MaxCompute:Gunakan optimasi biaya untuk pengurangan biaya dan efisiensi

Catatan

• Harga dalam topik ini hanya untuk referensi. Untuk harga aktual, lihat halaman pembelian produk.

• Kami merekomendasikan transisi bertahap ke rencana yang direkomendasikan sesuai kebutuhan bisnis Anda dan memantau performa setelah menerapkan perubahan tersebut.

Skenario 1: Biaya tinggi akibat resource langganan yang idle

Sebuah perusahaan pada tahap awal membangun gudang datanya membeli 200 reserved CUs resource komputasi subscription untuk memastikan batch pekerjaan kritis pagi hari selesai pukul 08:00. Setiap hari, 520 pekerjaan dijalankan menggunakan resource ini dan selesai tepat waktu atau lebih awal, tetapi biaya komputasi bulanan mencapai 4.400 USD.

Baru-baru ini, departemen data besar menerima OKR pengurangan biaya. Kepala departemen ingin memangkas biaya tanpa memengaruhi waktu penyelesaian pekerjaan kritis, tetapi tidak yakin bagaimana menyusun rencana terbaik. Seorang insinyur data menyarankan penggunaan fitur optimasi biaya di MaxCompute dan mendemonstrasikan langkah-langkah berikut:

1. Buka halaman optimasi biaya.

   1. Login ke MaxCompute console. Di pojok kiri atas, pilih Wilayah. Di panel navigasi kiri, pilih Intelligent Optimization > Computing Resource Config Optimization.

   2. Di halaman Computing Resource Config Optimization, pilih kuota langganan level-1 untuk melihat perkiraan permintaan CU harian.

   Perkiraan permintaan CU secara akurat mencerminkan workload saat ini: batch pekerjaan kecil dijalankan setiap jam, dengan puncak antara 05:00 dan 08:00.

2. Tetapkan titik waktu estimasi.

   Di bagian Set Estimation Time Point, insinyur menetapkan dua titik waktu estimasi berdasarkan alur kerja bisnis: 05:00 dan 08:00. Hal ini memastikan pekerjaan pra-kritis selesai pukul 05:00 dan batch kritis itu sendiri selesai pukul 08:00.

3. Lihat hasil evaluasi rencana saat ini.

   Klik Current Plan Estimation untuk memeriksa status penyelesaian pekerjaan di bawah konfigurasi resource saat ini.

   

   Grafik CU Consumption Simulation menunjukkan bahwa dengan konfigurasi saat ini (200 reserved CUs), tidak ada pekerjaan yang tertunda tetapi terdapat waktu idle resource yang signifikan, menandakan adanya ruang untuk optimasi biaya.

4. Tetapkan tujuan optimasi.

   Di bawah grafik CU Consumption Simulation, bagian Set Optimization Goal menampilkan status keterlambatan saat ini untuk setiap titik waktu estimasi, yang konsisten dengan grafik simulasi.

   Insinyur memperhatikan bahwa tujuan optimasi secara default mengacu pada titik waktu estimasi, yang sesuai dengan waktu penyelesaian pekerjaan yang dibutuhkan. Mereka kemudian mengklik Generate Recommended Plan.

5. Lihat rencana yang direkomendasikan.

   Rencana yang direkomendasikan menyarankan pembelian 50 reserved CUs dan penambahan 50 elastically reserved CUs untuk jendela waktu 04:00–05:00 dan 06:00–08:00. Pekerjaan kritis masih diprediksi selesai sebelum 08:00, sedangkan biaya komputasi bulanan turun menjadi 1.319,6 USD — penghematan sekitar 70% dibandingkan rencana saat ini.

   

   Karena keterlambatan 30 menit tidak akan berdampak signifikan pada bisnis, insinyur memutuskan untuk menyesuaikan tujuan optimasi.

6. Sesuaikan tujuan optimasi.

   Kembali ke bagian Set Optimization Goal dan ubah tujuan optimasi untuk titik waktu estimasi 08:00 menjadi 08:30.

7. Lihat rencana yang direkomendasikan baru.

   Klik Generate Recommended Plan lagi. Rencana baru menyarankan pembelian 50 reserved CUs dan penambahan 50 elastically reserved CUs untuk jendela waktu 04:00–05:00 dan 06:00–07:00. Pekerjaan kritis diprediksi selesai sebelum 08:30, dan biaya komputasi turun lebih lanjut menjadi 1.246,4 USD — penghematan sekitar 71,7% dibandingkan rencana saat ini.

8. Terapkan rencana yang direkomendasikan secara bertahap.

   Departemen memilih implementasi bertahap, dimulai dengan mengurangi reserved CUs menjadi 100 dan mengevaluasi ulang setelah periode uji coba. Karena volume pekerjaan tidak meningkat secara signifikan, sistem tetap merekomendasikan pengurangan ukuran dan penambahan elastically reserved CUs. Tim kemudian menerapkan rencana awal yang direkomendasikan, yang tidak mengalami keterlambatan. Setelah masa uji coba, pekerjaan kritis terus selesai tepat waktu hampir setiap hari, dan tim berhasil mengurangi biaya komputasinya.

