E 会計/ファイナンス・コスト効率 — Cloud Run CPU 97%削減 × GKE CUD+Spot 43%削減 × Cloud Storage Coldline 72%削減（FinOps 3 施策 Bad→Good）

GKE: 本番 CUD + バッチ Spot の 2 段構え

📋 コピー# ❌ 全ノードオンデマンド（CUD/Spot 未使用）
resource "google_container_cluster" "main" {
  # ❌ 単一ノードプール: CUD/Spot の分離なし
  node_pool {
    name          = "default"
    node_count    = 10
    node_config {
      machine_type = "n2-standard-4"
      # spot = false（デフォルト = オンデマンド）
    }
  }
}

# コスト試算
ON_DEMAND = 0.208   # $/h
HOURS_MON = 730

bad_gke = 10 * ON_DEMAND * HOURS_MON
# = 10 × $0.208 × 730 = $1,518.40/月

📋 コピー# ✅ 本番 7 ノード: 1 年 CUD（30%割引）
resource "google_container_node_pool" "prod_cud" {
  name    = "prod-cud"
  cluster = google_container_cluster.main.name

  node_count = 7
  node_config {
    machine_type = "n2-standard-4"
    # CUD は GCP Console または gcloud で契約
    # Terraform では通常ノードとして定義し、
    # 別途 CUD コミットメントを gcloud で設定
  }
}

# ✅ バッチ 3 ノード: Spot（75%割引・中断可）
resource "google_container_node_pool" "batch_spot" {
  name    = "batch-spot"
  cluster = google_container_cluster.main.name

  node_config {
    machine_type = "n2-standard-4"
    spot         = true  # ✅ Spot インスタンス

    # 中断時にバッチ Pod が安全にスケジュールされないよう taint
    taint {
      key    = "cloud.google.com/gke-spot"
      value  = "true"
      effect = "NO_SCHEDULE"
    }
  }
  # バーストに対応するためオートスケール設定
  autoscaling {
    min_node_count = 0
    max_node_count = 5
  }
}

# Spot ノードへの Argo Workflows バッチ Job 配置
# workflow spec:
#   nodeSelector:
#     cloud.google.com/gke-spot: "true"
#   tolerations:
#   - key: "cloud.google.com/gke-spot"
#     operator: "Equal"
#     value: "true"
#     effect: "NoSchedule"

# コスト試算
CUD_HOURLY  = 0.146   # 1年CUD（30%割引）
SPOT_HOURLY = 0.052   # Spot（75%割引）

good_gke = (7 * CUD_HOURLY + 3 * SPOT_HOURLY) * 730
# = (1.022 + 0.156) × 730 = $859.94/月

reduction = 1518.40 - 859.94  # $658.46/月（43.4%削減）

# ⚠️ CUD 注意事項:
# 1. 1 年契約・解約不可（ペナルティあり）
# 2. ノード数は減らせるが CUD 費は発生し続ける
# 3. GKE Autopilot では CUD 概念が異なる
# → 7 ノードを 1 年確実に使うか事前確認必須

# CUD コミット金額（年額）
cud_commitment = 7 * CUD_HOURLY * 8760  # 年間8,760h
# = 7 × $0.146 × 8,760 = $8,953.92/年

Cloud Storage: ライフサイクルルールで自動 Coldline 移行

📋 コピー# ❌ ライフサイクルルールなし（全データ Standard）
resource "google_storage_bucket" "mops_data" {
  name     = "mops-data-bucket"
  location = "asia-northeast1"
  # ❌ lifecycle_rule なし
}

# コスト試算
STANDARD = 0.020  # $/GB/月

total_gb = 50 * 1024   # 51,200 GB

bad_gcs = total_gb * STANDARD
# = 51,200 × $0.020 = $1,024.00/月

# 45 TB のアーカイブが Standard に眠っている
archive_gb = 45 * 1024  # 46,080 GB
archive_waste = archive_gb * (STANDARD - 0.004)
# = 46,080 × $0.016 = $737.28/月 のムダ

