云上的消费你真的算清楚了?

简介: 上云的ROI如何?钱都花到哪里去了?如何做预算?怎么样能够更省钱?这些问题反映了企业上云的一系列和成本相关的三大诉求:成本可视化、消费可预测、成本优化。其中,成本可视化,即把账算清楚,是基础中的基础。

ttyacxbd.jpg

我们在淘宝上买东西的时候都会看看商品的价格、优惠券,去算清楚我们购买这个东西到底花了多少钱。企业采购更是如此,每一笔钱用在什么地方,必须要记录的清清楚楚。

——上云的ROI如何?钱都花到哪里去了?
——如何做预算?
——怎么样能够更省钱?

这些问题反映了企业上云的一系列和成本相关的三大诉求:成本可视化、消费可预测、成本优化。其中,成本可视化,即把账算清楚,是基础中的基础。

今天我们就来看看如何在云上把账算清楚!

云上成本分摊如何定义?

除了从成本上了解云上的消费外,企业还需要更细粒度的了解钱是怎么花的。这个是我们通常所说的分账。分账能够帮助企业把云上的支出进行拆分,按照应用、项目、部门等维度透视。这样一来企业就知道每一个项目ROI如何。

企业上云的步伐是循序渐进的,大部分是一个BU先上,独立进行管理。这个时候还没有分账的需求,因为每一个BU是独立结算的。当企业规模化上云之后,用云团队和云上支出开始增加。管理模式也从分散式的管理转变为由Cloud governance团队(或者中心运维团队)集中管理,进行统一的支付和成本分摊。

企业中的分账大体分为两种模式:

Showback: 把账按部门算出来,给CFO和部门高层看一看,通常没有预算、独立核算的要求。互联网企业很多采用这一模式。

Chargeback:把账按部门算出来,除了review之外,各个BU独立的进行IT成本计费和预算管理。采用这种模式的很多是传统企业和MNC。

Chargeback的管理方式更加成熟,帮助IT部门从成本中心转型成能力中心。

云上分账遇到什么问题?

既然showback和chargeback都是标准做法,为什么上云后这个问题变得突出了?在传统自建数据中心的模式下,IT基础设施的采购严格按照企业的财务预算流程、采购流程和交付流程执行,其成本按团队或项目可以被很好的管理。企业上云之后,完全打破了这个体系,有几个凸显的大问题:

Q1:云上商品种类纷杂,形态各异

云厂商是一个超级供应商,什么都卖,面对上百的产品类目、上千的商品类目、上万的SKU和计费项,不知所措是一个自然的状态。除了标准的虚拟机,大部分商品对于客户都是新事物,而对于新事物,分账不是大家最开始会考虑的问题。

Q2:云厂商对于标签分账的支持都有发展的过程

除了微软Azure第一天支持标签外,AWS的标签也是从几款到2018年的几十款,再到2020年的上百款。在这个过程中,非常多的资源无法进行打标签,到现在也是一样。在阿里云这个情况更加突出,到2020年9月我们的标签分账才支持到28款云产品,而在2020年4月份这个数字是3。所以,我们的客户重度使用标签的为数不多。

Q3:IT治理体系的缺乏

IT部门需要标签,但是在云上打标签的是各BU的DevOps团队,如果一个企业缺乏Cloud governance的流程,程序员们是不会自己打标签的。

企业要分账,应该怎么做?

A:Leadership review流程的建立

分账的机制能够执行必须依靠Leadership review的支持,让成本核算作为月度或者季度业务复盘的一部分。只有自上而下,才能保证其他流程的有序开展。

B:账号维度进行分账

目前很多企业上云都选择基于资源目录管理的多账号模式。这种模式下,在Applications的目录下,每一个Application就是独立的账号。因此这个账号下的所有费用可以全部的计入这个部门的成本。对于多账号,我们推荐企业使用阿里云开放平台即将推出的集团企业IT治理样板间,样板间中我们对于Account的命名方式和Folder的组织都有很好的最佳实践。

1111111111111111111111111111.png

C:标签维度分账 - 独享型资源型

对于多个部门共享的账号,则需要通过标签的方式去区分资源的用途。 在这个过程中,运维团队负责标签的职能和执行方式有所区分:

(1)高度自动化的企业会把标签的部分做到服务传输的流程中,保证所有的资源尽可能的打上标签;
(2)运维开发能力较弱的企业则会选择手动在控制台打标签或者使用MSP外包这部分的工作。

