跳至主要內容

Google Cloud 服務停用後怎麼辦?先看遷移期限

內文字級

Google Cloud 服務停用後怎麼辦?先看遷移期限
更新:2026-10-12

在 Google Cloud Console 看到這種公告時,最先該查的是停用日期和受影響的資源:

⚠️ This product has been deprecated and will be shut down on [某個日期].

「Deprecated」代表服務進入退場流程,和「今天就停止運作」不是同一件事。留給團隊的時間,取決於公告中的限制與最終日期。

前一篇談的是產品改名;停用則要處理更實際的問題:現有系統依賴它到什麼程度、替代方案在哪、資料怎麼搬。

下面分別看已停用與預計停用的服務,最後整理公告後該怎麼安排遷移。

雲端服務棄用生命週期:服務從正常支援進入棄用公告、遷移窗口、限制階段與最終停用;安全路徑則提早盤點相依、選替代品、平行試行、同步驗證、切流並保留回復

Deprecated 不等於今天立刻關機。收到公告後,先確認停用日期、受影響的資源與替代方式,再安排測試、切換和回復步驟。不同服務的限制會在不同時間生效,不能只記最終關閉日。

已停用的服務

先看沒有一對一替代品的案例

Cloud IoT Core(2017-2023)

項目內容
停服公告2022 年 8 月
最終關閉2023 年 8 月 16 日
替代方案沒有 Google 自家替代品,建議遷移到第三方(ClearBlade 等)

表格超出欄寬時,可左右捲動;鍵盤可聚焦表格後用左右方向鍵查看。

Cloud IoT Core 關閉時,使用它接收裝置資料的團隊得重新規劃接入、身分驗證和後續處理流程。Google 沒有推出功能完全對應的自家替代品,因此遷移不只是換一個服務名稱,還涉及既有裝置與資料管線的調整。

這個案例也提醒我們:把關鍵工作負載交給託管服務前,要先想好服務變更或退場時,資料和裝置能怎麼搬。

技術整合型停服

這類停服有個共同點:服務被併進更大的平台,而且有明確的遷移路徑。

服務存活期關閉日期替代方案
Google Prediction API2010-20182018.05Cloud ML Engine → Vertex AI
Cloud Datalab2015-2020~2020Vertex AI Workbench
AI Platform (legacy)2017-20252025.04.07(Training/Prediction;Pipelines 與 Data Labeling Service 為 2025.01.31)Vertex AI
Container Registry2014-20252025.03 起分階段關閉(詳見下方時間表)Artifact Registry
AutoML Tables (legacy)2019-20242024.07.24Vertex AI AutoML
AutoML Vision/NL/Video (legacy)2019-20242024.07.31(Vision、Video Intelligence)/2024.08.07(Natural Language)Vertex AI
Codey 程式碼模型(code-gecko 等)2023-20252025.04.21Gemini on Vertex AI
PaLM 2 模型(text-bison 等)2023-20252025.04.21Gemini on Vertex AI
Dataflow SQL2020-20252025.01.31(Console 2024.07.31)標準 Dataflow(Beam)/ BigQuery
Google Cloud Messaging2012-20192019.04Firebase Cloud Messaging

表格超出欄寬時,可左右捲動;鍵盤可聚焦表格後用左右方向鍵查看。

其他已停服

服務關閉日期替代方案
Cloud Debugger2023.05無完整替代(開源 Snapshot Debugger 也已封存)
PaLM API(開發者版)2024.08Gemini API(同一 endpoint 與金鑰)
Cloud Endpoints Portal2023.03官方未指定(API Gateway 為現行近似方案)

表格超出欄寬時,可左右捲動;鍵盤可聚焦表格後用左右方向鍵查看。

2025–2026 年的服務退場

這段期間有幾項服務結束支援或關閉。若系統仍在使用它們,應逐項確認截止日期與遷移路徑。

2025 年(公告中的限制已生效)

服務關鍵日期替代方案狀態
Container Registry(關閉,停止寫入)2025.03.18Artifact Registry✅ 已關閉
Container Registry(GKE 停止讀取)2025.06.03Artifact Registry✅ 已生效
Cloud Life Sciences2025.07.08Batch✅ 已關閉
Firebase Dynamic Links2025.08.25第三方(Branch、AppsFlyer)✅ 已關閉
AutoML Translation (legacy)2025.09.30Cloud Translation Advanced✅ 已關閉
Cloud Composer 1(停止新建)2025.09.15Cloud Composer 2/3✅ 已停止新建
MQL(停止新建 Console 資產與支援)2025.07.22PromQL⚠️ 既有查詢仍可執行

表格超出欄寬時,可左右捲動;鍵盤可聚焦表格後用左右方向鍵查看。

MQL 沒有在 2025 年關閉;現有查詢、圖表與告警仍可運作,也能透過 API 建立。限制是 Google Cloud Console 不再支援新建這些 MQL 資產,且相關支援已結束。若系統還依賴它,先清點查詢,再決定何時改用 PromQL。(參考:MQL 淘汰說明)

2026 年

服務關鍵日期替代方案狀態/提醒
App Engine 舊版 Runtime(Python 2.7、Java 8、Go 1.11、PHP 5.5)2026.01.31(起停止新部署;既有應用持續運作)第二代 Runtime🔴 立即遷移
Data Catalog2026.06.01Knowledge Catalog(前身 Dataplex Universal Catalog)✅ 已生效
Cloud Deployment Manager(停止支援)2026.04.01(服務預計 2027.06.30 關閉)Infrastructure Manager / Terraform⚠️ 安排遷移
BigQuery Legacy SQL(依過往使用狀況限制功能)2026.06.01GoogleSQL⚠️ 逐項檢查
Document AI Legacy Processors2026.06.30更新版 Document AI on Vertex AI✅ 已到期
Cloud Composer 1(生命週期結束)2026.09.15Cloud Composer 2/3✅ 已到期

