MaxCompute:コンピューティング リソースの最適化機能を使用して費用対効果を実現する

注意事項

• このトピックの価格は参考値です。実際の価格は製品ページで確認できます。

• 次の一般的なシナリオで使用される評価方法は単純です。実際のビジネス実装プロセスでは、ビジネス要件に基づいて推奨プランを適用するようにリソース構成を徐々に調整し、リソース構成の変更後の効果に注意することをお勧めします。

シナリオ 1：一部のサブスクリプション コンピューティング リソースがアイドル状態で、コンピューティング コストが高い

ある企業は、データ ウェアハウジングの初期段階で十分な予算を持っています。重要なジョブの出力が毎日 08:00 前に生成されるように、企業はこれらのジョブのために 200 計算ユニット（CU）の サブスクリプション予約 コンピューティング リソースを購入します。毎日合計 520 のジョブがこれらのリソースで実行されるようにスケジュールされています。これらのジョブは毎日スケジュールどおり、あるいはスケジュールよりも早く完了できますが、毎月のコンピューティング コストは 4,400 米ドル に達します。

企業は、ビッグデータ部門にコスト削減のための目標と主要な結果（OKR）を発行します。ただし、ビッグデータ部門のリーダーは、コスト削減後に重要なジョブの出力がビジネス要件を満たせるかどうかを判断できず、最も適切なコスト削減プランを決定できません。データ運用エンジニアは、MaxCompute のコンピューティング リソースの最適化機能をリーダーに紹介し、MaxCompute コンソールで次の操作を実行してこの機能をデモします。

1. コスト最適化ページに移動します。

   1. MaxCompute コンソール にログオンします。上部のナビゲーション バーで、リージョンを選択します。左側のナビゲーション ウィンドウで、[Intelligent Optimization] > [Computing Resource Config Optimization] を選択します。

   2. [Computing Resource Config Optimization] ページで、[クォータの選択] ドロップダウン リストからレベル 1 サブスクリプション クォータを選択して、[推定 1 日 CU リクエスト] グラフのデータを表示します。

   [推定 1 日 CU リクエスト] グラフのデータは、現在のビジネス状況を反映しています。ジョブは 1 時間ごとに開始されます。毎日 05:00 から 08:00 までのリクエスト数は多く、他の時間のリクエスト数は比較的少なくなっています。

2. 推定時点を指定します。

   この例では、[推定時点の設定] ステップで 2 つの推定時点 05:00 と 08:00 を指定します。これにより、05:00 より前に開始されたすべてのジョブが 05:00 より前に完了し、05:00 から 08:00 に開始された重要なジョブが 08:00 より前に完了することが保証されます。

3. 評価結果を表示します。

   [現在のプランの推定] をクリックして、現在のリソース構成に基づくジョブ出力を表示します。

   

   [CU 消費シミュレーション（現在のプランの推定）] グラフでは、現在の CU 構成（200 予約 CU）に基づいてジョブ出力は遅延していませんが、一部のコンピューティング リソースはアイドル状態です。これは、コスト削減が可能であることを示しています。

4. 最適化目標を指定します。

   [CU 消費シミュレーション（現在のプランの推定）] グラフの下にある [最適化目標の設定] セクションには、指定された推定時点での現在の遅延が表形式で表示されます。この表のデータは、[CU 消費シミュレーション（現在のプランの推定）] グラフのデータと一致しています。

   [最適化目標] 列には、推定時点が自動的に生成されます。これは、予想されるジョブ完了時点と同じです。次に、[推奨プランの生成] をクリックします。

5. 推奨プランを表示します。

   最適化の効果は、[CU 消費シミュレーション（推奨プラン）] グラフに表示されます。推奨プランでは、企業は 50 の予約 CU を購入し、04:00 から 05:00 と 06:00 から 08:00 の期間に 50 の弾力的に予約された CU を別途購入する必要があることが示されています。最適化後、重要なジョブは 08:00 より前に完了でき、毎月のコンピューティング コストは 1,319.6 米ドル のみになります。現在のコンピューティング コストと比較して、毎月のコストを約 70% 削減できます。

   

   リーダーはこのプランに満足しており、さらなるコスト削減を期待しています。ジョブの出力が 30 分遅延しても、ビジネスには影響ありません。したがって、最適化目標を調整できます。

6. 最適化目標を調整します。

   [最適化目標の設定] セクションに戻り、[推定時点] 列の 08:00 に対応する [最適化目標] 列の値を 08:30 に変更します。

7. 新しい推奨プランを表示します。

   [推奨プランの生成] をもう一度クリックします。推奨プランでは、企業は 50 の予約 CU を購入し、04:00 から 05:00 と 06:00 から 07:00 の期間に 50 の弾力的に予約された CU を別途購入する必要があることが示されています。最適化後、重要なジョブは 08:30 より前に完了でき、毎月のコンピューティング コストは 1,246.4 米ドル に削減されます。現在のコンピューティング コストと比較して、毎月のコストは約 71.7% 削減されます。

8. リソース構成を徐々に調整して、推奨プランを適用します。

   推奨プラン適用後の不安定性を回避するため、ビッグデータ部門はまず予約 CU の数を 100 に減らします。一定期間後、部門は再度評価を行います。ジョブの数は大幅に増加していません。システムは引き続きリソース構成を削減し、弾力的に予約された CU を使用することを推奨しています。したがって、部門はジョブ出力の生成が遅延しない推奨プランに基づいてリソース構成を調整します。試用期間後、重要なジョブはほぼ毎日時間どおりに完了できます。コンピューティング コストも削減されます。

