雲實戰：GCP 遷移評估與執行策略
下一篇：ACE-303：GCP 認證攻略：從 ACE 到 PCA 的完整學習路徑
相關主題：GCP-102：GCP 新手上路：環境設定與權限管理（預算告警設定）

ACE 考試重點整理

必背知識點

CUD（Committed Use Discount）：1 年約 37% 折扣，3 年約 55% 折扣，適合穩定工作負載
SUD（Sustained Use Discount）：自動折扣，用越多折越多（最高 30%），無需承諾
Spot VM（原 Preemptible VM）：最高 91% 折扣，但可能被中斷，適合批次/容錯工作
Billing Export to BigQuery 可做細緻的成本分析
Budget Alert 可設定預算閾值自動通知（50%/90%/100%）
Labels 是成本歸屬的關鍵——用 label 標記團隊、環境、專案

常見陷阱題

Q：工作負載 24/7 穩定運行，如何最大程度省錢？ A：3 年 CUD（55% 折扣）。Spot VM 不適合（會被中斷），SUD 折扣不夠深。

Q：批次資料處理工作可以容忍中斷和重試，如何省錢？ A：Spot VM（最高 91% 折扣）。搭配 MIG 自動重建被中斷的實例。

Q：如何追蹤哪個團隊花了多少雲端費用？ A：使用 Labels 標記資源（team=frontend），搭配 Billing Export to BigQuery 做分析。

Q：設定 Budget Alert 後，超過預算會自動停止資源嗎？ A：不會。Budget Alert 只發通知，不會自動停止。要自動控制需搭配 Cloud Functions 處理 Pub/Sub 通知。

ACE 職涯與認證 — 2/5 完成查看系列全覽 →

為什麼 GCP 成本容易失控？5 個常見陷阱

GCP 成本結構解析：你的錢花在哪？

四大成本組成

成本結構範例

帳單分析實戰：Billing Reports 完整教學

3.1 四大 Billing Reports 類型

Report 1: Reports Page（基礎報表）

Report 2: Cost Table Report（成本明細表）

Report 3: Pricing Table Report（SKU 定價表）

Report 4: CUD Analysis Reports（CUD 效益分析）

3.2 🆕 Gemini Cloud Assist - AI 驅動的成本分析

3.3 🆕 App Hub 整合 - 按應用程式分析成本

3.4 🆕 FinOps Hub 2.0 - 雲端浪費偵測

3.5 進階功能：BigQuery Export

折扣大作戰：CUD vs SUD vs Spot VM 完全攻略

4.1 Committed Use Discounts (CUD) - 承諾使用折扣

運作機制

兩種 CUD 類型

🚨 2026 年 1 月 21 日重大變更（必讀）

CUD 購買建議

4.2 Sustained Use Discounts (SUD) - 持續使用折扣

運作機制

SUD vs CUD 差異比較

黃金組合：CUD + SUD

4.3 Spot VM - 最高 91% 折扣的終極武器

什麼是 Spot VM？

適用場景

最佳實踐策略

Spot VM 監控與告警

儲存與網路成本優化技巧

5.1 Storage Class 智慧選擇

四種 Storage Class 比較

選擇決策樹

Lifecycle Management（生命週期管理）

5.2 網路成本優化

三大網路成本來源

10 個省錢最佳實踐 Checklist

☑️ 1. 啟用 Billing Alerts（預算告警）

☑️ 2. 使用 Resource Labels 追蹤成本

☑️ 3. 刪除未使用的資源

☑️ 4. Right-Sizing（合適化 VM 規格）

☑️ 5. 啟用 Auto Shutdown（自動關機）

☑️ 6. 使用 Custom Machine Types

☑️ 7. 善用 Free Tier（免費額度）

☑️ 8. 區域價格套利

☑️ 9. 啟用 Organization Policies

☑️ 10. 定期成本審查（Cost Review）

成本異常告警設定教學

7.1 Budget Alerts（預算告警）

7.2 Anomaly Detection（異常偵測）

總結與下一步行動

一句話小結

成本優化成熟度模型

30 天行動計畫

延伸學習資源

系列文章推薦

ACE 考試重點整理

必背知識點

常見陷阱題

相關文章

2026 雲端趨勢：多雲、FinOps 與 AI 原生架構完全指南

GCP 認證攻略：從 ACE 到 PCA 的完整學習路徑與備考指南

相關學習資源

留言討論