表格超出欄寬時,可左右捲動;鍵盤可聚焦表格後用左右方向鍵查看。

BigQuery Legacy SQL 也不是在 2026 年 6 月一律停用;可用功能與 2025 年 11 月至 2026 年 6 月的使用紀錄有關,既有查詢不一定會停止。請依官方功能可用性說明盤點實際查詢。Cloud Composer 1 的日期則已過;若相關環境仍列在資產清單,應依官方版本說明確認遷移與清理狀態。

Deployment Manager 是另一種情況:2026 年 4 月停止支援,並非當天停機;官方預計 2027 年 6 月底關閉服務。既有資源仍需管理的團隊,要按停用說明安排替代工具與切換時間。

2027-2029

服務停服日期替代方案
Pub/Sub Lite(已棄用,不收新客戶)2027.01.31(官方現行公告)Pub/Sub 標準版 / Managed Service for Apache Kafka
functions.config API(Firebase)2027.03環境變數 / Secret Manager
Memorystore for Memcached2029.01.31(2026.01 公告)Memorystore for Valkey

表格超出欄寬時,可左右捲動;鍵盤可聚焦表格後用左右方向鍵查看。

停用政策能替團隊爭取什麼?

Google 在 2021 年為標示為 Google Enterprise API 的 API 公布穩定性承諾:若不得不做不相容變更,原則上至少提前一年通知,並提供遷移文件或工具。但這項承諾有適用範圍,不能直接推論每個 Google 產品、預覽功能或消費者服務都有相同期限。實際專案仍要核對服務公告與合約條款。(參考:Enterprise API 政策說明、Google Cloud 停用政策適用範圍)

以 Memorystore for Memcached 為例,公告列出三個不同時間點:2026 年 1 月不再列為建議服務、2027 年 2 月起限制新專案建立執行個體、2029 年 1 月底停止服務。團隊不能只記最後一天;新專案能否建立、既有工作負載能否運作,以及何時失去支援,都要分開記。

收到公告後,先判斷要搬什麼

與其猜服務為什麼退場,不如先看公告提供哪一種遷移路徑:

  1. 同一產品的新版本:例如舊版 Runtime 或 Composer。先檢查設定、套件和執行環境的相容性;產品名稱沒變,不代表工作負載不用修改。
  2. 換到另一項託管服務:例如 Container Registry 轉到 Artifact Registry。除了搬資料,也要檢查權限、路徑、CI/CD 和下游部署設定。
  3. 沒有一對一後繼:例如 Cloud IoT Core。這時要重新選服務或調整架構,裝置連線、驗證與資料格式可能都要改。

有些公告只是改名,有些則是功能或 API 真正停止;先把受影響的部分列出來,才能估算時間。

查看流程與節點文字

箭頭表示流程方向;方括號與引號內是節點名稱,可搭配下方圖解閱讀。

%%{init: {"flowchart": {"curve": "linear", "nodeSpacing": 24, "rankSpacing": 32}}}%%
flowchart TD
  END["收到服務停用或版本退場公告"] --> SCOPE["確認受影響的 API、資料、<br/>專案與截止日期"]
  SCOPE --> PATH{"公告提供哪種替代路徑?"}
  PATH -->|"同產品新版本"| VERSION["測試套件、設定與 Runtime 相容"]
  PATH -->|"另一項託管服務"| SERVICE["核對資料、權限與上下游整合"]
  PATH -->|"沒有一對一後繼"| REPLACE["比較第三方、自建或調整需求"]
  VERSION --> VERIFY["試行、切流、驗證與回復"]
  SERVICE --> VERIFY
  REPLACE --> VERIFY
替代品的名字不是遷移計畫。先確認受影響範圍,再測試資料、權限、成本與回復路徑。

平時怎麼降低停服風險?

  1. 指定公告負責人:追蹤Google Cloud Release Notes與實際使用服務的停用頁面,讓公告有明確接收者。
  2. 保留相依清單:記錄哪些專案、API、資料管線與部署流程依賴該服務;收到公告時才不用從零盤點。
  3. 預留資料出口:定期確認匯出格式、備份還原與權限設定是否可用。只有在切換成本真的高時,才為服務建立抽象層,避免多做一層卻沒有降低風險。
  4. 每次公告都記三個日期:停止新建、停止支援、完全停用可能是不同時間點;按各日期安排驗證與切流。

選型時怎麼留退路?

服務停用不能只靠選「看起來夠主流」的產品來避免。採用前先確認服務的支援階段與停用政策;上線後保留版本、資料匯出方式和替代方案的紀錄,定期檢查官方公告。若某項功能深度綁定單一服務,就把將來搬走需要的時間和成本寫進設計決策。

這份清單會隨產品更新而改變;實際遷移時,仍要以各服務最新的公告和文件為準。

讀完後,留一個學習紀錄

試著用自己的話說出一個重點,以及你會如何運用。實作文章請先核對結果與清理資源,再標記為讀完。

文章進度以你確認讀完的標記為準,可隨時取消。舊版造訪紀錄保留,但不計入讀完;這份自評不代表已掌握內容。

留言討論

文章目錄與系列

徽章解鎖!