云成本预测的正确工具使用

关键要点

在本文中，我们将探讨如何利用 AWS 的多个工具实现更有效的云成本预测。这些工具包括 AWS 成本探索器、亚马逊 QuickSight和亚马逊预测，每个工具都有其独特优势。了解这些工具的功能、优缺点及适用场景，将有助于您的组织选择最合适的解决方案。

我们已经走到了预测系列文章的最后一篇！在过去的几周里，您已经探索了如何创建更有效的，建立，并构建。现在是时候开始编写您的预测了。

但从哪里开始呢？如何确定您的工作负载在未来的成本是多少？AWS提供了多种选项，帮助降低创建预算所需的手动工作，每个选项都有其独特的优势。本文将审查您可用的三种选项，以自动化创建预算的过程：

• AWS 成本探索器 - 用于可视化和预测成本和使用情况的最轻量级解决方案。用户可以通过 AWS 结算控制台访问成本探索器，以快速便捷地获取预制预测。
• 亚马逊 QuickSight - 一种简单的使用机器学习 (ML) 来创建预测的方法。QuickSight 是一个云原生、无服务器的商业智能服务，可以帮助您生成任何时间序列指标的预测和可视化，无需具备 ML 经验。
• 亚马逊预测 - 这三者中最具定制性的选项。预测是一个完全托管的机器学习服务，使您可以轻松训练预测模型并创建基于多种内置算法类型的预测。

为了帮助您决定哪个解决方案最适合您的组织，我们将提供这些工具的功能概述、预测查看选项、行业示例、优缺点和定价。

AWS 成本探索器

适合人群

业务/产品负责人、财务运营实践者、工程师和运营团队

关于 AWS 成本探索器

是一个即开即用的解决方案，分析 AWS成本的最简单方法。一旦启用，您可以查看您账户的整体成本和使用数据，以及在 AWS组织下管理的任何关联账户。此外，您可以通过数十个自定义指标进行过滤和分组，以更深入地理解您的云环境。


成本探索器允许您选择自定义日期范围，分析最多 12 个月的历史数据，同时还可以选择未来 12个月的日期，以获取您成本的预测范围。这些预测是基于您过去的使用情况，预测区间为 80%（即估计在该范围内的可能性）。需要注意的是，如果没有足够的数据来生成 80% 的预测区间，成本探索器将无法提供预测（这在没有完整计费周期的账户中很常见）。

如何查看预测

要在成本探索器中查看预测，请选择日期过滤器中的未来日期。根据您的日期粒度（每月、每周或每小时），成本探索器将以您当前所查看的图表类型呈现您的预测。在图表下方，列出了原始数据，以便您可以将结果下载为 CSV，以进行任何后续的数据分析或汇报。

示例用法

一家大型零售客户正在将多个支付账户合并为一个单一支付账户以简化管理。财务团队希望获取新合并账户未来一年的总成本的估算。他们通过将日期范围设置为未来 12个月，快速得出了每个支付账户的数字，如上图所示。当他们获得每个支付账户的预测后，便可以轻松地将其汇总为单一的预测。

AWS 成本探索器优点

• 轻量且易于设置 - 启用后无需其他步骤
• 选择未来日期范围时自动生成预测
• 80% 的预测区间
• 可在管理账户或关联账户层面使用
• 提供服务、使用类型和时间的内置过滤器，以生成个别服务、账户、标签等的预测

AWS 成本探索器缺点

• 如果数据不足以提供 80% 的预测区间，成本探索器将无法提供预测
• 无法将预测区间更改为自定义值
• 在 AWS 组织中使用合并计费功能时，预测是基于所有账户的数据计算的
• 如果添加新的会员账户到组织，在新支出模式分析之前，预测不包括该新成员账户
• 不能查看超过 12 个月的历史数据
• 无法使用权限限制访问特定数据集
• 无法一次性获取多个预测

费用

免费（但必须在 启用）

亚马逊 QuickSight

适合人群

高管、财务/采购人员、业务/产品负责人、财务运营实践者、工程师和运营团队

关于亚马逊 QuickSight

是一个完全托管的商业智能服务，使您能够创建可视化和仪表板，以分析和共享您的重要业务数据。QuickSight 允许您连接来自多个数据源的数据，包括与 AWS各种存储服务的原生连接，以提供实时分析。您可以使用 AWS身份和访问管理，或者直接在工具中创建角色，来控制权限、轻松扩展用户，并确保利益相关者仅访问正确的数据集。细粒度的访问控制在您希望为个别团队提供账单数据访问时非常有用，同时确保他们无法看到其他工作负载的成本。

QuickSight 可以轻松处理任何时间序列数据（如成本数据）的预测，使用内置的 ML 算法，无需 ML 专业知识。QuickSight将处理数据的准备和清洗，以及排除异常，以确保您的模型建立在有用的数据集上。您可以参阅这个，了解如何在 QuickSight的分析功能中启用预测。

您可以利用 QuickSight 的内置预测功能用于在 QuickSight 上构建的任何工具，例如[云智能仪表板 (CID)](https://wellarchitectedlabs.com/cost/200_labs/200_cloud_intelligence/?sc_channel=cfm- blog&sc_campaign=using-the-right-tools-for-your-cloud-cost- forecasting&sc_medium=plan-and-evaluate&sc_content=cfm- blog&sc_detail=link&sc_outcome=aw&sc_publisher=cfm-awareness&trk=using-the- right-tools-for-your-cloud-cost-forecasting_cfm-blog_link)，该部分位于 AWS最佳架构实验的成本优化部分。这些是模板化的仪表板，可以通过 AWS CloudFormation 部署到您的环境中。它们使用您的[AWS 成本和使用报告 (CUR)](https://docs.aws.amazon.com/cur/latest/userguide/what-is- cur.html?sc_channel=cfm-blog&sc_campaign=using-the-right-tools-for-your-cloud- cost-forecasting&sc_medium=plan-and-evaluate&sc_content=cfm- blog&sc_detail=link&sc_outcome=aw&sc_publisher=cfm-awareness&trk=using-the- right-tools-for-your-cloud-cost-forecasting_cfm- blog_link)作为根数据源，生成多个可视化，以帮助您监控成本和使用情况。如果您还没有关于账单数据的商业智能，并想开始进行预测，您可以通过一个 CloudFormation 模板轻松部署此实验，并立即获得见解。

