LASSIC Media らしくメディア

LASSIC IT事業部｜元請（プライムベンダー）としてシステム保守・運用を受託

GCPコスト最適化でコミット割引と自動割引が機能する理由

GCPのコスト最適化を外注するとは、Google Cloud Platform（GCP）における割引制度の設計・BigQueryのクエリ効率化・アイドルリソースの整理などを専門パートナーに依頼し、クラウド支出を継続的に適正化する取り組みを指します。

GCPの課金はデフォルトがオンデマンドです。使った分だけ支払う形なので初期費用は発生しませんが、常時稼働に近いワークロードでは割引制度を活用する余地が生まれます。GCPにはAWSと異なり、Compute Engineを月内で一定割合以上使い続けると自動的に適用されるSUD（継続利用割引：Sustained Use Discounts）と、明示的に1年または3年のコミットを購入するCUD（確約利用割引：Committed Use Discounts）の2種類が存在します。

コミット最適化が効果を発揮するのは「定常稼働しているリソースがある」ことが前提です。スポット割り当て（Spot VMs）や短期バッチ処理には別の最適化アプローチが適しています。まず自社の利用パターンを正確に把握することが、GCPコスト最適化の出発点になります。

コミット量を誤ると逆効果になるリスクがあります。CUDは購入後の途中解約ができないため、コミット量が実際の利用量を上回ると割引が無駄になります。逆に少なすぎると定常リソースをオンデマンド料金で払い続けることになります。適切なコミット量の設計には、過去の利用実績の分析と将来の計画の擦り合わせが不可欠です。

CUD（確約利用割引）とSUD（継続利用割引）の違いと選び方

GCPのCompute Engineには、SUDとCUDという2種類の割引制度があります。この2つの仕組みを理解して組み合わせることが、Compute Engineコスト削減の基本的な考え方です。

SUD（継続利用割引）の特徴

SUDは、Compute Engineのインスタンスを特定のリージョンで月内の一定割合以上稼働させると自動的に適用される割引です。購入手続きは不要で、該当するインスタンスに自動でスライド型の割引が入ります。利用率が高いほど段階的に割引率が上がる仕組みになっており、月単位で計算されます。

SUDが適用されるのはCompute EngineのN系・C系・M系などの一般的なマシンタイプです。Autopilot GKEクラスタや一部のサービスはSUD対象外になる場合があるため、Google Cloud公式ドキュメントで対象範囲を確認してください。

CUD（確約利用割引）の2種類と選び方

CUDはさらに「リソースベースCUD」と「支出ベースCUD（Flexible CUD）」の2種類に分かれます。それぞれの特性を理解して自社の環境に合った方を選ぶことが大切です。

SUDはすでに自動で適用されているため、CUD購入はSUDの上乗せ分として機能します。1年コミットと3年コミットでは割引水準が異なります。具体的な割引率はGoogle Cloud公式の料金ページ（cloud.google.com/compute/docs/sustained-use-discounts、cloud.google.com/compute/docs/instances/committed-use-discounts-overview）でご確認ください。Compute Engineのうち、Spot VMsやプリエンプティブルインスタンスはSUD・CUDとも対象外です。

CUDを購入した後に実際の利用量がコミット量を下回ると、残分は無駄になります。利用実績の過去データ（Cloud Billingのエクスポートデータなど）を分析してコミット量を慎重に設計することが、外注診断の主要な作業の一つです。

BigQueryのコスト構造とオンデマンド・容量ベースの選択

BigQueryは他のGCPサービスとは独立したコスト構造を持つため、CUD/SUDとは別に専門的な最適化が必要です。まずBigQueryの課金モデルを正確に理解することが診断の前提になります。

オンデマンド課金（クエリのスキャン量課金）

オンデマンドモデルでは、実行したクエリが読み込んだデータ量（スキャン量）に応じて課金されます。課金単位はTiB（テビバイト）あたりの単価で、スキャン量を削減するほど直接的にコストが下がります。大量のアドホッククエリがある環境や、データ量の増加がコスト増に直結しやすい環境はオンデマンドモデルが多いです。

容量ベース課金（BigQuery Editions）

BigQuery Editionsは、スロット（クエリ処理能力の単位）を予約して定額的に利用する課金モデルです。Standard・Enterprise・Enterprise Plusの3エディションがあり、それぞれ機能と価格が異なります。

