다음을 통해 공유

예측

  • 아티클

이 문서는 FinOps 프레임워크 내의 예측 기능과 이를 Microsoft Cloud에서 구현하는 방법을 이해하는 데 도움이 됩니다.


정의

예측에는 과거 추세와 향후 계획을 분석하여 비용을 예측하고 현재 예산에 미치는 영향을 이해하며 향후 예산에 영향을 미치는 작업이 포함됩니다.

과거 사용량 및 비용 추세를 분석하여 변경이 예상되는 패턴을 식별합니다. 정보에 입각한 예측을 생성하기 위한 향후 계획을 통해 이를 강화합니다.

현재 예산에 대한 예측을 정기적으로 검토하여 위험을 식별하고 수정 활동을 시작합니다. 팀과 부서 전반에 걸쳐 예산의 균형을 맞추고 학습한 내용을 향후 예산에 반영하기 위한 계획을 수립합니다.

정확하고 상세한 예측을 통해 조직은 향후의 변화에 적응할 수 있는 준비를 더 잘 할 수 있습니다.


시작하기 전에

향후 사용량과 요금을 효과적으로 예측하려면 먼저 사용하는 서비스에 대한 요금이 청구되는 방식을 숙지해야 합니다.

사용 패턴 변경이 향후 비용에 어떤 영향을 미치는지 이해하는 방법은 다음과 같습니다.

  • 비용에 기여하는 요소 이해(예: 컴퓨팅, 스토리지, 네트워킹, 데이터 전송)
  • 서비스 사용량이 다양한 가격 책정 모델(예: 종량제, 예약 및 Azure 하이브리드 혜택)에 맞춰 조정되는 방식

시작하기

클라우드에서 비용 관리를 처음 시작하는 경우 포털의 네이티브 비용 분석 환경을 사용합니다.

가장 간단한 옵션은 일별 비용 또는 누적 비용 보기를 사용하여 향후 비용을 예측하기 위해 비용 분석을 사용하는 것입니다. 변칙 또는 큰 변형이 거의 또는 전혀 없는 일관된 사용량이 있는 경우 필요한 것일 수 있습니다.

비용의 변칙 또는 큰(예상) 변동이 표시되는 경우 보기를 사용자 지정하여 보다 정확한 예측을 작성할 수 있습니다. 그렇게 하려면 데이터를 분석하고 결과를 왜곡할 수 있는 모든 항목을 필터링해야 합니다.

  • 비용 분석을 사용하여 과거 추세를 분석하고 이상 현상을 식별합니다.
    • 시작하기 전에 청구되는 비용에 관심이 있는지, 아니면 약정 기반 할인을 고려한 후 유효 비용을 예측할지 결정합니다. 유효 비용을 원할 경우 상환 비용을 사용하도록 보기를 변경합니다.
    • 일별 비용 보기로 시작한 다음 날짜 범위를 변경하여 앞으로 관심이 있는 만큼 과거를 살펴봅니다. 예를 들어, 다음 12개월을 예측하려면 날짜 범위를 지난 12개월로 설정합니다.
    • 모든 구매(Charge type = Purchase)를 필터링합니다. 별도로 예측해야 하므로 기록해 두세요.
    • 신규 및 기존(삭제된) 구독, 리소스 그룹 및 리소스를 식별하기 위한 그룹 비용입니다.
      • 삭제된 항목이 있으면 필터링합니다.
      • 새로운 항목이 있으면 기록해 둔 다음 필터링합니다. 별도로 예측합니다. 나중에 보기를 "기억"하는 한 가지 방법으로 뷰를 새 이름으로 저장하는 것이 좋습니다.
      • 향후 날짜가 보기에 포함되어 있는 경우 예측이 평준화되는 것을 알 수 있습니다. 이상은 더 이상 알고리즘에 고려되지 않으므로 발생합니다.
    • 급격한 상승이나 급락이 나타나면 그룹화 옵션 중 하나로 데이터를 그룹화하여 원인이 무엇인지 파악합니다.
      • 예기치 않은 비용 변화를 검색할 때와 동일한 방식을 사용하여 원인을 찾을 때까지 다양한 옵션을 시도해 보세요.
      • 비용 급증(또는 하락)을 초래한 정확한 변경 내용을 찾으려면 별도의 창이나 브라우저 탭에서 Azure Monitor 또는 Resource Graph와 같은 도구를 사용합니다.
      • 변경 내용이 분리된 요금이어서 예측에 반영되어서는 안 되는 경우 필터링합니다. 예측이 왜곡될 수 있으므로 다른 비용을 필터링하지 않도록 주의해야 합니다. 필요한 경우 더 작은 범위를 예측하여 더 많이 필터링하는 위험을 최소화하고 범위별로 프로세스를 반복합니다.
      • 필터링하면 안 되는 범위에 변경 내용이 있는 경우 해당 범위를 기록한 다음 필터링합니다. 별도로 예측합니다.
    • 해당 기간 동안 다시 구성되었으며 향후 비용에 대한 정확한 그림을 반영하지 않을 수 있는 구독, 리소스 그룹 또는 리소스를 필터링하는 것이 좋습니다. 별도로 예측할 수 있도록 기록해 두세요.
    • 이 시점에서는 일관된 비용에 대한 상당히 명확한 그림이 있어야 합니다.
  • 향후 날짜 범위를 확인하려면 날짜 범위를 변경합니다. 예를 들어, 다음 12개월입니다.
    • 해당 기간의 총 누적 비용에 관심이 있는 경우 세분성을 Accumulated로 변경합니다.
  • 예측을 기록한 다음 필터링된 각 데이터 세트에 대해 이 프로세스를 반복합니다.
    • 기록 변칙 또는 리소스 변경이 예측에 영향을 주지 않도록 미래 날짜 범위를 줄여야 할 수 있습니다. 예측이 영향을 받는 경우 일별 또는 월간 실행률을 기준으로 향후 비용을 수동으로 예측합니다.
  • 다음으로 환경에 대한 변경 계획을 고려합니다.
    • 이 부분은 약간 까다로울 수 있으며 워크로드별로 별도로 처리해야 합니다.
    • 변경되는 워크로드만 필터링하여 시작합니다. 계획된 변경이 VM(가상 머신)의 가동 시간 수 또는 스토리지 계정에 저장된 총 데이터와 같은 단일 미터에만 영향을 주는 경우 해당 미터로 필터링합니다.
    • 가격 계산기를 사용하여 현재 보유하고 있는 제품과 구매하려는 제품의 차이를 알아봅니다. 그런 다음 차이를 가져와 의도한 기간의 비용 프로젝션에 수동으로 적용합니다.
    • 예상되는 각 변경 내용에 대해 프로세스를 반복합니다.

