در مورد فیناپ های ابری چه می گذرد؟

گزارش های اخیر اطلاعات قدیمی و جدیدی را در مورد finops ارائه می دهد. اولویت های مالی در حال تغییر هستند و به آموزش بیشتر کارکنان نیاز است.

سلام، finops را به خاطر دارید؟ بهینه سازی هزینه؟ بر اساس اکثر نظرسنجی‌ها، در سال ۲۰۲۳ این یک اتفاق بزرگ بود، اما با توجه به میزان نویز AI موجود در آن، هرگز آن را نمی‌دانستید.

 وضعیت FinOps یک نظرسنجی سالانه است که توسط بنیاد FinOps برای جمع‌آوری اطلاعات در مورد اولویت‌های حیاتی، صنعت انجام می‌شود. روندها و جهت گیری شیوه های finops. این نظرسنجی طیفی از فعالیت‌های بنیاد را نشان می‌دهد و به بازار گسترده‌تر می‌گوید که چگونه finops در سازمان‌های مختلف تمرین می‌شود. پاسخ دهندگان نظرسنجی تشویق می شوند که دقیق و صادق باشند تا داده ها بینش های ارزشمندی را برای جامعه آشکار کنند. با این حال، من شرط می بندم که هیچ یک از آنها اعتراف به اتلاف در پایان خود – هرگز.

من فکر می کنم این گزارش ها خوب هستند. نه اینکه ما اطلاعات بی طرفانه دریافت می کنیم – این هرگز بی طرفانه نیست. با این حال، خوب است ببینیم که بنیاد FinOps چگونه به عنوان یک بدنه استاندارد برای finops عمل می کند و اطلاعات مربوط به finops را مخابره می کند.

اولویت های اصلی در حال تغییر هستند

کاهش ضایعات و مدیریت تخفیف‌های مبتنی بر تعهد به دلیل فشار اقتصادی در سال ۲۰۲۳ به اولویت‌های اصلی تیم‌های finops تبدیل شده است. شرکت‌ها از راه‌های کاهش هزینه‌های رایانش ابری، مانند خرید منابع قبل از نیاز، آگاهی بیشتری دارند.

>

تیم‌های Finops همچنین در حال سرمایه‌گذاری بر روی قابلیت‌های پیش‌بینی هستند و انتظار دارند هزینه اجرای هوش مصنوعی و یادگیری ماشینی تأثیر قابل‌توجهی بر رویه‌های finops در سال ۲۰۲۴ داشته باشد. دیگر نمی‌توانید بدون هوش مصنوعی مکالمه داشته باشید.

نگرانی این است که ما آنقدر روی چیزی که هوش مصنوعی را فعال می‌کنیم متمرکز شده‌ایم، مسائل مهم‌تر بهینه‌سازی منابع خود را از دست می‌دهیم تا بتوانیم هزینه استفاده از هوش مصنوعی خود را بپردازیم. هزینه مهم ترین محدودیت برای استفاده از هوش مصنوعی خواهد بود. با توجه به قیمت سهام انویدیا، تقاضا سخت خواهد بود و بنابراین قیمت ها احتمالاً بالا خواهند بود.

من انتظار دارم که این اولویت‌های مالی سال ۲۰۲۳ در سال‌های ۲۰۲۴ و ۲۰۲۵ تغییر کند. ما تغییرات قابل توجه و سریعی را در مصرف رایانش ابری تجربه خواهیم کرد، و با توجه به اینکه نیاز به ایجاد انواعی داریم، همه جنبه‌های پردازش ابری را تحت تأثیر قرار خواهیم داد. مدیریت هزینه قبل از اینکه اشتباهات بزرگی مرتکب شویم.

بهینه سازی کلید است

محاسبات مخارج به شدت بهینه‌سازی شده است، اما فضایی برای بهبود در ذخیره‌سازی، پایگاه‌های داده و فناوری‌های جدیدتر مانند هوش مصنوعی وجود دارد. اگرچه سیستم‌های finops می‌توانند استفاده را محاسبه کنند، اما استفاده مقرون‌به‌صرفه از منابع ابری مهم‌ترین چالش برای سازمان‌های فناوری اطلاعات است.

چالش در سال‌های ۲۰۲۴ و ۲۰۲۵ این است که بهینه‌سازی ممکن است به نقطه اشباع برسد، جایی که با کاهش مقدار منابع تلف شده، مقدار پول ذخیره‌شده از فرآیند بهینه‌سازی کاهش می‌یابد.

