2024〜2026年のGCP料金改定とコスト最適化完全ガイド

2026年4月24日

Contents

1 GCP 料金改定と最新割引制度（2024 年版）
2 1. CUD と SUD の実務適用例
- 2.1 1‑1. CUD（Global CUD）活用シナリオ
- 2.2 1‑2. SUD の自動適用例（Dataflow）
3 2. Google Cloud Recommender と AI 自動最適化
- 3.1 2‑1. Recommender 有効化手順
- 3.2 2‑2. AI ベースの Cost Optimization API（Vertex AI カスタムジョブ）
4 3. 未使用リソースの検出と安全な削除フロー
5 4. Compute Engine・ストレージ・ネットワークのコスト最適化実践
6 5. 予算管理・レポート自動化と IaC（Terraform）による割引適用
7 まとめ
8 参考リンク（公式ドキュメント）

スポンサードリンク

GCP 料金改定と最新割引制度（2024 年版）

ポイント
Google Cloud の公式ドキュメントに基づく、2023‑12 以降の主要な価格変更と割引制度を整理しました。

項目	主な変更点	参考リンク
Committed Use Discount（CUD）	- 対象サービスが Compute Engine・Kubernetes Engine·BigQuery·Cloud SQL·Vertex AI に拡大 - 1 年契約で最大 57 %、3 年契約で最大 65 % の割引が適用可能（サービス別上限は異なる）	【1】
Sustained Use Discount（SUD）	- 使用率 25 % 超過時に自動適用。標準割引率は 30 %、2024 年 12 月のアップデートで Cloud Run 等一部サービスが最大 35 % に拡大	【2】
リージョン横断 CUD（Global CUD）	- 同一契約で複数リージョンのリソースをまとめて割引対象に。2025 年 4 月にベータ開始、2026 年正式提供予定	【3】
新しい SUD 対象サービス	- Dataflow, Dataproc, Cloud Run for Anthos が追加され、利用率が 60 % 超えると約 40 % の割引が適用（上限は 45 %）	【4】

※「最大 57 %」や「40 % 前後」の数値は、Google が公開している “Maximum discount rates per service” 表に基づくものです。実際の割引率は選択したサービス・期間・使用量によって変動します。

1. CUD と SUD の実務適用例

1‑1. CUD（Global CUD）活用シナリオ

対象：米国 (us‑central1) と欧州 (europe‑west1) に跨る VM ファミリー
手順
Cloud Console の “Committed use contracts” ページで「Create commitment」を選択。
「Global」オプションを有効化し、対象リソース（vCPU・メモリ）と期間（1 年 or 3 年）を入力。
契約完了後、リージョン別にデプロイした VM が自動的に同一割引率で課金されます。

効果：Compute Engine の標準 CUD（リージョン限定）では最大 57 % 割引ですが、Global CUD でも同等の上限が適用できるため、複数リージョンに跨るマルチクラウド戦略でコスト最適化が可能です【1】。

1‑2. SUD の自動適用例（Dataflow）

# dataflow_job.yaml (example)
name: my-dataflow-job
type: Dataflow
environment:
  tempLocation: gs://my-bucket/tmp/
  maxWorkers: 10
  autoscalingAlgorithm: THROUGHPUT_BASED

# dataflow_job.yaml (example)

name: my-dataflow-job

type: Dataflow

environment:

tempLocation: gs://my-bucket/tmp/

maxWorkers: 10

autoscalingAlgorithm: THROUGHPUT_BASED

利用率が 60 % 超えると、Dataflow の実行時間に対して 約 40 %（上限 45 %）の割引が自動付与されます【4】。
確認方法：Billing → “Cost breakdown” の「Sustained Use Discount」列で適用率をリアルタイムにチェックできます。

2. Google Cloud Recommender と AI 自動最適化

2‑1. Recommender 有効化手順

手順	操作画面
① Console → IAM & Admin → Recommender
② プロジェクトを選択し、Compute Engine Rightsizing, Cloud SQL, BigQuery のスイッチをオン	—
③ 「Recommendations」タブで提案一覧が表示される	—

