چگونه AI بی سر و صدا هزاران شرکت را با هزینه لاجورد صرفه جویی می کند

صورتحساب لاجورد شما خونریزی می کند ، اما هوش مصنوعی می تواند پوست سر باشد که زباله ها را کاهش می دهد ، لکه ها را لکه دار می کند و ساکت شما را هزاران نفر ذخیره می کند قبل از اینکه امور مالی خسارت را ببیند.

مدیریت هزینه های ابر در لاجورد به یکی از بزرگترین چالش های تیم های فناوری تبدیل شده است. در حالی که Azure انعطاف پذیری و قدرت را ارائه می دهد ، همچنین باعث می شود بیش از حد هزینه شود. منابع غالباً در حال اجرا هستند ، خدمات بیش از حد ارائه می شوند و بودجه بدون هشدار منفجر می شوند.  

آنچه اخیراً تغییر کرده است این است که هوش مصنوعی اکنون می تواند بیشتر این بار را بر عهده بگیرد. مایکروسافت هوش مصنوعی را در چندین ابزار لاجورد اصلی یکپارچه کرده است. این ویژگی های هوشمند استفاده از استفاده ، یافتن زباله ، پیش بینی و اقدامات قبل از گران شدن مشکلات را انجام می دهند.  

این مقاله توضیح می دهد که چگونه AI به سازمان های واقعی کمک می کند تا هزینه های لاجوردی را بدون به خطر انداختن در مقیاس ، امنیت یا عملکرد کاهش دهند. اینها ایده های عملی هستند ، نه ایده های نظری ، و می توانند بلافاصله اجرا شوند.  

مقیاس گذاری باهوش تر قبل از وقوع سنبله

بیشتر شرکت ها از قوانین اساسی برای خدمات مقیاس استفاده می کنند. اگر CPU به ۸۰ درصد رسید ، محاسبات بیشتری را اضافه کنید. اگر طول صف بالا می رود ، توان را افزایش دهید. اما AI اکنون به لاجورد اجازه می دهد تا الگوهای ترافیکی را بر اساس داده های گذشته و مقیاس قبل از زمان پیش بینی کند.  

این در حال حاضر بخشی از نحوه خدمات مانند سرویس Azure Kubernetes (AKS) و خدمات برنامه می تواند باشد. به جای واکنش خیلی دیر یا بیش از حد مقیاس خیلی زود ، هوش مصنوعی تقاضا را پیش بینی می کند و منابع شما را از قبل آماده می کند.  

در یک مثال واقعی ، یک شرکت خرده فروشی برای فصل تعطیلات خود از مقیاس پیش بینی استفاده کرده و در مقایسه با تنظیمات مقیاس بندی دستی ، ۳۰ درصد کاهش هزینه را کاهش داده است. زیرساخت ها فقط در صورت لزوم رشد می کردند ، نه فقط در صورت.  

شناسایی منابع بیکار و خاموش کردن آنها

یکی از رایج ترین راه هایی که شرکت ها در لاجوردی هدر می دهند ، ترک کارهایی است که هیچ کس از آن استفاده نمی کند. ماشینهای مجازی مورد استفاده برای آزمایش ، پایگاه داده هایی که دیگر پرس و جو یا دیسک هایی نیستند که هرگز پس از حذف جدا نشده اند.  

مشاور لاجورد از AI استفاده می کند تا دائماً منابعی را نشان دهد که استفاده کم یا بدون استفاده را نشان می دهد. سپس توصیه می کند که آنها را خاموش یا به اندازه های کوچکتر خاموش کنید. همچنین می توانید با استفاده از برنامه های Azure Automation یا Logic ، پاکسازی را به صورت خودکار انجام دهید.  

شرکت هایی که این موضوع را مرتباً اتخاذ می کنند ، پس انداز قابل توجهی را مشاهده می کنند. برخی از تیم ها پس از شروع بررسی این بینش ها هر هفته و عمل بر روی آنها ، ۲۰ درصدی از لایحه لاجورد ماهانه خود را گزارش می کنند.  

انتخاب اندازه ماشین مجازی اشتباه یا استفاده از یک لایه گران قیمت در هنگام کار ارزان تر به همین ترتیب می تواند به سرعت اضافه شود. لاجورد از یادگیری ماشین برای تجزیه و تحلیل استفاده شما و پیشنهاد گزینه های بهتر استفاده می کند.  

اگر حجم کار شما ثابت نباشد ، ممکن است لاجورد VMS را توصیه کند ، که می تواند تا ۹۰ درصد ارزان تر باشد. اگر استفاده شما پایدار باشد ، نمونه های رزرو شده یا برنامه های پس انداز می توانند هزینه های محاسبه را بیش از نیمی کاهش دهند.  

پیشنهادات مبتنی بر داده های استفاده واقعی است ، نه برآورد. پیروی از این توصیه ها به تیم ها کمک می کند تا از پرداخت بیش از حد و تراز کردن منابع بهتر با تقاضای واقعی خودداری کنند.  

شناسایی سنبله های هزینه قبل از رسیدن لایحه

گاهی اوقات ، به طور ناگهانی سنبله می کند. شاید یک کار ورود به سیستم Rogue باشد. شاید یک توسعه دهنده فراموش کند که یک فیلمنامه را محدود کند. شاید ترافیک غیر منتظره وجود داشته باشد. بدون نظارت بر زمان واقعی ، تیم ها اغلب وقتی این فاکتور نشان می دهند ، این مسائل را کشف می کنند.  

مدیریت هزینه لاجورد شامل تشخیص ناهنجاری است که از AI برای پرچم فعالیت غیرمعمول استفاده می کند. این الگوهای عادی شما را تماشا می کند و در صورت خاموش بودن چیزی به شما هشدار می دهد.  

