Strategieën voor kostenoptimalisatie voor HDInsight-clusters
De eerste stap in de kostenoptimalisatie van HDInsight is het selecteren van het juiste clustertype voor de workload die wordt onderhouden. Het kiezen van het verkeerde clustertype kan leiden tot langere verwerkingstijden, waarbij meer rekenkracht wordt gebruikt dan vereist is. Dit resulteert in kosten die mogelijk niet geschikt zijn voor de activiteit die wordt uitgevoerd en die voor de operatie te hoog kunnen zijn.
Voorheen was het selecteren van de juiste grootte van het cluster ook zo belangrijk om ervoor te zorgen dat uw workloads snel op piekvraag kunnen worden onderhouden. Het selecteren van de clustergrootte is echter opgelost. Het kan niet worden gewijzigd zonder het cluster te stoppen en het handmatig opnieuw te inrichten met de nieuwe grootte. Deze stappen waren onhandig en zouden de verwerking van gegevens vertragen.
In de afgelopen tijd heeft HDInsight een functie voor automatisch schalen geïntroduceerd waarmee de berekening van het cluster wordt geschaald om te voldoen aan de verwerkingsbehoeften op aanvraag. Met de functie voor automatisch schalen kunt u het HDInsight-cluster omhoog schalen tijdens piekvraag en omlaag schalen wanneer de bewerkingen relatief stil zijn. Deze functie zorgt ervoor dat u uw uitgaven kunt minimaliseren in overeenstemming met de vraag die uw HDInsight-installatie onderhoudt.
U moet clusters verwijderen die niet worden gebruikt. U kunt het HDInsight-cluster bewaken met Apache Ambari of Azure Monitor om de clusters te identificeren die niet worden gebruikt.