2‑2. AI ベースの Cost Optimization API（Vertex AI カスタムジョブ）

公式ドキュメント：https://cloud.google.com/vertex-ai/docs/general/custom-jobs

gcloud beta ai custom-jobs create \
  --region=us-central1 \
  --display-name=&quot;cost-optimization&quot; \
  --worker-pool-spec=machine-type=n1-standard-4,replica-count=1,container-image-uri=gcr.io/cloud-aiplatform/prediction:latest \
  --args='--project=my-gcp-project,--start-date=2023-01-01,--end-date=2023-12-31'

gcloud beta ai custom-jobs create \

--region=us-central1 \

--display-name="cost-optimization" \

--worker-pool-spec=machine-type=n1-standard-4,replica-count=1,container-image-uri=gcr.io/cloud-aiplatform/prediction:latest \

--args='--project=my-gcp-project,--start-date=2023-01-01,--end-date=2023-12-31'

出力先は Cloud Storage バケットに JSON 形式で保存し、後続の Terraform モジュールへインプット可能です。
API の予測精度は最低 90 日分 のメトリクスが必要です（公式ガイド参照）【5】。

3. 未使用リソースの検出と安全な削除フロー

3‑1. Cloud Asset Inventory の有効化

gcloud asset inventory enable --project=my-gcp-project

1 2	gcloud asset inventory enable --project=my-gcp-project

インベントリは BigQuery テーブル asset_inventory.assets に自動エクスポートできます（エクスポート設定は Billing → Export から）【6】。

3‑2. 未使用 VM の抽出クエリ例

SELECT
  name,
  location,
  json_extract_string(resource.data, &quot;$.status&quot;) AS status
FROM `my-bq-dataset.asset_inventory.assets`
WHERE asset_type = 'compute.googleapis.com/Instance'
  AND json_extract_string(resource.data, '$.status') = 'TERMINATED';

SELECT

name,

location,

json_extract_string(resource.data, "$.status") AS status

FROM `my-bq-dataset.asset_inventory.assets`

WHERE asset_type = 'compute.googleapis.com/Instance'

AND json_extract_string(resource.data, '$.status') = 'TERMINATED';

3‑3. 自動削除パイプライン（Python + Cloud Scheduler）

import google.cloud.compute_v1 as compute
from datetime import datetime

def delete_terminated_instances(project: str, zone: str):
    client = compute.InstancesClient()
    for instance in client.list(project=project, zone=zone):
        if instance.status == &quot;TERMINATED&quot;:
            # 事前にスナップショット取得（任意）
            print(f&quot;[{datetime.utcnow()}] Deleting {instance.name}&quot;)
            client.delete(project=project, zone=zone, instance=instance.name)

# Cloud Scheduler → Pub/Sub → Cloud Function で毎日 02:00 に実行

import google.cloud.compute_v1 as compute

from datetime import datetime

def delete_terminated_instances(project: str, zone: str):

client = compute.InstancesClient()

for instance in client.list(project=project, zone=zone):

if instance.status == "TERMINATED":

# 事前にスナップショット取得（任意）

print(f"[{datetime.utcnow()}] Deleting {instance.name}")

client.delete(project=project, zone=zone, instance=instance.name)

# Cloud Scheduler → Pub/Sub → Cloud Function で毎日 02:00 に実行

安全策
- ラベルフィルタ：env=dev のみ対象に限定。
- 承認ステップ：削除前に Pub/Sub メッセージを Slack/メールへ送信し、手動で yes を返信したら Cloud Build の手動トリガーで実行。

4. Compute Engine・ストレージ・ネットワークのコスト最適化実践

カテゴリ	手法	効果（目安）	公式ドキュメント
Compute	Rightsizing + カスタムマシンタイプ	15 %〜30 % 削減	【7】
Compute	Preemptible (Spot) VM	オンデマンドの約 70 % 割引	【8】
Storage	ライフサイクルポリシー（Standard→Nearline→Coldline）	アクセス頻度に応じたコスト最適化	【9】
Network	同一リージョン VPC Peering	内部トラフィックは無料化	【10】
Network	Cloud CDN エッジキャッシュ活用	egress コスト最大 40 % 削減	【11】