📋 コピー# ✅ ライフサイクルルール: 自動クラス移行
resource "google_storage_bucket" "mops_data" {
  name     = "mops-data-bucket"
  location = "asia-northeast1"

  # ✅ 30 日後: Nearline（月1回以上アクセスする中間層）
  lifecycle_rule {
    condition { age = 30 }
    action {
      type          = "SetStorageClass"
      storage_class = "NEARLINE"
    }
  }

  # ✅ 90 日後: Coldline（ほぼアクセスなし）
  lifecycle_rule {
    condition { age = 90 }
    action {
      type          = "SetStorageClass"
      storage_class = "COLDLINE"
    }
  }

  # ✅ オプション: 365 日後は Archive（さらに安価）
  # lifecycle_rule {
  #   condition { age = 365 }
  #   action { type = "SetStorageClass"; storage_class = "ARCHIVE" }
  # }
}

# コスト試算
STANDARD = 0.020   # $/GB/月
COLDLINE = 0.004   # $/GB/月（最低 90 日保存）

recent_gb  = 5  * 1024   # 5,120 GB（直近 1 ヶ月）
archive_gb = 45 * 1024   # 46,080 GB（3 ヶ月以上前）

good_gcs = recent_gb * STANDARD + archive_gb * COLDLINE
# = 5,120 × $0.020 + 46,080 × $0.004
# = $102.40 + $184.32
# = $286.72/月

reduction = 1024.00 - 286.72  # $737.28/月（72.0%削減）

# ⚠️ Coldline の注意事項:
# 1. 最低保存 90 日: 早期削除時に残り日数分を課金
#    例: 30 日で削除 → 60 日分の Coldline 料金が別途発生
# 2. 読み取りコスト: $0.05/GB（Standard は $0.01/GB）
#    大量バッチ読み取り前にコスト試算必須
#    45 TB を一括読み取り: 46,080 × $0.05 = $2,304（1 回の読み取りコスト）
# 3. 移行後 7 日間は既存オブジェクトがルール適用待ち

施策別 ROI & CFO 提案サマリー

📋 コピー============================================================
施策別コスト試算サマリー
============================================================

| 施策                     | 削減前      | 削減後    | 月次削減額  | 工数    | ROI/年    | リスク |
|--------------------------|------------|----------|------------|---------|---------|-------|
| Cloud Run cpu_idle=true  | $610/月    | $18/月   | $592/月    | 0.5 人日 | 7,021%  | 低    |
| Cloud Storage Coldline   | $1,024/月  | $287/月  | $737/月    | 1.0 人日 | 3,661%  | 低    |
| GKE CUD + Spot           | $1,518/月  | $860/月  | $658/月    | 1.0 人日 | 3,267%  | 中    |
| 合計（今回 3 施策）       | $3,152/月  | $1,165/月 | $1,987/月  | 2.5 人日 | 2,880%  | —     |
| BigQuery（先週対応済み）  | $900/月    | $38/月   | $862/月    | 3.0 人日 | —       | 済    |

============================================================
CFO 向け提案サマリー（2026-06-26 版）
============================================================

【投資概要】
  投資対象: GCP インフラコスト最適化（3 施策）
  投資額  : ¥120,000（2.5 人日 × 8h × ¥6,000/h）
  月次削減: $1,987/月 × 150 円 = ¥298,050/月
  年間削減: $23,844/年 = ¥3,576,600/年
  ペイバック: 12 日
  年間 ROI: ($23,844 - $800) / $800 ≒ 2,880%

【先週の BigQuery 最適化と合算】
  月次削減合計: ($1,987 + $862) = $2,849/月
  年間削減合計: $34,188 = ¥5,128,200/年

【実施優先順位】
  Week 1 (優先度 最高・リスク 低):
    ① Cloud Run cpu_idle=true → Terraform 1 行変更
       工数 0.5 人日 / ペイバック 4 日
    ② Cloud Storage lifecycle_rule 追加
       工数 1.0 人日 / ペイバック 8 日
  Week 2 (優先度 高・要判断):
    ③ GKE 1 年 CUD 契約（月末締め）+ Spot ノードプール追加
       工数 1.0 人日 + CUD 1 年コミット確認

