HDInsight クラスターのコスト最適化戦略
HDInsight のコスト最適化の最初の手順は、サービスを提供するワークロードに正しいクラスターの種類を選択することです。 間違ったクラスターの種類を選択すると、必要以上に多くのコンピューティングが使用されることで、処理時間が長くなる可能性があります。 これにより、実行されているアクティビティに対するコストが適切ではなくなり、その操作には過剰な場合があります。
以前は、ピーク需要時にワークロードに素早くサービスを提供できるように、クラスターの正しいサイズを選択することも重要でした。 しかし、クラスター サイズの選択は固定されていました。 変更するには、クラスターを停止して、新しいサイズでクラスターを手動で再プロビジョニングする必要がありました。 これらの手順は不便で、データの処理が遅れることがありました。
最近、HDInsight では、オンデマンド処理のニーズに合わせてクラスターのコンピューティングをスケーリングする自動スケーリング機能が導入されました。 自動スケーリング機能を使用すると、ピーク時の需要の間は HDInsight クラスターをスケールアップし、操作が比較的少ないときにはスケールダウンすることができます。 この機能により、HDInsight セットアップがサービスを提供している要求に合わせて、費用を最小限に抑えることができます。
使用されていないクラスターは削除する必要があります。 Apache Ambari または Azure Monitor のいずれかを使用して HDInsight クラスターを監視し、使用されていないクラスターを特定できます。