シナリオ 2：サブスクリプション コンピューティング リソースが不足しており、ジョブの完了時間が予想時間よりも遅い

ある企業は、データ ウェアハウジングの初期段階でジョブ用に 60 のサブスクリプション CU を購入します。毎日合計 520 のジョブがこれらのリソースで実行されるようにスケジュールされています。重要なジョブのバッチは、毎日 05:00 から 08:00 に開始されます。事業部門は、重要なジョブが毎日 08:00 より前に完了することを期待しています。ビジネスが拡大するにつれて、ジョブによってスキャンされるデータ量は増加し続けます。重要なジョブの完了はしばしば遅れます。これは、予約リソースが不足しているためにジョブが蓄積されるためです。企業は、コストをあまり増やすことなく、ジョブの完了要件を満たすようにリソースを調整したいと考えています。このシナリオでは、コンピューティング リソースの最適化機能を使用できます。この機能を使用するには、次の手順を実行します。

1. コスト最適化ページに移動します。

   1. MaxCompute コンソール にログオンします。上部のナビゲーション バーで、リージョンを選択します。左側のナビゲーション ウィンドウで、[Intelligent Optimization] > [Computing Resource Config Optimization] を選択します。

   2. [Computing Resource Config Optimization] ページで、[クォータの選択] ドロップダウン リストからレベル 1 サブスクリプション クォータを選択して、[推定 1 日 CU リクエスト] グラフのデータを表示します。

      [推定 1 日 CU リクエスト] グラフのデータは、現在のビジネス状況を反映しています。ジョブは 1 時間ごとに開始されます。毎日 05:00 から 08:00 までのリクエスト数は多く、他の時間のリクエスト数は比較的少なくなっています。

2. 推定時点を指定します。

   この例では、[推定時点の設定] ステップで 2 つの推定時点 05:00 と 08:00 を指定します。これにより、05:00 より前に開始されたすべてのジョブが 05:00 より前に完了し、05:00 から 08:00 に開始された重要なジョブが 08:00 より前に完了することが保証されます。

3. 評価結果を表示します。

   [現在のプランの推定] をクリックして、現在のリソース構成に基づくジョブ出力を表示します。

   

   [CU 消費シミュレーション（現在のプランの推定）] グラフでは、05:00 より前に開始されたジョブは 3 分の遅延があり、05:00 から 08:00 の間に開始された重要なジョブは、現在の CU 構成（60 予約 CU）に基づいて 48 分の遅延があります。この推定結果は、実際の遅延と似ています。

4. 最適化目標を指定します。

   [CU 消費シミュレーション（現在のプランの推定）] グラフの下にある [最適化目標の設定] セクションには、指定された推定時点での現在の遅延が表形式で表示されます。この表のデータは、[CU 消費シミュレーション（現在のプランの推定）] グラフのデータと一致しています。

   [最適化目標] 列には、推定時点が自動的に生成されます。これは、予想されるジョブ完了時点と同じです。次に、[推奨プランの生成] をクリックします。

5. 推奨プランを表示します。.

   最適化の効果は、[CU 消費シミュレーション（推奨プラン）] グラフに表示されます。[CU 消費シミュレーション（推奨プラン）] グラフに表示される情報は、[CU 消費シミュレーション（現在のプランの推定）] グラフに表示される情報と一致しています。推奨プランでは、企業は 50 の予約 CU を購入し、04:00 から 05:00 と 06:00 から 08:00 の期間に 50 の弾力的に予約された CU を別途購入する必要があることが示されています。こうすることで、05:00 と 08:00 より前に開始されたジョブを遅延なく完了できます。最適化後、コンピューティング コストは現在のコンピューティング コストよりも 月額 0.4 米ドル 少なくなります。

   

6. 推奨プランを構成します。

   企業はこの推奨プランのコスト増加は許容できると考えています。推奨プラン適用後の不安定性を回避するため、企業は推奨プランに基づいて弾力的に予約された CU を構成しますが、予約 CU の数は減らしません。

   1. MaxCompute コンソールの左側のナビゲーション ウィンドウで、[ワークスペース] > [クォータ] を選択します。

   2. [クォータ] ページで、評価されたレベル 1 クォータを見つけ、[アクション] 列の [クォータ構成] をクリックします。

   3. [クォータプラン][クォータ構成] ページの [プランの追加] タブで、 をクリックします。 ページの タブで、 をクリックします。

   4. [クォータプランの作成] ダイアログ ボックスで、作成されたクォータプランの [弾力的に予約された CU] を 50 に設定し、[OK] をクリックします。

   5. 推奨プランの時点に基づいて、クォータプランに次のスケジュールプランを構成します。詳細については、「クォータを構成する」をご参照ください。

      開始時間	クォータプラン
      00:00	デフォルト
      04:00	前の手順で追加されたクォータプラン
      05:00	デフォルト
      06:00	前の手順で追加されたクォータプラン
      08:00	デフォルト

      説明

      デフォルトプランの弾力的に予約された CU の数は 0 です。

   試用期間中、重要なジョブはほぼ毎日時間どおりに完了できます。R&D 効率が向上し、コンピューティング コストはわずかに増加します。