어떤 방식이 사용자에게 가장 적합했든 현재 예산과 예측을 비교하여 현재 상황을 확인합니다. 데이터를 더 작은 범위나 워크로드로 필터링한 경우:

  • 특정 범위 또는 워크로드를 추적하려면 Cost Management에서 예산을 만드는 것이 좋습니다. 실제 비용과 예측 비용 모두에 대한 필터를 지정하고 경고를 설정합니다.
  • 비용 분석에 보기를 저장하여 시간 경과에 따른 비용과 예산을 모니터링합니다.
  • 비용 추세 차트를 관련자와 공유하려면 이 보기에 대한 예약된 경고를 구독해 보세요. 예산을 초과하기 전에 시간이 지남에 따라 비용이 변화하면 책임감과 인식을 제고하는 데 도움이 될 수 있습니다.
  • 모든 사람이 변칙 징후가 식별되면 이를 알 수 있도록 각 구독에 대해 변칙 경고를 구독해 보세요.

예상 결과에 부응할 수 있도록 예측을 월별 또는 분기별로 검토하는 것이 좋습니다.


기본을 바탕으로 빌드

이제 예측을 생성하는 수동 프로세스가 생겼습니다. 기본 사항을 넘어서면서 다음 사항을 고려합니다.

  • 모든 비용을 포함하도록 예측 계산 범위를 확장합니다.
  • 비용 데이터를 별도의 시스템에 수집하는 경우 모든 비용 데이터를 포괄하는 예측 기능을 사용하거나 도입합니다. 활동을 최소화하려면 AutoML(자동화된 Machine Learning)을 사용해 보세요.
  • 예측 프로젝션을 내부 예산 도구에 통합합니다.
  • 비용 차이 검색 및 완화를 자동화합니다.
    • 실시간으로 비용 차이를 식별하고 해결하는 자동화된 프로세스를 구현합니다.
    • 차이를 즉시 조사하고 완화하는 워크플로 또는 메커니즘을 확립하여 비용을 제어하고 예측 예산에 맞게 맞춤합니다.
  • 모든 관련자가 사용할 수 있는 실제 비용에 대한 사용자 지정 예측 및 예산 보고를 작성합니다.
  • 단위 비용을 측정하는 경우 수익 대비 비용이 높아지거나 낮아지는 추세를 더 잘 이해하기 위해 단위 비용에 대한 예측을 설정해 보세요.
  • 다음과 같은 KPI를 설정하고 자동화합니다.
    • 예측 알고리즘의 정확도를 측정하기 위한 비용 대 예측입니다.
      • 예상되는 사용 패턴이 있고 변칙이 없는 경우에만 수행할 수 있습니다.
      • 변칙이 없을 경우 <12% 변동을 대상으로 합니다.
    • 비용이 대상에 도달했는지 여부를 측정하기 위한 비용 대 예측입니다.
      • 클라우드 솔루션의 성능을 측정하기 위한 변칙이 있는지 여부를 평가합니다.
      • <12%가 최적화된 팀, 프로젝트 또는 워크로드인 경우 12~20%의 차이를 대상으로 합니다.
    • 해당 기간 동안 비용이 예상 범위를 벗어나는 예기치 못한 변칙 현상의 수입니다.
    • 예측 경고에 대응할 시간입니다.

FinOps Foundation에서 자세히 알아보기

이 기능은 클라우드 비용 관리 및 최적화 발전에 전념하는 비영리 조직인 FinOps Foundation의 FinOps 프레임워크의 일부입니다. 유용한 플레이북, 학습 및 인증 프로그램 등을 포함한 FinOps에 대한 자세한 내용은 FinOps 프레임워크 설명서의 예측 기능 문서를 참조하세요.

FinOps Foundation YouTube 채널에서 관련 비디오를 찾을 수도 있습니다.


관련 콘텐츠

관련 FinOps 기능:

관련 제품:

관련 솔루션:

기타 리소스: