在計算云計算成本方面，云計算客戶需要采用新的思維模式。使用本地硬件，企業面臨的是購買成本，而運營成本通常僅限于電費。因此，用戶通常會全天候運行或在他們不在的時候運行系統。
隨著企業采用云計算服務，一切業務都會計量成本。無論AWS、微軟Azure還是谷歌云，這些公共云平臺都是這樣計算用戶的費用。實施計算，運行內存，通過網絡傳輸數據，存儲數據，用戶都需要為這些行為支付費用。這需要大多數用戶關注其不熟悉并且以往不考慮的成本。
采用云計算，企業可能會大幅減少成本。單獨來說，每個需要削減的資源似乎在經濟上無關緊要，但是累積起來其費用相當高昂。一些公司在采用云計算之后，將會對其賬單的高昂費用感到震驚，而其他公司在采用云計算后幾個月或幾年的時間內，其成本曲線將穩步上升。因此，降低AWS和微軟Azure的云平臺成本的需求迫在眉睫。
關閉未使用和無響應的實例
大多數云計算用戶都很難理解這一點。在任何云計算提供商提供的云平臺上運行虛擬實例，即使閑置或者未使用的實例也會讓用戶支付費用。開發人員需要了解這些，如果他們不再使用實例，例如在當去吃午餐、參加會議或下班回家時，都要停止實例運行。
有幾種方法可以做到這一點。可以通過云計算提供商的門戶、編寫調度腳本或通過使調度過程自動化來手動停止它們，后者可通過許多云管理平臺(如IBM Cloud Orchestrator、Apache CloudStack或Symantec Web)進行。
自動化調度過程是最具成本效益的，因為它不需要人為干預。用戶可以將云計算實例設置為星期一到星期五從早上8點到晚上8點之間運行。用戶可以標記需要保持活動的實例，因此它們不會在預定時間后終止。
創建提醒
云計算提供商和第三方云管理平臺還提供策略驅動的自動化，用戶可以在其中創建規則(“策略”)，不僅關于在發生特定事件時要采取的操作，還包括通知。這些可包括：
•當預計的每月支出限額達到某一點時通知用戶，例如用戶的每月預算。
•如果云計算存儲成本增加，超過閾值，通知用戶。
•當實例中的使用證明更改其定價計劃時，通知用戶。
•在設定天數之后未使用實例或存儲卷，通知用戶
用戶利用其云計算提供商的自動擴展
所有云計算平臺都提供自動調節機制，以處理雙向負載的增長。用戶也可以從第三方獲得。如果為用戶分配了24個CPU和2TB內存，但最多只使用十幾個CPU和半TB的內存，那么自動調節器會告知用戶這一情況，并建議降低成本計劃。
在相反的方向也是如此，因為從長遠來看，容量更高的計劃將比每月超支的容量計劃的成本更低。
監控以減少云計算流量
由于云計算具有自動化特性，因此存在許多可能導致成本激增的問題。而主動監控是提高效率的根源，這是控制成本的關鍵策略。
云計算新用戶所犯的一個常見錯誤是忘記(或不知道)上傳或下載傳輸到云計算的數據是計量的，因此成本可能高昂。全面監控是一個好主意，同時決定保留內部部署以及應該進入云端的內容。
根據其業務，用戶可能還會考慮使用邊緣計算從云端卸載。如果用戶的業務是數據密集型的，那么這一點尤其正確，因為它還具有將數據移近客戶并仍然遠離云計算的優勢。
購買預留實例和競價實例
一旦用戶采用幾個月，可以確定其月平均使用量，請考慮保留實例，并承諾使用該服務一到三年。所有主要的云計算提供商都提供這些服務，用戶節省的費用可能相當可觀，相當于節省了按需容量所支付費用的25%。如果用戶使用量超出，則必須為此支付費用，但即使適度超過容量，隨著時間的推移，由于提供了折扣，仍然節省很多成本。
競價型實例是用戶可以競標的未使用的實例，并且提供商愿意以低于正常價格的90%出售，這些對于真正的短期項目是有益的，因為如果提供商需要收回產能，可以收回或停止。
無服務器計算
“無服務器”這一術語有些用詞不當，因為它仍然在服務器上運行。這只是一個不是專門全職的一個功能或服務，也不用于數據庫服務、ERP或Web服務。
相反，無服務器用于簡單的基本功能，通常只是一個單一用途的應用程序。它在需要時啟動和運行，并在完成后關閉。這使用了更小、更精確的資源量，減少了成本浪費。它是容器的邏輯擴展，只需要加載足夠的操作系統來運行特定的應用程序，而不是完整的Linux實例。
不要遷移每個應用程序
并非每個應用程序都需要在云端運行。如果它需要最高的性能，那么從成本到虛擬實例性能具有不可預測性，云計算并不是一個很好的選擇。實際上，許多應用程序在云中的成本將高于內部部署的成本。
使用代碼分析器檢查應用程序的設計和代碼，以確定應用程序將使用的云計算資源量，并相應地做出決策。除應用程序外，還需要考慮數據位置。例如，將多PB數據庫遷移到云端可能不是一個好主意。
此外，一旦用戶確定要遷移到云端的應用程序，可以通過數據在云計算平臺和內部部署數據中心方案之間的流動方式來確定更改的影響。查看數據密集程度最高且對延遲最敏感的應用程序，以確定用戶的決心。
使用人工智能和機器學習
用戶需要面對現實，配置本地部署和云計算實例是一個復雜的、深奧的科學。此外，在使用系統時，用戶需求會發生變化，這需要實現自動化以啟動對配置的更改。
機器學習使云計算優化具有前瞻性。可以研究歷史數據，并學習有意義的模式以預測未來的使用。它可以根據學習的使用情況提高或降低配置，例如注意到每天某一小時的使用量增加。用戶可以將人工智能配置進行更改或自動執行此操作。
合并賬單
如果用戶具有多個賬戶，請考慮將它們合并為一個賬單，其原因有兩個：它提供了用于控制支出的全部用途，以及用戶可能有資格獲得折扣。通過合并結算，用戶可以查看所有賬戶中的公共云費用，云計算提供商不會對其收取額外費用。
京公網安備 11010502049343號