![亚马逊 QuickSight删除)

如何查看预测

要在 QuickSight 中查看预测：

1. 创建一个使用单一日期字段和最多三个度量的可视化（必须是折线图或堆叠区域图）。
2. 在可视化的右上角菜单中，选择菜单选项图标（三个点）。
3. 然后选择“添加预测”。

QuickSight 将自动使用 ML 分析历史数据，并显示下一个 14个周期的预测图表（基于您现有的时间序列周期）。您可以使用左侧的“预测属性”面板进行调整，以自定义预测长度、预测区间、季节性和预测边界等参数。

示例用法

一家媒体和娱乐公司的财务运营团队正在对将当前的本地工作负载迁移到云上的提案进行尽职调查。由于该工作负载存储大量内容，因此存储成本是确定其长期最佳解决方案的关键因素。凭借他们在 AWS 上的现有工作负载，他们正在进行大量努力以利用不同的亚马逊 S3 存储类型来利用更低的定价。财务运营团队创建了一个图表，显示了他们存储的单位成本或每 GB 的价格。借助 QuickSight 的预测功能，他们能够估算如果继续进行优化，在接下来的 14 个月单位成本将如何变化，并制作商业案例以展示迁移到 AWS 的成本效益。

亚马逊 QuickSight 优点

• 自动集成 QuickSight 中的任何时间序列数据（包括账单数据）
• 可以自定义预测属性，例如预测长度、预测区间、季节性和预测边界
• 通过从 AWS 最佳架构实验中部署 CID 来轻松获取预构建的成本预测可视化和指标，用于对 CUR 数据进行预测
• 无需 ML 经验
• 创建“如果”分析以更新特定数据点的目标值或日期
• 创建自定义指标，为任何关键绩效指标 (KPI) 构建预测
• 根据用户权限设置适当的数据访问

亚马逊 QuickSight 缺点

• 不支持多指标预测或仪表板的“如果”分析。这只能在分析中的单个指标数据点完成
• 任何变化的指标或所需粒度需要创建自定义视图

费用

• QuickSight Author 企业许可证起价为每月 18 美元，读者访问费用为每次 0.30 美元，封顶每月 5 美元
• 与 AWS Glue、亚马逊 Athena 和亚马逊 S3 相关的增量费用
• 如果是大型 AWS 部署，所有仪表板的预计总费用为每月 100 美元

亚马逊预测

适合人群

数据分析师、工程师和运营团队

关于亚马逊预测

是一个完全托管的基于 ML的时间序列预测服务，旨在进行商业指标的分析。它允许将 ML添加到应用程序中，而不需要专门的数据科学家来创建和维护针对历史数据（如销售、网站流量、库存数量、现金流，或在这种情况下的账单数据）的模型。根据 AWS机器学习博客中的描述，此解决方案使用 AWS Glue DataBrew 将 CUR数据转换为适合格式的数据集，预测然后可以使用该数据集来训练预测器并生成预测。

删除)

设置此预测流程的高层任务包括：

• 准备数据
• 转换数据
• 准备模型
• 验证预测器
• 生成预测


预测会返回 P10、P50 和 P90 作为加权分位损失 (wQL) 的默认分位数，分别表示下限、中位数和上限。有关预测器指标的更多信息，请参见。

如何查看预测

完成博文中概述的步骤后，您可以在预测控制台中探索您的见解。然后，您可以使用您的预测进行“如果”分析，其中可以识别影响预测的属性，以解释和探索不同的场景。“如果”分析使您能够根据潜在结果创建多个场景。

示例用法

一家高科技 AWS 客户的工程团队希望通过购买计算节省计划 (CSP) 来优化他们在 AWS上的支出。为了最大化他们的节省，他们希望积极进行购买，这需要对他们的历史和预测计算使用情况有深入的理解。他们创建了一个 CUR的过滤版本，仅包含计算使用。然后，他们使用预测基于现有趋势预测未来一年的计算使用情况。这个预测使他们能够以完全利用的水平购买 CSP，从而最大化他们的节省。

亚马逊预测优点

• 所有选项中最灵活，提供自定义参数和数据集
• 可编辑时间序列 ML 参数以编辑预测
• 可以在您需要的任何时间窗口中创建预测和分析
• 内置辅助数据集，如节假日和天气，以将使用变化与外部因素关联

亚马逊预测缺点

• 设置时间较长
• 实施需要统计和 AWS 基础设施知识
• 需要重新训练

费用

与此预测相关的费用主要与模型训练有关。对于企业客户，您可以期待在每次训练模型时的费用在 10 至 100 美元范围内。

总结

如您所见，AWS 提供了多种选项来帮助您预测成本。AWS 成本探索器提供了最简单的即开即用的预测成本的方式，以及强大的过滤功能。亚马逊 QuickSight则提供了一种简单的方法，利用最少的设置时间和无需 ML 经验即可对任何时间序列数据进行预测。而亚马逊预测虽然设置