4‑1. Rightsizing とカスタムマシンタイプの流れ

# Recommender の提案取得
gcloud recommender recommendations list \
  --recommender=google.compute.instance.MachineTypeRecommender \
  --project=my-gcp-project

# 推奨に従いカスタムタイプへ変更（例：4 vCPU / 8 GB RAM）
gcloud compute instances set-machine-type my-instance \
  --machine-type=custom-4-8192

# Recommender の提案取得

gcloud recommender recommendations list \

--recommender=google.compute.instance.MachineTypeRecommender \

--project=my-gcp-project

# 推奨に従いカスタムタイプへ変更（例：4 vCPU / 8 GB RAM）

gcloud compute instances set-machine-type my-instance \

--machine-type=custom-4-8192

4‑2. Preemptible VM の導入ポイント

項目	推奨設定
対象ワークロード	バッチ処理、CI/CD ワーカー、データ変換ジョブ等の中断許容タスク
起動スクリプト	`preemptible-termination-notice` を検知し、作業状態を Cloud Storage に保存
SLA	保証なし（最大 24 時間で停止）ので、ステートレス設計が必須

4‑3. ストレージ階層化の自動化例

gsutil lifecycle set lifecycle.json gs://my-bucket

1 2	gsutil lifecycle set lifecycle.json gs://my-bucket

lifecycle.json のサンプル（Standard → Nearline → Coldline）：

{
  &quot;rule&quot;: [
    {
      &quot;action&quot;: {&quot;type&quot;:&quot;SetStorageClass&quot;,&quot;storageClass&quot;:&quot;NEARLINE&quot;},
      &quot;condition&quot;:{&quot;age&quot;:30}
    },
    {
      &quot;action&quot;: {&quot;type&quot;:&quot;SetStorageClass&quot;,&quot;storageClass&quot;:&quot;COLDLINE&quot;},
      &quot;condition&quot;:{&quot;age&quot;:365}
    }
  ]
}

{

"rule": [

{

"action": {"type":"SetStorageClass","storageClass":"NEARLINE"},

"condition":{"age":30}

{

"action": {"type":"SetStorageClass","storageClass":"COLDLINE"},

"condition":{"age":365}

}

]

}

5. 予算管理・レポート自動化と IaC（Terraform）による割引適用

5‑1. 予算アラート設定

手順	操作
① Console → Billing → Budgets & alerts	「Create budget」
② 月額上限 ¥5,000,000、閾値 50 % / 80 % を設定	通知先は Email と Slack（Pub/Sub 経由）
③ Export → BigQuery データセット `billing_export` に課金情報を自動転送	【12】

5‑2. Terraform で CUD 自動作成

# google_compute_commitment (CUD) の例
resource &quot;google_compute_commitment&quot; &quot;cud_1y&quot; {
  name        = &quot;cud-1year&quot;
  plan        = &quot;TWELVE_MONTH&quot;
  type        = &quot;COMPUTE_ENGINE&quot;

  resources = [
    { amount = 2000, type = &quot;VCPU&quot; },      # vCPU 数
    { amount = 8192, type = &quot;MEMORY&quot; }     # メモリ (MiB)
  ]
}

# google_compute_commitment (CUD) の例

resource "google_compute_commitment" "cud_1y" {

name = "cud-1year"

plan = "TWELVE_MONTH"

type = "COMPUTE_ENGINE"

resources = [

{ amount = 2000, type = "VCPU" }, # vCPU 数

{ amount = 8192, type = "MEMORY" } # メモリ (MiB)

]

}

適用対象は google_compute_instance の machine_type と自動で紐付くため、手作業のミスが排除されます【13】。

5‑3. Rightsizing モジュールと CI/CD パイプライン

module &quot;rightsized_instances&quot; {
  source    = &quot;./modules/rightsizing&quot;
  instances = data.google_compute_instance_list.all.instances
}

module "rightsized_instances" {

source = "./modules/rightsizing"

instances = data.google_compute_instance_list.all.instances

}

GitHub Actions の例（週次実行）：

name: Weekly Rightsizing

on:
  schedule:
    - cron: '0 3 * * MON'   # 毎週月曜 03:00 UTC

jobs:
  terraform:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - name: Set up Terraform
        uses: hashicorp/setup-terraform@v2
      - run: terraform init
      - run: terraform plan -out=plan.out
      - run: terraform apply -auto-approve plan.out

name: Weekly Rightsizing

on:

schedule:

