Colab Enterprise (Vertex AI)

解決する課題

• 個人で使う無償の Colab は手軽だが、IAM・監査ログ・ネットワーク制御が無く、業務データを扱うには統制が足りない
• データサイエンティストがローカル環境の構築や依存関係の管理に時間を取られ、分析に集中できない
• チームで計算資源（マシンタイプや GPU）の構成を標準化し、誰が立てても同じ環境にしたい
• ノートブックから BigQuery のデータや Vertex AI のモデル学習へシームレスにつなぎたい
• 検証で立てたノートブックの遊休コストを抑え、使っていない計算資源を自動で止めたい

主要概念と用語

• Colab Enterprise: Google Cloud 上で動く、企業向けにガバナンスされたマネージドノートブック環境。無償版 Colab の使い勝手を保ちつつ、Vertex AI の一部として IAM・VPC・監査と統合される
• ノートブック (Notebook): コードと実行結果、説明文を1つにまとめた対話的ドキュメント。Jupyter 互換で、データ分析や ML の試行錯誤に使う
• ランタイム (Runtime): ノートブックのコードを実行する計算環境の実体。マシンタイプやアクセラレーターが割り当てられ、ノートブックを接続して使う
• ランタイムテンプレート (Runtime Template): ランタイムの設計図。マシンタイプ・GPU・ネットワーク・アイドル時のシャットダウン時間などを定義し、チームで再利用して構成を標準化する
• アイドルシャットダウン (Idle shutdown): 一定時間操作が無いランタイムを自動停止する仕組み。遊休コストを抑える
• Vertex AI 統合: 同じ基盤上の Model Garden・学習ジョブ・パイプラインなどへノートブックから連携できること
• BigQuery 連携: ノートブック内から BigQuery のデータを直接クエリ・参照できる仕組み

仕様・制限・クォータ

• ランタイムはリージョン単位で動作し、利用するマシンタイプやアクセラレーターの種類はリージョンごとに可用性が異なる
• GPU・TPU などのアクセラレーターには種類と数のクォータがあり、増枠申請が必要になることがある。利用可否は設計時に確認する
• ランタイムテンプレートでアイドルシャットダウンの時間やマシン構成を指定する。テンプレート無しに任意構成を乱立させない運用が推奨される
• 同時に起動できるランタイム数や、扱える計算資源の上限はプロジェクトのクォータに従う
• 具体的な上限値・対応マシンタイプ・提供リージョンは更新が頻繁なため、断定せず公式ドキュメントとコンソールのクォータ画面で都度確認する

内部の仕組み

Colab Enterprise は、ブラウザで開くノートブック（編集体験）と、コードを実行するランタイム（計算環境）を分離した構成です。ノートブック自体は軽量なドキュメントで、実行のたびに割り当てられたランタイムへコードが送られ、結果が返ってきます。ランタイムはランタイムテンプレートを基に起動され、マシンタイプ・アクセラレーター・ネットワーク・アイドルシャットダウン時間といった構成がテンプレートで一元的に決まります。

これにより、誰がノートブックを立てても同じ計算環境が再現され、構成のばらつきを抑えられます。ランタイムは Vertex AI の一部としてプロジェクトの IAM 配下に置かれ、操作は監査ログに記録されます。ノートブックから BigQuery のデータを参照したり、Vertex AI の学習ジョブやパイプラインへ処理を引き渡したりと、同じ基盤上のサービスへ自然につながるのが特徴です。一定時間操作が無いランタイムはアイドルシャットダウンで自動停止し、遊休コストを抑えます。

設計パターン / ベストプラクティス

• テンプレートで構成を標準化: チームで使うマシン構成をランタイムテンプレートに固め、個別の手動設定を減らして再現性を確保する
• アイドルシャットダウンを必ず設定: 検証で立てたランタイムの停止し忘れを防ぎ、遊休コストを自動で抑える
• 試行はノートブック、本番はジョブへ: 探索的な分析はノートブックで回し、定常的な学習やバッチ処理は Vertex AI の学習ジョブやパイプラインへ移す
• データはコピーせず参照: BigQuery のデータをノートブックへ丸ごと持ち込まず、必要な範囲をクエリして扱い、機微データの分散を避ける
• 環境を再現可能に: 依存ライブラリのバージョンをノートブックや設定で明示し、後から同じ結果を再現できるようにする

運用・監視

• Cloud Monitoring / Cloud Logging でランタイムの稼働状況・リソース使用率・エラーを把握する
• 監査ログでノートブックやランタイムへの操作を追跡し、誰がいつデータにアクセスしたかを確認できるようにする
• ランタイムテンプレートをバージョン管理的に見直し、不要に大きいマシン構成や長すぎるアイドル時間を定期的に点検する
• 起動中ランタイムの数とアクセラレーター消費を監視し、クォータ到達に備える
• 長時間放置されたランタイムが無いか確認し、アイドルシャットダウンの設定漏れを運用で補う

コスト

セキュリティ

• IAM でノートブック・ランタイム・ランタイムテンプレートへのアクセスを最小権限に分離する（AWS の IAM ロール相当）
• ランタイムにはサービスアカウントを割り当て、認証情報のハードコードを避ける
• VPC Service Controls でデータ境界を作り、ノートブックからの外部流出を防ぐ。限定公開アクセスで内部からのみ到達させる構成も取れる
• 保存データは Google 管理鍵で既定暗号化され、要件に応じて CMEK（顧客管理鍵, Cloud KMS） を適用できる
• 監査ログで操作を記録し、誰がどのデータに触れたかを後から追跡できるようにする

関連サービス・比較

無償版の Colab は手軽さが魅力ですが、企業のガバナンス要件には Colab Enterprise が応えます。両者の違いを整理します。

ハンズオン / CLI例

# 1) 利用するリージョンを指定（例: 東京）
gcloud config set ai/region asia-northeast1

# 2) Notebooks API を有効化
gcloud services enable notebooks.googleapis.com

# 3) ランタイムテンプレートを一覧で確認
#    （テンプレートでマシン構成やアイドルシャットダウンを標準化する）
gcloud colab runtime-templates list --region=asia-northeast1

# 4) 起動中のランタイムを一覧で確認
gcloud colab runtimes list --region=asia-northeast1

# 5) 不要になったランタイムを削除して遊休コストを止める
gcloud colab runtimes delete RUNTIME_ID --region=asia-northeast1