클라우드 데이터 워크로드는 커피와 같습니다. 형태와 맛이 다양하며 가격도 각각 다릅니다. 일상적인 카푸치노 습관으로 인해 매일 아침 집에서 Folgers를 끓이는 데 드는 비용이 한 달에 수십 배에 달하는 것처럼, 클라우드 기반 데이터 리소스를 구성하고 이에 대해 쿼리를 실행하는 방식은 전반적인 업무 환경에 큰 영향을 미칠 수 있습니다. 클라우드 지출.

안타깝게도 귀하의 지출이 커피와 커피 모두에 적합한지 판단하는 것이 좋습니다. 클라우드 데이터 – 어려울 수 있습니다. 귀하가 감당할 수 있는 것보다 더 좋은 커피를 구입하거나 실행 중인 워크로드에 필요한 것보다 클라우드 데이터 인프라에 더 많은 비용을 지불하고 있다고 자동으로 알려주는 사람은 없습니다.

지금 저는 커피 예산을 세우는 방법을 말씀드리려고 여기 있는 것이 아닙니다. 하지만 제가 매일 하는 업무의 일부이기 때문에 말씀드릴 수 있는 것은 클라우드 데이터 비용을 관리하는 방법입니다. 제가 설명했듯이, 모든 것은 각 데이터 워크로드가 비즈니스에서 어떤 역할을 하는지 이해하고 이에 따라 재정 자원을 할당하는 것으로 요약됩니다.

클라우드 데이터 비용 최적화의 과제

더 이상 필요하지 않은 블록 스토리지 볼륨을 삭제하는 것을 잊어버리는 등의 단순한 실수로 인해 클라우드 데이터에 대한 과잉 지출이 발생할 수 있습니다. 이는 일반적으로 워크로드에 연결되지 않은 데이터 리소스를 쉽게 감지할 수 있기 때문에 수정하기가 비교적 간단한 유형의 지출 오류입니다.

클라우드 데이터 비용 최적화가 더욱 어려워지고 과도한 지출의 원인이 되는 곳은 적극적으로 사용하고 있는 데이터 인프라가 귀하의 요구 사항에 이상적인지 확인하는 것입니다.

이는 데이터 워크로드의 비즈니스 목적이 해당 비용을 정당화하는지 여부가 항상 명확하지 않기 때문입니다. 데이터 워크로드를 구성하는 방법에는 여러 가지가 있으며 각각 비용에 미치는 영향이 다릅니다. 많은 양의 컨텍스트가 없으면 데이터 워크로드의 목적에 따라 최상의 구성을 사용하고 있는지 판단하는 것이 불가능합니다.

데이터 비용 관리 사례

예를 들어 트랜잭션 데이터 쿼리라는 일반적인 데이터 사용 사례를 생각해 보세요. 이러한 유형의 워크로드의 경우 데이터를 호스팅하는 방법에는 여러 가지가 있습니다. 당신은 그것을 넣을 수 있습니다 데이터웨어 하우스, 예를 들어 다양한 유형의 데이터베이스에 있습니다. 데이터를 쿼리하는 방법도 다양합니다. 데이터 웨어하우징 플랫폼(데이터를 저장하는 위치인 경우)에 내장된 쿼리 도구를 사용하거나 외부 솔루션을 사용할 수 있습니다. 쿼리에 다양한 수준의 컴퓨팅 리소스를 할당할 수도 있습니다. 컴퓨팅이 많을수록 일반적으로 쿼리가 더 빨라집니다.

이제 데이터 워크로드가 미션 크리티컬한 경우(예: 고객에게 실시간으로 제품 추천을 제공하여 수익 창출에 기여하는 예측 분석 서비스의 일부인 경우), 이에 대한 많은 비용 지출을 정당화할 수 있습니다. . 이 경우 쿼리를 최적화하도록 설계된 웨어하우스에 데이터를 저장하고 여기에 많은 컴퓨팅 리소스를 할당할 가능성이 높습니다.