همانطور که در نظرسنجی گزارش شد، انجمن finops در سال ۲۰۲۳ کتابخانه ای از فرصت های بهینه سازی را برای AWS، Google Cloud و Microsoft Azure ایجاد کرد. آنها فرآیندهای بهینه سازی خاصی را برای ارائه دهندگان ابر عمومی خاص دارند.

اما مسئله مهمتر اغلب نادیده گرفته می شود. بهینه سازی گستره ای از پلتفرم ها مانند ابر، سنتی، لبه، موبایل و غیره، فرآیندهای بهینه سازی ناهمگنی را فراهم می کند. به عنوان مثال، اگر هزینه پردازش و ذخیره سازی کاهش یابد، شرکت ها می توانند پردازش را از یک ابر عمومی منتقل کرده و به محل برگردانند.

یکی از نگرانی‌های بزرگ‌تر من در حال حاضر این است که اگرچه ابزارهایی داریم که به آن رسیدگی می‌کنند، اما باید آموزش و رویکردهای بیشتری برای کمک به کارکنان finops ارائه دهیم. در حال حاضر، من تمرکز لیزری را بر روی صرفه جویی در هزینه های ابر عمومی می بینم و دید خوبی در همه سیستم ها وجود ندارد، که حل مشکل مهم تری است.

Finops باید به پیشرفت برسد

طبق این مطالعه، هنوز به پیشرفت های قابل توجهی در قابلیت های پیش بینی finops نیاز است. همچنین شنیده‌ام که تیم‌های finops ویژگی‌های بهتری می‌خواهند تا بتوانند هزینه‌های آینده را کنترل کنند تا بتوانند هزینه‌ها را تنظیم کنند، از جمله استفاده از منابع رزرو شده بیشتر که قبل از نیاز خریداری می‌شوند.

مهندسان بیشترین ارزش را از گزارش‌های سلف سرویس finops دریافت می‌کنند که امکان تصمیم‌گیری در زمان واقعی را فراهم می‌کند. زمانی که ابزارهای finops مناطقی را که می‌توان در آن‌ها پول ذخیره کرد و حتی قبل از نوشتن کد برای دسترسی به یک منبع ابری خاص، به آن رسیدگی می‌کنند، «دست‌سوزی خودکار» نیز نامیده می‌شود.

این، همراه با بررسی معیارهای پایداری در حین توسعه نرم افزار، به ما این امکان را می دهد که مشکلات را قبل از وجود آنها حل کنیم. در حال حاضر، برخی از توسعه دهندگان اشتباهاتی را مرتکب می شوند، مانند تأمین بیش از حد منابع از یک برنامه کاربردی دارای زیرساخت به عنوان کد، و بعداً مشکل پیدا می شود. گرفتن آن در جوانه بسیار بهتر است.

هر چه یک تیم بیشتر در مورد finops آموزش ببیند، می تواند ارزش بیشتری را از گزارش سلف سرویس به دست آورد و مهندسی بیشترین سود را دارد. بنابراین، این گزارش همچنین اعلام کرد که طی سه سال گذشته، سرمایه‌گذاری در آموزش finops برای همه افراد، به ویژه در مهندسی افزایش یافته است.

هزینه هوش مصنوعی مولد

فقط ۳۱ درصد از پاسخ دهندگان به نظرسنجی گزارش دادند که هزینه های هوش مصنوعی مولد بر عملکرد آنها تأثیر می گذارد. این به این معنی است که فرصت قابل توجهی برای روش‌ها و ابزارهای finops برای اطمینان از ارزش هزینه‌های هوش مصنوعی وجود دارد.

این گزارش همچنین نشان می‌دهد که برای مصرف‌کنندگان بزرگ ابری (سالانه ۱۰۰ میلیون دلار یا بیشتر)، هوش مصنوعی در حال حاضر با سرعت بیشتری روی عملکرد finops آنها تأثیر می‌گذارد و از ۳۱٪ به ۴۵٪ افزایش یافته است. سازمان‌هایی که کل هزینه‌های ابری بالاتری دارند، AI/ML را به‌عنوان منبعی از هزینه‌های متغیر به‌سرعت در حال افزایش می‌بینند که باید مدیریت شوند. دفعه بعد که این گزارش را دیدیم روی این تغییر بسیار حساب کنید.