GCP Free Tier 2026 – Mit kapsz ingyen a Google felhőben?
Már láthattad, mire elég az Azure és az AWS Free Tier szolgáltatásai. Biztos vagyok benne, hogy kíváncsi vagy arra is, mit ad ingyen a Google Cloud – és vajon ez mennyire használható valódi projektekhez.
A GCP sokszor csendesebb szereplő, mégis vannak területek, ahol kifejezetten erős. Nézzük meg, mit kapsz ingyen, és mit nem.
A GCP Free Tier három pillére
Ahogy a többi szolgáltató esetén, a Google Cloud ingyenes lehetőségei is három fő részből állnak:
- 90 napos induló kredit (jellemzően 300 USD)
- Mindig ingyenes (Always Free) szolgáltatások (időkorlát nélkül, havi kvótával)
- Bizonyos szolgáltatások limitált, ingyenes használata kvótához kötve
90 napos induló kredit – nem kevés
Regisztráció után a Google jellemzően 300 USD kreditet biztosít, amely 90 napig használható.
Ez arra való, hogy:
- kipróbáld a Compute Engine nagyobb VM-jeit
- indíts GKE (Kubernetes) cluster-t
- tesztelj Cloud SQL-t
- AI/ML szolgáltatásokat próbálj ki
- felépíts egy kisebb környezetet, ahol valóban gyakorolhatsz.
Ez tanulási és teszt környezet építésre való, nem éles üzleti rendszerre.
Mindig ingyenes – kvótatáblázat
Az alábbi táblázat a főbb Always Free kvótákat foglalja össze havi bontásban. Régiós korlátozások érvényesek (bizonyos USA régiók). A teljes, folyamatosan frissülő listát itt találod.
Compute és infrastruktúra
| Szolgáltatás | Havi Always Free kvóta |
|---|---|
| Compute Engine (e2-micro) | 1 db e2-micro VM (kijelölt régiók) |
| Persistent Disk (standard) | 30 GB |
| Snapshot | 5 GB |
| Cloud Storage (Standard) | 5 GB |
| Cloud Storage Class A művelet | 5 000 / hó |
| Cloud Storage Class B művelet | 50 000 / hó |
Serverless és konténer
| Szolgáltatás | Havi Always Free kvóta |
|---|---|
| Cloud Run | 2 millió request |
| Cloud Run CPU | 180 000 vCPU-másodperc |
| Cloud Run memória | 360 000 GB-másodperc |
| Cloud Functions | 2 millió invokáció |
| Pub/Sub | 10 GB üzenetforgalom |
Adat és analitika
| Szolgáltatás | Havi Always Free kvóta |
|---|---|
| BigQuery lekérdezés | 1 TB |
| BigQuery storage | 10 GB aktív tárolás |
| Firestore | 50 000 olvasás / nap |
| Firestore | 20 000 írás / nap |
| Firestore | 20 000 törlés / nap |
CI/CD és fejlesztés
| Szolgáltatás | Havi Always Free kvóta |
|---|---|
| Cloud Build | 120 build perc / nap |
| Artifact Registry | Limitált tárolás |
Mire elég ez valójában?
Most jöjjenek a példák, hogy mire is lehet elég az ingyen felhő. A GCP kicsit más mint a többi szolgáltató, így itt kicsit más példákat is hoztam.
1. Személyes költségkimutatás
Képzeld el, hogy építesz egy saját pénzügyi dashboard-ot.
- Cloud Run: backend API
- Firestore: tranzakciók tárolása
- BigQuery: havi aggregált kimutatások
- Cloud Storage: CSV import
Ezzel kipróbálhatod az adatmodellezést, a jelentés készítést és az SQL analitika építést.
2. Naplóbejegyzések gyűjtse és elemzése
Ha DevOps irányba mész, építhetsz egy egyszerűnek tűnő, mégis hasznos log pipeline-t.
- Pub/Sub: log események fogadása és továbbítása
- Cloud Run: feldolgozó logika
- BigQuery: tárolás és lekérdezés
Megtanulod, hogy mi az event-driven architektúra, az adatfolyam modellezés és a költséghatékony adattárolás. A havi 1 TB lekérdezési keret tanulásra bőven elég.
3. AI asszisztens backend a weboldaladhoz
Egészítsd ki a weboldalad egy chatbottal, aki válaszol a látogatók kérdéseire.
- Cloud Run: REST endpoint
- Vertex AI: LLM
- Firestore: prompt log
Megtanulod, az API integrációt, a mesterséges intelligenci modellek integrálását és a token alapú költségmonitorozást is megismered.
4. Automatizált jelentés generáló szolgáltatás
Készíts egy olyan backend szolgáltatást, amely adatból automatikusan PDF riportot generál.
- Cloud Run: riport generáló REST endpoint
- Cloud Storage: elkészült PDF tárolása
- Pub/Sub: aszinkron feldolgozás
Megtanulod, az aszinkron feldolgozás logikáját, a fájlkezelést felhőben és az eseményvezérelt architektúra alapjait is megismered.
5. Egyszerű IoT adatgyűjtő backend
Készíts egy backend rendszert, amely szenzor adatokat fogad és eltárol.
- Pub/Sub: eszköz adat fogadása
- Cloud Run: adatfeldolgozás
- BigQuery: történeti adat tárolás és lekérdezés
Megtanulod, az eseményvezérelt adatfeldolgozást, az időalapú adatok kezelését és a nagyobb adathalmazok SQL alapú elemzését is megismered.
Mire nem alkalmas?
Egy rövid lista arról, hogy mit ne:
- production SaaS skálázásra
- multi-region magas rendelkezésre állásra
- nagy GKE cluster futtatására
- komoly adatforgalmú weboldalra
- nagy számításigényű MI modell tanításra
Arra is figyelj , ha nagy mennyiségű adatot kérdezel le BigQuery-ben rendszeresen, az 1 TB gyorsan elfogy. Valamint jelentős egress forgalom esetén, az nem „mindig ingyenes”. Amikor GPU-s AI training instance-et indítasz, a 90 napos kredit is gyorsan kimerülhet.
Általános költségkezelési problémák és megoldásuk
Minden képzésemen el szoktam mondani az alábbiakat, mert sosem árt ismételni.
| Probléma | Megoldás |
|---|---|
| Fejlesztői virtuális gép fut éjszaka is | Kapcsold le, ha nem használod |
| Nincs költségkeret beállítva | Állíts be Budget alertet a Billing alatt |
| Több projekt egy helyre számlázódik | Használj külön projektet környezetenként |
| Egress forgalmat nem számolod | Tervezésnél vedd figyelembe a kimenő adatot |
| BigQuery teljes táblát lekérdezed | Használj partitioninget és LIMIT-et |
| Teszt erőforrásokat nem törlöd | Használj lifecycle szabályokat és rendszeres takarítást |
A Billing menüpont alatt könnyen beállítható:
- költségkeret
- értesítés
- projektenkénti költségkontroll
A felhő mindig egy másfajta szemléletet kíván. Ez csak az elején nehéz, utána belerázódsz.
Összegzés
A GCP Free Tier nem arra való, hogy production rendszert építs rá.
Arra viszont nagyon is jó, hogy megtanuld a Google Cloud gondolkodásmódját:
serverless működés, adatközpontú tervezés, menedzselt szolgáltatások és az AI szolgáltatások integrálása.
Fel tudsz vele építeni valós, bemutatható projekteket – akár adat-elemzési, akár AI asszisztens jellegű megoldásokat.