• Standard：Autoscalerによる自動スケーリングとBaseline/Maxスロット設定が可能。定常的なクエリ量があれば費用を安定化させやすいエディションです
• Enterprise：BigQuery Omni（マルチクラウドのデータ分析）・暗号化管理（CMEK）など企業向け機能が追加されます
• Enterprise Plus：物理ストレージ課金モデルの選択や長期コミット割引が加わり、データ量が大きい環境でのコスト削減が期待できます

スロット予約のコミットは1年または3年単位で購入できます。EditionsはAutoscalerと組み合わせることで、予約スロットを超えるピーク時のみオンデマンドスロットを自動補完する運用もできます。どのエディションが適しているかは、クエリ頻度・同時実行数・コンプライアンス要件・利用可能なコミット期間によって異なります。

BigQueryコスト最適化の4つの技術的アプローチ

BigQueryのコスト最適化は課金モデルの選択にとどまらず、テーブル設計とクエリ設計の両面で削減できます。診断外注ではこの技術的な改善も対象に含まれることが多いです。

パーティショニング：日付・時間帯でデータを分割してスキャン量を削減する

パーティショニングは、テーブルを日付や特定カラムの値で分割して、クエリで必要なパーティションだけを読み込む仕組みです。例えばイベントログテーブルを日付でパーティション化すると、特定期間のデータだけを問い合わせる場合に全期間のスキャンを避けることができます。スキャン量課金のオンデマンドモデルでは特に効果が出やすいアプローチです。

クラスタリング：カラムの並び順を整理してスキャン量をさらに絞る

クラスタリングは、指定したカラムの値によってテーブル内のデータブロックを物理的に整列させる機能です。WHERE句でクラスタリングカラムを絞り込むと、BigQueryが不要なブロックを自動的にスキップしてスキャン量を減らします。パーティショニングとクラスタリングを組み合わせることで、さらにきめ細やかなスキャン絞り込みが可能になります。

クエリ設計の見直し：SELECT *の廃止と結合の最適化

SELECT *（全カラム取得）は必要なカラムだけを指定するSELECTに変えるだけでスキャン量を大幅に削減できます。また、大きなテーブル同士のJOINはスキャン量増大の主要因になります。Nested & Repeated Field（ネストされた配列型カラム）を活用してJOINを減らす設計も、BigQuery固有のコスト削減アプローチの一つです。

ストレージコストの管理：アクティブ/長期ストレージと論理・物理課金の選択

BigQueryのストレージは、アクセス頻度が低いテーブルには自動的に「長期ストレージ」の低単価が適用されます。Enterprise Plus EditionsではStorage Billing Modelを論理バイト課金から物理バイト課金へ変更することもでき、圧縮効率の高いデータを多く持つ環境では費用が変わる場合があります。ストレージのアーカイブ戦略（不要テーブルの削除・TTL設定）も継続的なコスト管理の一部です。

診断の4ステップ：実績分析→コミット/予約設計→適用→定期見直し

GCPコスト最適化診断は、場当たり的な割引購入ではなく、実績データに基づく設計・適用・見直しのサイクルとして進めることが大切です。外注先と協力して以下の流れで進めることが一般的です。

ステップ1：利用実績分析 — Cloud Billing・BigQuery INFORMATION_SCHEMAで現状を把握する

Cloud Billingのエクスポートデータ（BigQueryへのエクスポートを設定することで詳細分析が可能）を使って、サービス・プロジェクト・リージョン別のコストの内訳を把握します。Compute Engineについては、vCPU・メモリの実際の使用量とCUD/SUDの適用状況を確認します。

BigQueryについては、INFORMATION_SCHEMA.JOBS_BY_PROJECTビューからクエリ単位のスキャン量・実行時間・課金情報を取得できます。スキャン量上位のクエリとそのテーブル構造を棚卸しすることが、BigQuery最適化の出発点になります。

ステップ2：CUDと容量予約の設計 — 過剰コミットを避けながら削減効果を引き出す

実績分析で把握した定常稼働リソースの量をもとに、どの程度のCUDコミット量が適切かを設計します。リソースベースCUDとFlexible CUDの組み合わせ比率、1年と3年の比率は、今後のシステム変更計画を加味して慎重に検討します。

