Partager via


Optimisation des coûts pour le data lakehouse

Cet article traite des principes architecturaux du pilier Optimisation coûts, visant à faciliter la gestion des coûts d’une manière qui optimise la valeur fournie. Compte tenu d’un budget, la rentabilité est dictée par les objectifs stratégiques et le retour sur investissement. Les principes d’optimisation des coûts peuvent aider à atteindre les objectifs stratégiques et la justification des coûts.

Diagramme d’architecture lakehouse d’optimisation des coûts pour Databricks.

Principes d'optimisation des coûts

  1. Choisir des ressources optimales

    Choisissez les ressources appropriées qui s’alignent sur les objectifs de l’entreprise et qui peuvent permettre un niveau de performance optimal des charges de travail. Lors de l’intégration de nouvelles charges de travail, explorez les différentes options de déploiement et choisissez celle qui offre le meilleur rapport prix/performances.

  2. Allouer dynamiquement des ressources

    Allouez et publiez dynamiquement des ressources pour répondre aux exigences de performances. Identifiez les ressources inutilisées ou sous-utilisées et reconfigurez, consolidez ou désactivez-les.

  3. Suivre et contrôler les coûts

    Le coût de vos charges de travail dépend de la quantité de ressources consommées et des tarifs facturés pour ces ressources. Pour comprendre le coût de ces charges de travail, surveillez-les pour chaque ressource impliquée. Cela fournit une base de référence pour le contrôle de la consommation et des coûts.

    En outre, lakehouse facilite l’identification précise de l’utilisation de la charge de travail et des coûts. Cela permet l’allocation transparente des coûts aux propriétaires de charges de travail individuels. Ils peuvent ensuite mesurer le retour sur investissement et optimiser leurs ressources pour réduire les coûts si nécessaire.

  4. Concevoir des charges de travail rentables

    Un avantage fondamental de la lakehouse est sa capacité de mise à l’échelle dynamique. Comme point de départ, les indicateurs de performance et d’utilisation sont analysés pour déterminer le nombre initial d’instances. Avec la mise à l’échelle automatique, des coûts supplémentaires peuvent être enregistrés en choisissant des instances plus petites pour une charge de travail hautement variable, ou en effectuant un scale-out plutôt que jusqu’à atteindre le niveau de performances requis.

Suivant : Bonnes pratiques en matière d’optimisation des coûts

Consultez Bonnes pratiques en matière d’optimisation des coûts.