این نوع هشدار اولیه می تواند هزاران نفر را نجات دهد. یک بستر بازاریابی ، یک پرش ۵۰۰ درصدی را در انتقال داده های برون مرزی مشاهده کرد ، که ناشی از یک گزارش غلط تنظیم شده است. لاجورد آن را پرچم گذاری کرد و تیم طی چند ساعت آن را برطرف کرد.  

پیش بینی هزینه های آینده با دقت بیشتر

AI فقط به استفاده فعلی نگاه نمی کند. همچنین به جلو نگاه می کند. مدیریت هزینه لاجورد پیش بینی هایی را بر اساس الگوهای تاریخی ارائه می دهد. این پیش بینی ها می تواند به تیم ها کمک کند تا با دقت بیشتری برنامه ریزی کنند و از شگفتی های لحظه آخر جلوگیری کنند.  

همچنین می توانید بودجه ها را با آستانه و هشدارها تعیین کنید. هنگامی که استفاده از نقاط خاص عبور می کند ، اعلان ها شروع می شوند. این به تیم های فنی و تیم های مالی کمک می کند تا همگام بمانند و زودتر اقدام کنند.  

تعداد فزاینده ای از سازمان ها در برنامه ریزی مالی خود ، به ویژه در محیط های چند تیمی با اشتراک های مشترک ، از این پیش بینی ها استفاده می کنند.  

حرکت داده های سرد به طور خودکار به ذخیره سازی ارزان تر

همه داده ها نیازی به ماندن در ذخیره سازی گران ندارند. Azure Blob Storage ردیف های گرم ، خنک و بایگانی را ارائه می دهد. ذخیره گرم سریع و پرهزینه است. بایگانی کندتر اما بسیار ارزان تر است.  

AI می تواند دسترسی به داده ها را کنترل کند و به طور خودکار پرونده هایی را که به ندرت به یک ردیف ارزان تر استفاده می شوند ، منتقل کنند. این امر به ویژه برای گزارش ها ، پشتیبان گیری یا گزارش های بایگانی شده مفید است.  

در یک مورد ، یک پلت فرم ویدیویی با اجازه دادن به پرونده های سطح خودکار لاجورد که طی بیش از ۹۰ روز به آن دسترسی پیدا نکرده اند ، ۶۰ درصد در هزینه های ذخیره سازی صرفه جویی می کند. این فقط چند ساعت طول کشید تا پیکربندی شود و در پس زمینه سکوت کار کرد.  

خطوط لوله DevOps و محیط های یادگیری ماشین اغلب از محاسبات زیادی استفاده می کنند. تست ها روی ماشین های بزرگ مجازی اجرا می شوند. آموزش مدل از نمونه های GPU استفاده می کند. اگر این منابع باقی بمانند ، هزینه ها می توانند مارپیچ شوند.  

AI می تواند در اینجا نیز کمک کند. می توانید خطوط لوله ای را که در صورت عدم استفاده از محیط های خاموش شده را پیکربندی کنید. یادگیری ماشین لاجورد می تواند مشاغل آموزشی را در محاسبات کم هزینه در ساعات خارج از اوج برنامه ریزی کند یا از نمونه های نقطه ای برای صرفه جویی در هزینه استفاده کند.  

این تکنیک ها بدون کند شدن توسعه ، زباله ها را کاهش می دهد. یک تیم Fintech که مشاغل شبانه در حال اجرا است ، با حرکت به برنامه ریزی مبتنی بر AI ، ۴۰ درصد در استفاده از GPU صرفه جویی کرد.  

چگونه می توان با بهینه سازی هزینه AI در لاجورد شروع کرد.

شما نیازی به یک ابزار جدید ندارید. لاجورد در حال حاضر شامل همه چیز مورد نیاز برای شروع است.  

• از مشاور لاجورد برای بررسی توصیه های بهینه سازی استفاده کنید
• بودجه و هشدارها در مدیریت هزینه لاجورد
• تشخیص ناهنجاری را برای نظارت بر سنبله های ناگهانی پیکربندی کنید
• برای مدیریت چرخه حیات ذخیره سازی حباب ، لایه بندی خودکار را روشن کنید
• از اتوماسیون لاجورد یا برنامه های منطقی برای پاکسازی منابع استفاده نشده استفاده کنید
• موارد رزرو شده ، برنامه های پس انداز و VM های نقطه ای را در صورت امکان ارزیابی کنید

بیشتر این ویژگی ها بدون هیچ هزینه اضافی در دسترس هستند و مستقیماً در اشتراک های موجود ادغام می شوند.  

مدیریت هزینه های هوشمند در حال حاضر در اینجا است

AI در حال تغییر نحوه مدیریت سازمان ها محیط های ابری خود است. تیم ها به جای واکنش به مشکلات بعد از واقعیت ، اکنون می توانند زیرساخت های خود را در زمان واقعی پیش بینی ، تنظیم و خودکار کنند.  

با استفاده از ابزارهای دارای هوش مصنوعی در لاجورد ، شرکت ها ضمن حفظ و پاسخگویی سیستم های خود ، هزینه های خود را کاهش می دهند. اینها فقط پس انداز کوچکی نیستند. با تنظیم مناسب ، می توان هزینه کل ابر را ۳۰ تا ۵۰ درصد کاهش داد.  

با تبدیل شدن محیط های ابری به طور فزاینده ای ، هوش مصنوعی کمتر از یک لوکس و بیشتر یک ضرورت می شود. مدیریت هزینه هوشمند اکنون بخشی از معماری ابر هوشمند است. اگر استفاده از این ابزارها را شروع نکرده اید ، اکنون زمان آن رسیده است.  

این مقاله به عنوان بخشی از شبکه مشارکت کننده متخصص ریخته گری منتشر شده است.