【リスクと対策】
  Cloud Run: バックグラウンド処理の遅延リスク
    → DataDog で 1 週間 CPU 使用率モニタリングのうえ適用
  GKE CUD: 1 年契約解約不可
    → 7 ノードを 1 年確実に使用するか事業計画で確認
  GKE Spot: 中断リスク（バッチジョブのみ）
    → Argo Workflows の retry + checkpoint で対策済み
  Cloud Storage Coldline: 読み取りコスト高
    → 大量バッチ読み取り前にコスト試算（45 TB ≈ $2,304/回）

FinOps ダッシュボード設計

📋 コピー============================================================
FinOps ダッシュボード構成（Cloud Billing → BigQuery → Looker Studio）
============================================================

【セットアップ: Cloud Billing エクスポート】
  1. GCP Console > Billing > Export to BigQuery
  2. データセット: `project.billing_dataset`
  3. テーブル形式: `gcp_billing_export_v1_XXXXXX`

【ウィジェット構成】

  ① 月次コスト推移（サービス別・折れ線グラフ）
     - Cloud Run / GKE / BigQuery / Cloud Storage 各系列
     - 予算上限ライン（例: $5,000/月）をオーバーレイ

  ② 施策別削減効果トラッキング
     - 施策実施日を縦線でマーク
     - 実施前後 30 日の平均コストで Before/After 自動比較

  ③ コスト異常検知（前日比 / 前週比）
     - 前週比 20% 増加 → Slack #infra-alert 自動通知
     - Cloud Run CPU 課金 $50/日 超過 → 即時アラート

【集計 SQL（月次サービス別コスト）】
SELECT
  DATE_TRUNC(usage_start_time, MONTH)  AS month,
  service.description                  AS service,
  SUM(cost)                            AS total_cost,
  SUM(cost) - LAG(SUM(cost)) OVER (
    PARTITION BY service.description
    ORDER BY DATE_TRUNC(usage_start_time, MONTH)
  )                                    AS mom_diff  -- 前月差
FROM `project.billing_dataset.gcp_billing_export_v1_*`
WHERE DATE(usage_start_time) >= DATE_SUB(CURRENT_DATE(), INTERVAL 6 MONTH)
GROUP BY month, service
ORDER BY month DESC, total_cost DESC

【アラート SQL（前日比異常検知）】
WITH daily AS (
  SELECT
    DATE(usage_start_time)  AS usage_date,
    service.description     AS service,
    SUM(cost)               AS daily_cost
  FROM `project.billing_dataset.gcp_billing_export_v1_*`
  WHERE DATE(usage_start_time) >= DATE_SUB(CURRENT_DATE(), INTERVAL 14 DAY)
  GROUP BY usage_date, service
)
SELECT
  usage_date,
  service,
  daily_cost,
  LAG(daily_cost) OVER (PARTITION BY service ORDER BY usage_date) AS prev_day,
  ROUND((daily_cost - LAG(daily_cost) OVER (PARTITION BY service ORDER BY usage_date))
    / NULLIF(LAG(daily_cost) OVER (PARTITION BY service ORDER BY usage_date), 0) * 100, 1)
    AS pct_change
FROM daily
WHERE usage_date = DATE_SUB(CURRENT_DATE(), INTERVAL 1 DAY)
HAVING ABS(pct_change) > 20   -- 20%以上の変化でアラート
ORDER BY ABS(pct_change) DESC

【Argo Workflows 日次コスト監視 CronWorkflow】
# schedule: "0 9 * * *"（毎朝 9:00 JST）
# 実行内容:
#   1. 上記アラート SQL を実行
#   2. 異常があれば Slack #infra-alert に投稿
#   3. 月次サマリーを月初に自動生成
#   4. CFO レポート（月次 PDF）を Cloud Storage に保存