BigQueryの容量予約（Editions）を検討する場合は、過去のクエリ同時実行数・スロット使用量のピーク・平均値を分析してBaselineスロット量を決定します。Autoscalerの上限（Max Slots）も設定することで、予期しない高額クエリによるコスト超過を抑制できます。

ステップ3：適用 — CUD購入・Editions設定・クエリ最適化の実施

設計した内容に従ってCUDを購入し、BigQuery Editionsのスロット予約を設定します。クエリ最適化（パーティショニング・クラスタリングの追加、SELECT *の廃止）は既存テーブルへの変更を伴うため、データオーナーと連携して段階的に進めることが多いです。ラベル（GCPリソースに付与するキー・バリューのメタデータ）をリソースとプロジェクトに設定すると、Cloud Billingのレポートでコスト配分の見通しが改善します。

ステップ4：定期見直し — 満了前の再設計とリソース変化への追従

CUDには有効期限があります。1年または3年の満了前に利用状況を再分析して、更新量と更新形態（リソースベース・Flexible）を見直すことが必要です。Compute Engineのリソース構成変更（マシンタイプ変更・廃止・追加）が発生した場合は、既存CUDとの整合性を定期的に確認します。

BigQueryの容量予約も、クエリ量の変化や新規ユースケースの追加に応じてスロット量の調整が必要になります。月次または四半期での見直しサイクルを外注先と設計しておくことで、最適化の持続性を確保できます。

Recommenderと予算アラートなど、その他の最適化手段

CUDとBigQueryの最適化に加えて、GCPはコスト削減を支援する複数のツールを提供しています。これらを診断に組み込むことで、見落としを減らすことができます。

Google Cloud Recommender（Active Assist）：アイドルリソースとRightsizingの推奨を自動提示

Google Cloud Recommender（GCPが提供するコスト最適化の推奨機能）はアイドルVM（稼働しているが利用されていない仮想マシン）の停止推奨、リソースのRightsizing（実際の使用量に合わせてvCPUやメモリを縮小する推奨）、未使用のロードバランサーや予約済みIPアドレスの削除推奨などを自動で提示します。

推奨はCloud ConsoleのRecommenderダッシュボードから確認でき、APIでの自動取得も可能です。推奨を適用するかどうかは、業務要件と照らし合わせて人間が判断する必要があります。外注先はRecommenderの推奨一覧を優先度付けして整理し、適用可否の判断を支援する役割を担います。

予算アラートとBudgets API：支出の上限監視と通知

Cloud Billingの予算アラート機能を使うと、月次コストが設定した閾値に達したときにメール通知やPub/Sub連携でアラートを発報できます。突発的なコスト増を早期に検知するためのセーフティネットとして設定することが推奨されています。プロジェクト別・サービス別に細かく予算を設定することで、コスト責任の所在を明確にできます。

ラベルによるコスト配分の可視化

GCPではリソースにラベル（キー・バリュー形式のメタデータ）を付与して、Cloud Billingのレポートでチーム別・環境別・アプリケーション別にコストを集計できます。ラベル設計と付与ルールを整備することで、「どのチームが何にいくら使っているか」が可視化され、コスト削減の優先度を判断しやすくなります。

Spot VMs（プリエンプティブルVMの後継）：耐障害性のあるバッチ処理へのコスト削減

Spot VMsは中断される可能性がある代わりにオンデマンドより低価格で利用できるVMです（旧称：プリエンプティブルVM）。バッチ処理・機械学習の学習ジョブ・CI/CDパイプラインなど、中断されても再実行できるワークロードに適用することで、Compute Engineのコストを抑制できます。CUD・SUDとは対象外となるため、Spot VMsを活用することはCUDと相補的な関係になります。

外注の費用構造 — スポット診断・月次運用・成果報酬のレンジ感

GCPコスト最適化の診断を外注する場合、契約形態は主にスポット型・継続運用型・成果報酬型の3種類があります。それぞれの特性と費用レンジを把握したうえで、自社の状況に合った形態を選ぶことが大切です。なお、以下の費用レンジは市場参考値であり、一次資料に基づく数値ではありません。環境規模・対象サービス・提供会社によって大きく変わります。