Skenario 2: Keterlambatan pekerjaan akibat resource langganan yang tidak mencukupi

Sebuah perusahaan membeli 60 reserved CUs resource komputasi subscription untuk gudang datanya. Setiap hari, 520 pekerjaan dijalankan menggunakan resource ini, dan batch pekerjaan kritis yang dimulai sekitar pukul 05:00 diharapkan selesai pukul 08:00. Seiring ekspansi bisnis dan pertumbuhan volume data, seorang insinyur memperhatikan seringnya terjadi keterlambatan pekerjaan akibat kurangnya reserved CUs. Untuk mengatasi keterlambatan tersebut tanpa kenaikan biaya signifikan, insinyur tersebut menggunakan fitur optimasi biaya di Konsol MaxCompute:

1. Buka halaman optimasi biaya.

   1. Login ke MaxCompute console. Di pojok kiri atas, pilih Wilayah. Di panel navigasi kiri, pilih Intelligent Optimization > Computing Resource Config Optimization.

   2. Di halaman Computing Resource Config Optimization, pilih kuota langganan level-1 untuk melihat perkiraan permintaan CU harian.

      Perkiraan permintaan CU sesuai dengan workload saat ini: pekerjaan kecil dijalankan setiap jam, dengan puncak antara 05:00 dan 08:00.

2. Tetapkan titik waktu estimasi.

   Di bagian Set Estimation Time Point, insinyur menetapkan dua titik waktu estimasi berdasarkan alur kerja bisnis: 05:00 dan 08:00. Hal ini memastikan pekerjaan pra-kritis selesai pukul 05:00 dan batch kritis selesai pukul 08:00.

3. Lihat hasil evaluasi rencana saat ini.

   Klik Current Plan Estimation untuk memeriksa status penyelesaian pekerjaan di bawah konfigurasi resource saat ini.

   

   Grafik CU Consumption Simulation menunjukkan bahwa dengan konfigurasi saat ini (60 reserved CUs), pekerjaan yang dikirim sebelum 05:00 diprediksi tertunda selama 3 menit. Pekerjaan kritis yang dikirim antara 05:00 dan 08:00 mengalami keterlambatan hingga 48 menit. Simulasi ini sesuai dengan keterlambatan aktual yang diamati.

4. Tetapkan tujuan optimasi.

   Di bawah grafik CU Consumption Simulation, bagian Set Optimization Goal menampilkan status keterlambatan saat ini untuk setiap titik waktu estimasi, yang konsisten dengan grafik simulasi.

   Insinyur melihat bahwa tujuan optimasi secara default mengacu pada waktu penyelesaian yang diinginkan. Mereka mengklik Generate Recommended Plan.

5. Lihat rencana yang direkomendasikan.

   Grafik CU Consumption Simulation (Recommended Plan) menunjukkan rencana yang direkomendasikan: beli 50 reserved CUs dan tambahkan 50 elastically reserved CUs untuk jendela waktu 04:00–05:00 dan 06:00–08:00. Rencana ini menghilangkan keterlambatan untuk tenggat waktu 05:00 dan 08:00 sekaligus mengurangi biaya sebesar 0,4 USD/bulan dibandingkan rencana saat ini.

   

6. Konfigurasikan rencana yang direkomendasikan.

   Estimasi biaya dapat diterima. Insinyur mulai dengan hanya mengonfigurasi elastically reserved CUs yang direkomendasikan dan memantau performa, tanpa langsung menyesuaikan reserved CUs.

   1. Di panel navigasi kiri Konsol MaxCompute, pilih Workspace > Quotas.

   2. Di halaman Quotas, temukan kuota level-1 yang telah dievaluasi dan klik Quota Configuration di kolom Actions.

   3. Di halaman Quota Configuration, buka tab Quota Plans dan klik Add Plan.

   4. Di kotak dialog Add Quota Plan, atur Elastically Reserved CUs menjadi 50 dan klik OK.

   5. Konfigurasikan rencana waktu Quota berdasarkan jendela waktu yang direkomendasikan. Untuk informasi lebih lanjut, lihat Configure a Quota.

      Start time	Enabled quota plan
      00:00	Default
      04:00	The newly added Quota plan.
      05:00	Default
      06:00	The newly added Quota plan.
      08:00	Default

      Catatan

      Rencana Default memiliki 0 elastically reserved CUs.

   Setelah masa uji coba, insinyur mengamati bahwa pekerjaan kritis selesai tepat waktu hampir setiap hari, meningkatkan efisiensi pengembangan tanpa kenaikan signifikan pada biaya komputasi.