
设计好的数据架构
|
81
在云时代,大多数数据系统都是即付即得且易于扩展的。系统可以在查询成本模型、处
理能力成本模型或即付即得模型的另一种变体上运行。这种方法比资本支出方法更有
效。现在可以向上扩展以获得高性能,然后缩小规模以节省资金。然而,即付即得的方
法使支出更具活力。数据领导者面临的新挑战是管理预算、优先级和效率。
云工具需要一组用于管理支出和资源的流程。过去,数据工程师从性能工程的角度考
虑,在一组固定的资源上最大化数据处理的性能,并购买足够的资源以满足未来的需
求。借助
FinOps
,工程师需要学会思考云系统的成本结构。例如,在运行分布式集群
时,
AWS spot
实例的适当组合是什么?就成本效益和性能而言,运行大量日常作业的最
合适方法是什么?公司应在何时从按查询付费模式转换为预留容量模式?
FinOps
改进了运营监控模型,以持续监控支出。
FinOps
不是简单地监控
Web
服务器的
请求和
CPU
利用率,而是监控无服务器功能处理流量的持续成本,以及支出触发警报
的峰值。正如系统被设计为在流量过大时优雅地失败一样,公司可能会考虑对支出采用
硬性限制,并采用优雅的故障模式来应对支出高峰。
运营团队还应该考虑成本攻击。正如分布式拒绝服务(
Distributed Denial-of-Service
,
DDoS
)攻击可以阻止对
Web
服务器的访问一样,许多公司都懊恼地发现,从
S3
存储桶
中过度下载可能会导致支出暴增,并使一家小型初创公司面临破产威胁。在公开共享数
据时,数据团队可以通过设置请求者付费政策来解决这些问题 ...