하지만 데이터 워크로드가 덜 중요하다면 어떻게 될까요? 예를 들어, 이것이 귀하의 비즈니스에서 주기적으로 수행하지만 실시간으로 결과를 제공할 필요가 없는 감사 프로세스의 일부라면 어떻게 될까요? 이 경우 최상위 데이터 인프라에 대한 비용 지불을 정당화하기가 훨씬 더 어려울 것입니다.

간단히 말해서, 클라우드 데이터가 비용 최적화되었는지 여부를 결정하는 것은 단순히 불필요한 지출의 명백한 사례를 찾는 문제가 아닙니다. 또한 클라우드의 데이터 워크로드에 지출하는 비용이 제공하는 데 도움이 되는 비즈니스 결과를 고려할 때 합리적인지 여부를 평가하는 것이기도 합니다.

데이터 지출에 대한 가시성 확보

평가를 하려면 클라우드 데이터 리소스에 지출하는 비용이나 시간에 따른 지출 변화에 대해 훨씬 더 많은 것을 알아야 합니다. 또한 지출이 어떤 비즈니스 목적을 지원하는지, 그리고 어떤 이해관계자가 지출을 담당하는지 알아야 합니다.

이러한 가시성을 달성하기 위한 기본 단계는 모든 데이터 관련 클라우드 인프라에 의미 있는 방식으로 태그를 지정하는 것입니다. 데이터베이스, 블록 스토리지 리소스, 객체 스토리지 버킷 등에는 해당 워크로드가 어떤 워크로드에 속해 있고 누가 관리를 담당하는지 식별하는 태그가 붙어 있어야 합니다.

이 정보는 지출 지표와 결합하여 지출 급증이 정당한지 여부를 파악할 수 있기 때문에 매우 중요합니다.

예를 들어, 데이터 쿼리와 관련된 인프라 비용이 증가한 경우 쿼리에 대한 태그를 보고 쿼리의 목적이 무엇인지 식별할 수 있습니다. 아마도 구매에 대한 사기 감지를 지원할 수도 있고, 구매량 증가로 인해 비용이 증가할 수도 있습니다. 이 경우 비용이 타당하다고 결론을 내리고 계속 진행할 수 있습니다.

그러나 분기별 보고서를 준비하기 위해 회계 부서에서 쿼리를 실행하고 있다고 태그에 표시되어 있는 경우 일괄적으로 실행하거나 데이터를 저렴한 데이터베이스로 이동하는 등 쿼리 비용을 줄이는 변경을 수행할 수 있습니다. . 결과적으로 쿼리 시간이 더 길어질 수 있지만 쿼리와 비즈니스 간의 관계를 고려하면 이는 허용될 수 있습니다.

데이터 비용을 영구적으로 억제

장기적으로 과도한 데이터 지출 사례를 식별하여 얻은 통찰력을 사용하여 클라우드 데이터 비용 관리에 대한 비즈니스의 전반적인 접근 방식을 개선할 수 있습니다.

예를 들어, 이해관계자가 비용에 미치는 영향을 이해하지 못한 채 성과를 높이기 위해 데이터 리소스를 확장하는 상황 때문에 과잉 지출이 자주 발생한다는 사실을 깨달을 수 있습니다. 해당 문제가 재발하는 것을 방지하려면 특정 직원만 데이터 인프라를 확장할 수 있는 권한을 갖도록 조직의 클라우드 ID 및 액세스 관리(IAM) 정책을 더욱 엄격하게 만들 수 있습니다. 

결론: 데이터 비용 통제

클라우드 데이터 워크로드에는 비용이 많이 들 수도 있고 적게 들 수도 있습니다. 때로는 비용이 많이 드는 데에는 그럴 만한 이유가 있습니다. 차이점을 알려면 데이터 워크로드와 클라우드 인프라의 비즈니스 컨텍스트에 대한 심층적인 가시성이 필요합니다. 데이터 지출을 비즈니스 결과에 비유할 수 있으면 각 워크로드의 비용이 워크로드가 비즈니스에 창출하는 가치에 의해 정당화되는지 여부를 체계적으로 효과적으로 결정할 수 있습니다.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://www.dataversity.net/keeping-cloud-data-costs-in-check/