スポット診断（単発型）：棚卸しと初期最適化提案を一括で実施

スポット型は特定期間内に現状分析・CUD設計提案・BigQuery診断レポートを完結させる形態です。費用は数十万円程度から発生することが多く、提案内容の実装は自社で行うか別途依頼する形になります。現在のクラウドコスト構造を一度把握したい場合や、内製チームが実装できる体制を持っている場合に向いています。

継続運用サポート（月次型）：見直しサイクルを外注先に委ねる

月次サポート型は定例ミーティング・定期レポート・CUD更新時の再設計・Recommender推奨の精査などを月次で継続して提供する形態です。費用は月額数万〜数十万円程度が市場の参考レンジとして挙げられますが、サービス内容によって幅があります。内製でのクラウドコスト管理担当を置くのが難しい中小規模の組織や、見直しサイクルを継続して外注したい場合に向いています。

成果報酬型：削減コストの一定割合を報酬とする形

成果報酬型は実際に削減できたコストの一定割合を報酬とする契約形態です。初期費用を抑えやすい反面、削減効果が出ない場合の責任範囲や計測方法をあらかじめ合意しておく必要があります。削減効果の計測基準（ベースライン設定の方法）を契約前に明確にすることが重要です。

外注先の選び方：Google Cloudパートナー認定・体制・見直し継続性で判断する

GCPコスト最適化の外注先を選ぶ際には、技術的な認定資格の有無だけでなく、継続的な見直し体制と料金・スコープの透明性を評価することが大切です。

Google Cloudパートナー認定（旧GCPパートナー）の確認

Googleはクラウドサービスを提供するパートナー企業を「Google Cloud Partner」として認定しています。専門化（Specialization）や認定資格（Certification）の種別や取得者数を確認することで、そのパートナーのGCP技術力の水準を判断する一つの指標になります。Google Cloud公式のパートナーディレクトリ（cloud.google.com/find-a-partner）で検索できます。

認定を持つパートナーはGoogleから技術支援・最新情報・プログラム特典を受けており、BigQueryやCompute Engineの最新の料金変更や機能改訂に追随しやすい体制を持つことが多いです。

BigQuery専門性の確認

GCPコスト最適化、特にBigQuery診断を依頼する場合は、パートナーがBigQueryのクエリ最適化やテーブル設計の知見を持っているかを確認することが大切です。提案段階でINFORMATION_SCHEMAを活用した診断手法やスロット使用量の分析実績について説明を求めると、技術力の確認につながります。

見直しサイクルとサポート体制の設計

CUDの満了・BigQueryの容量変更・Recommender推奨の適用判断などは、一回限りの診断で完結しません。定期的な見直しを契約に含めているか、見直しの頻度・担当者体制・連絡方法が明確かを確認します。長期コミット（3年CUD）を含む設計を委託する場合は、CUD満了前の再設計までサポートされるかをあわせて契約前に確認しておくことをお勧めします。

内製チームとの分担設計

外注先に丸投げするのではなく、内製チームと外注先の役割分担を明確にしておくことが重要です。自社で実施する部分（ラベル付与・予算アラートの管理・クエリ修正）と外注先が担当する部分（CUD設計・Editions推奨・定期レポート）を合意したうえで、スコープ外の追加作業が発生した場合の対応方針もあらかじめ確認しておきましょう。

GCPコスト最適化を内製でゼロから進める場合、Cloud Billing分析・CUD設計・BigQueryのスキーマ変更・Recommender精査を担当できるエンジニアを確保する必要があります。専門的な知識と実績分析ツールの習得に一定の時間がかかるため、外注先の知見を活用しながら内製能力を段階的に高めていく方針を検討することも有効です。

まとめ：GCPコスト最適化診断外注の3つの判断軸

本記事では、GCPのコスト最適化（CUD・SUD・BigQuery診断）を外注する進め方を整理しました。要点を3つに集約すると次の通りです。

第一に、GCPにはSUD（自動適用の継続利用割引）とCUD（明示コミットの確約利用割引）という2種類の割引制度があり、定常稼働ワークロードではCUDを重ねることでさらなる削減を期待できます。CUDにはリソースベースとFlexible CUDがあり、構成変更の可能性に応じて組み合わせを設計することが大切です。

第二に、BigQueryはCompute Engineとは独立したコスト構造を持ちます。オンデマンドか容量ベース（BigQuery Editions）かの選択から始まり、パーティショニング・クラスタリング・クエリ設計・ストレージ管理まで技術的な最適化の余地が大きいため、専門的な診断が付加価値を生みやすい領域です。

第三に、診断外注の判断はスコープ（スポット/継続/成果報酬）と外注先の専門性（Google Cloudパートナー認定・BigQuery実績・見直し体制）を軸に複数社を比較することをお勧めします。費用レンジは市場参考値であり一次資料に基づく数値ではないため、実際の見積もりを取得して判断してください。

よくある質問

CUD（確約利用割引）とSUD（継続利用割引）はどのように使い分ければよいですか？

SUDはCompute Engineを月内で一定割合以上稼働させると自動で適用されるため、特別な手続きは必要ありません。CUDは1年または3年のコミットを明示的に購入することで、SUDよりも高い割引を受けられる仕組みです。定常稼働しているワークロードが明確にある場合はCUDを重ねて購入することで削減効果を高めることができます。CUDにはマシンタイプ・リージョンを固定する「リソースベースCUD」と、時間あたりの支出額にコミットする「支出ベースCUD（Flexible CUD）」があります。利用計画が固まっている場合はリソースベースCUD、構成変更の可能性がある場合は支出ベースCUDが検討しやすいです。割引率の最新値はGoogle Cloud公式の料金ページでご確認ください。

BigQueryのコスト管理を始めるにあたって最初に何を確認すればよいですか？

まずオンデマンドか容量ベース（BigQuery Editions）のどちらの課金モデルを採用しているかを確認します。次にBigQueryのINFORMATION_SCHEMA.JOBS_BY_PROJECTビューやCloud Billingのエクスポートデータから、クエリ単位のスキャン量とコストを把握します。スキャン量が大きいクエリを特定し、パーティショニングやクラスタリングの適用状況を確認することが初期診断の基本的な手順です。SELECT *（全カラム取得）が多用されているかどうかも、スキャン量削減の余地を判断する指標になります。

GCPコスト最適化の診断を外注するとどのくらいの費用がかかりますか？

費用は契約形態とスコープによって大きく異なります。単発の棚卸し診断（スポット型）では数十万円程度から、月次の継続運用サポートでは月額数万〜数十万円程度が市場の参考レンジとして挙げられますが、これらは一次資料に基づく数値ではなく、環境規模・対象サービス・提供会社によって変わります。成果報酬型（削減コストの一定割合を報酬とする形）を採用している会社もあります。複数社に見積もりを依頼し、スコープと成果基準を明確にしたうえで比較することをお勧めします。

Google Cloud Recommenderで自社でも診断できますか？外注との違いは何ですか？

Google Cloud Recommender（GCPが提供するコスト最適化の推奨機能）はアイドルVMの停止やRightsizingの推奨を自動で提示します。ただし推奨はあくまで過去の利用実績に基づく機械的な提案であり、今後のシステム変更計画や業務要件との整合性は自社で判断する必要があります。外注パートナーは複数顧客の知見・Google Cloud認定パートナーとしての最新情報・BigQueryのクエリ最適化など技術的な改善まで組み合わせて診断できるため、大規模環境や複雑な構成では付加価値が生まれやすいです。

BigQuery EditionsのStandard・Enterprise・Enterprise Plusはどう選べばよいですか？

BigQuery Editionsはスロット予約を前提とした容量ベース課金で、Standard・Enterprise・Enterprise Plusの3段階があります。StandardはAutoscalerによる自動スケーリングとBaseline/Maxスロットによるきめ細やかなスケーリングができるエディションです。EnterpriseはBigQuery Omniや暗号化管理（CMEK）などエンタープライズ機能が追加されます。Enterprise Plusは物理ストレージ課金モデルの選択や長期コミット割引が加わります。どのエディションが適しているかはクエリ頻度・コンプライアンス要件・コミット可能な利用量によって変わるため、Google Cloud公式の比較ページを参照したうえで検討することをお勧めします。

著者：テレリモ総研編集部　鈴木 亮佑

---

ご不明な点はお問い合わせフォームからもご連絡いただけます。