- cron: '0 3 * * MON' # 毎週月曜 03:00 UTC

jobs:

terraform:

runs-on: ubuntu-latest

steps:

- uses: actions/checkout@v3

- name: Set up Terraform

uses: hashicorp/setup-terraform@v2

- run: terraform init

- run: terraform plan -out=plan.out

- run: terraform apply -auto-approve plan.out

5‑4. 実装事例（匿名企業）

業種	導入項目	削減率	年間削減額 (概算)
SaaS プラットフォーム	Recommender + Terraform CUD 自動付与	28 %	約 USD 120,000
製造業 IoT 基盤	未使用リソース自動削除、Preemptible バッチ	22 %	約 USD 85,000

両社ともに FinOps プロセス（可視化 → 改善 → ループ）を導入し、支出の 95 % をリアルタイムで把握できました【14】。

まとめ

最新公式情報（2024‑12 更新）に基づき、CUD と SUD の対象サービス・割引率が拡大しました。
Global CUD によりリージョン横断のリソースでも同一契約で最大 57 % 割引が可能です。
Recommender + Vertex AI の組み合わせで、権限付与から自動最適化までをコード化し、運用負荷を大幅削減できます。
未使用リソースは Cloud Asset Inventory とスクリプト で安全に検出・削除し、無駄な課金を根絶します。
Compute Engine の Rightsizing、カスタムマシンタイプ、Preemptible VM、ストレージ階層化、VPC Peering を組み合わせると総合で 20 %〜35 % のコスト削減が実現します。
予算アラート＋BigQuery Export＋Terraform による CUD 自動付与 で、割引適用漏れや過剰プロビジョニングを防ぎつつ、FinOps サイクルを自動化できます。

次のステップ
1. 各サービスの公式 Pricing ページ（下記リファレンス）を確認し、自組織に最適な割引タイプを選定。
2. Recommender と Cloud Asset Inventory を有効化し、週次レビューのルーチンを作成。
3. Terraform の google_compute_commitment リソースで CUD をコード化し、CI/CD に組み込む。

参考リンク（公式ドキュメント）

Committed Use Discounts – Google Cloud Pricing
https://cloud.google.com/compute/docs/instances/cuds
Sustained Use Discounts – Google Cloud Billing docs
https://cloud.google.com/billing/docs/how-to/sustained-use-discounts
Global Committed Use Contracts (Beta) – Release notes 2025‑04
https://cloud.google.com/compute/docs/commitments/global-committed-use
Dataflow Sustained Use Discount – Update 2024‑12
https://cloud.google.com/dataflow/pricing#sustained_use_discount
Vertex AI Custom Jobs – Cost Optimization example
https://cloud.google.com/vertex-ai/docs/general/custom-jobs
Cloud Asset Inventory – Export to BigQuery guide
https://cloud.google.com/asset-inventory/docs/export-to-bigquery
Rightsizing Recommendations – Recommender API reference
https://cloud.google.com/recommender/docs/compute-engine-rightsize
Preemptible VM pricing – Spot VMs documentation
https://cloud.google.com/compute/docs/instances/preemptible
Storage lifecycle management – Google Cloud Storage docs
https://cloud.google.com/storage/docs/lifecycle
VPC Peering pricing – Network Service Tiers
https://cloud.google.com/vpc/docs/vpc-peering#pricing
Cloud CDN pricing – Egress cost reduction
https://cloud.google.com/cdn/pricing
Exporting billing data to BigQuery – Billing documentation
https://cloud.google.com/billing/docs/how-to/export-data-bigquery
Terraform Provider: google_compute_commitment – Registry reference
https://registry.terraform.io/providers/hashicorp/google/latest/docs/resources/compute_commitment
FinOps guide (Google Cloud) – Best practices 2024
https://cloud.google.com/blog/topics/finops