시간이 지남에 따라 모니터링 및 최적화
 워크로드가 에코시스템과 함께 발전함에 따라 지속적으로 적절한 규모의 투자를 합니다. |
|---|
어제 중요한 것은 오늘 중요하지 않을 수도 있습니다. 프로덕션 워크로드의 평가를 통해 학습할 때 아키텍처, 비즈니스 요구 사항, 프로세스 및 팀 구조의 변화를 기대합니다. SDLC(소프트웨어 개발 수명 주기) 사례는 발전해야 할 수 있습니다. 클라우드 플랫폼, 리소스 및 계약과 같은 외부 요인도 변경될 수 있습니다.
모든 변경 내용이 비용에 미치는 영향을 신중하게 평가해야 합니다. 변경 내용 및 ROI 추세를 정기적으로 모니터링하고 기능 및 비기능적 요구 사항을 조정해야 하는지 여부를 평가합니다.
예제 시나리오
Contoso Air는 항공사를 위한 수하물 추적 솔루션을 제공합니다. 워크로드는 Azure에서 호스트되며 데이터베이스에 대해 Cosmos DB를 사용하여 AKS에서 실행되며 메시징에 Event Hubs를 사용합니다. 워크로드는 미국 서부 및 미국 동부 지역에 배포됩니다.
환경을 지속적으로 평가하고 최적화하며 비용을 지원합니다.
비용 추적 시스템을 사용하여 리소스, 데이터 및 유료 지원의 비용을 지속적으로 평가하고 최적화합니다. 사용 중지, 교체, 다시 작성 또는 리팩터링할 수 있는 사용이 부족한 리소스가 있나요?
완전히 활용되지 않는 리소스에 대한 비용을 지불하지 않도록 하여 비용을 절감할 수 있습니다. 가격 책정 메트릭을 이해하면 비용 모델에 더 부합하는 결정을 내리는 데 도움이 될 수 있습니다. 또한 부당한 청구를 방지할 수 있습니다. 사용량이 부족한 리소스의 크기를 조정하거나 제거하거나 SKU를 변경하면 비용이 절감될 수 있습니다.
기술 공급업체와 지원 계약의 사용을 평가하고 적절한 크기를 조정하여 비용을 절감할 수도 있습니다.
Contoso의 과제
- 워크로드 팀은 항상 예산이 부족하므로 비용 효율성 최적화가 우선 순위가 아니었습니다.
- 내년에 워크로드의 안정성을 개선할 계획이며, 이렇게 하면 Azure 비용이 증가하여 워크로드가 예산보다 늘어날 수 있다는 것을 알고 있습니다. 그들은 내년에 더 많은 예산을 요청하는 것을 고려하고 있습니다.
접근 방식 및 결과 적용
- 팀은 더 많은 돈을 요구하기 전에 현재 Azure를 평가하고 비용을 지원하여 잠재적인 절감 기회를 찾기로 결정합니다. 기존 비용 추적 시스템에서 리소스별, 리소스 그룹별 및 태그별 비용 분석을 살펴보고 예기치 않은 지출을 확인합니다.
- 팀은 더 이상 사용되지 않는 빌드 시스템에 사용되었으며 더 이상 필요하지 않은 환경에서 실행 중인 VM이 있고, Azure Storage에 비용이 적게 드는 계층으로 이동할 수 있는 상당한 양의 오래된 데이터가 있으며, 사용 중인 컨설팅 시간을 포함하는 클라우드 공급자와의 지원 계약에 대한 비용을 지불하고 있음을 발견합니다.
- 팀은 사용되지 않는 VM을 삭제하고 이전 데이터를 보관 스토리지로 이동하여 Azure 비용을 최적화합니다. 클라우드 공급자와 더 긴밀하게 협력하여 컨설팅 서비스를 잘 활용하기 시작합니다.
- 팀은 백로그에 되풀이 작업을 추가하여 앞으로 워크로드 비용을 평가합니다.
워크로드를 지속적으로 검토하고 구체화
ROI 데이터를 기반으로 아키텍처 디자인 결정, 리소스, 코드 및 워크플로를 지속적으로 조정합니다.
메트릭, 성능 데이터, 청구 보고서 및 기능 사용을 정기적으로 검토하면 비용을 줄일 수 있는 미세 조정이 발생할 수 있습니다.
Contoso의 과제
- 팀은 역사적으로 예산을 유지했기 때문에 기존 기능에 대한 대체 방법을 찾지 못했습니다. 대신 대부분의 계획은 새로운 기능을 빌드하는 데 중점을 둡니다.
- 초기 평가를 통해 낭비를 찾은 후 최적화 기회를 찾기 위해 현재 구성 요소의 나머지 부분을 살펴보기로 결정합니다.
접근 방식 및 결과 적용
- 팀은 우선 순위가 낮은 흐름에 필요한 것보다 더 많은 리소스를 할당했으며, 성능 요구 사항을 충족하는 동시에 할당된 처리량을 안전하게 축소할 수 기본. 특히 오버 프로비저닝에서 벗어나 최대 부하를 처리하고 대신 큐 기반 부하 평준화 시스템을 구현할 수 있습니다.
- 또한 일부 인증 코드를 대체하는 컴퓨팅 플랫폼에서 선택한 SKU에 새 기능이 추가되었음을 알 수 있습니다. 이 기능을 사용하면 기본 획득하고 테스트하는 코드가 줄어듭니다.
배포 환경 최적화
다른 SDLC 환경을 다르게 처리하고 적절한 수의 환경을 배포합니다. 프로덕션 환경은 기본 비용 동인이어야 합니다.
모든 환경에서 프로덕션을 시뮬레이션해야 하는 것은 아니라는 점을 이해하여 비용을 절감할 수 있습니다. 비프로덕션 환경에는 다양한 기능, SKU, 인스턴스 수 및 로깅이 있을 수 있습니다.
또한 주문형 사전 프로덕션 환경을 만들고 더 이상 필요하지 않을 때 제거하여 비용을 절감할 수 있습니다.
Contoso의 과제
- 워크로드 팀은 프로덕션 환경보다 사전 프로덕션 환경에 더 많은 비용을 지출합니다. 이는 일부 시나리오에서 중요할 수 있지만 이 워크로드에는 과도한 것으로 보입니다.
- 사전 프로덕션 환경은 프로덕션 환경과 매우 밀접하게 일치하도록 빌드되었습니다. 워크로드 팀은 낮은 환경에서 프로덕션 환경의 근사치를 매우 가깝게 평가합니다. 이는 프로덕션의 동작이 낮은 환경과 일치할 것이라는 높은 신뢰도를 제공하기 때문에 감사합니다.
접근 방식 및 결과 적용
- 신중하게 평가한 후 팀은 환경 간에 약간의 차이가 있는 비용 절감을 실현하기 위해 약간의 추가 위험의 절충을 받아들일 수 있다고 결정합니다.
- 팀은 몇 가지 테스트 환경을 동일한 인프라에 공동 배치하고 하룻밤 사이에 사용되지 않는 환경을 종료하기로 결정합니다.
- 또한 팀은 왼쪽으로 이동하고 로컬 개발자 워크스테이션에서 내부 루프 개발 및 테스트를 수행할 수 있는 기회를 찾습니다.
- 사전 제작 환경 및 개발 관행에서 작은 타협을 할 방법을 찾음으로써 자동화 노력에 적합한 예산을 확보했습니다.