无论何种方式,当标签被打好后,标签就会从资源管理的系统流转到费用中心的账单中。通过Excel或者其他BI工具,用户就可以看到费用和部门的关系(阿里云的财务单元可以和标签进行关联,并同时出现在账单中)。

对于不能打标签资源或者没有打标签的资源,需要定期的进行review(可以使用config中提供的require-tag模版进行这一操作)。如果资源应该打标签而没有打,尽快补齐;如果资源打不了标签,去给阿里云提需求。通过这样手段,让这部无法通过Tag分账的分费用控制在10%以下。

2222222222222222222222222222222.png

最终,在标签分账这部分,你可以给企业的CFO一个较为准确的成本分摊,以及汇报分不出来的部分作为follow up action。具体的操作可以参考Tag分账最佳实践

D:共享型资源的分账

对于许多共享性的资源,例如CEN,NAT网关,流量包,预付实例券(RI)预付款,support plan,云厂商没有提供更细粒度的分账方案。目前通常的做法是按照一个商议好的固定比例来进行分摊。

如果需要更精准分摊的能力,则需要进行更多的计算,例如:

流量型产品:网络流量去分摊各个虚拟机的费用给部门。

预付实例券(RI):RI通常也是IT集中采购,进行内部的成本优化。通常来说RI都不会过量购买,例如去优化60%~80%的固定成本。由于RI的匹配存在一定的随机性,在账单中会存在局部“不公平”的现象,在拆分这一部分成本的时候会有一个更复杂的公式,考虑到RI是整体优化方案的这一特性,RI的规格以及各部门使用该规格虚拟机的情况。

容器应用:容器服务集群通常在应用层由多个应用公用,而费用计算是在基础的IaaS资源维度,利用https://kubecost.com/ 可以进一步按应用来分摊成本。

您的企业在云上的账算清了吗?欢迎和我们咨询和交流~

更多企业IT治理样板间内容
请立即扫码观看

专场回放二维码.png

相关文章
|
8月前
|
SQL 人工智能 自然语言处理
阿里云 CIO 蒋林泉:AI 大模型时代,我们如何用 RIDE 实现 RaaS 的首次落地?
本文整理自阿里云智能集团 CIO 蒋林泉在 AICon 2025 深圳的演讲,分享了阿里云在大模型应用落地中的实践经验。通过多个数字人项目案例,探讨了企业在 AI 应用中的组织转型、业务识别、产品定义与工程落地等关键环节,并提出了 RIDE 方法论(重组、识别、定义、执行),助力企业实现 AI 有效落地。
|
8月前
|
存储 人工智能 运维
从“看得见”到“能决策”:Operation Intelligence 重构企业智能运维新范式
从 Observability 到 Operation Intelligence,日志服务 SLS 与云监控 2.0 协力之下,为企业打造高效、稳定、智能运营的数字化中枢,让复杂系统变得可视、可管、可优。
|
9月前
|
缓存 JavaScript 前端开发
《代码沙盒深度实战:iframe安全隔离与实时双向通信的架构设计与落地策略》
本文聚焦代码沙盒网站(类似CodePen)的核心技术难点,深度拆解前端领域的iframe安全隔离与实时双向通信实现方案。首先讲解基于“最小权限原则”的iframe沙箱配置与环境净化,结合CSP形成双重安全防护;再详解postMessage API的标准化协议设计、身份验证与消息可靠性保障,解决隔离环境下的通信难题。还涵盖代码有序执行、增量更新、Web Worker优化,以及错误捕获、恶意行为监测等稳定性策略,同时从资源加载、通信链路、iframe池机制做性能优化,并结合编辑、反馈、扩展体验设计落地。为前端开发者提供从架构到实践的完整沙盒开发指南,助力平衡安全与用户体验。
409 27
|
8月前
|
数据采集 人工智能 文字识别
《法务RAG开发不踩坑:Kiln+LlamaIndex+Helicone的协同方法指南》
本文记录企业级法务知识库RAG系统的多AI协同开发实战:面对2万份格式混杂、含15%模糊扫描件的法律文档,14天交付需3秒响应精准查询的系统,构建Kiln AI、LlamaIndex、Helicone协同矩阵。Kiln AI完成数据清洗(有效信息密度提至85%)、合成训练样本及模型微调,使专业术语识别准确率达92%;LlamaIndex搭建三层检索架构,融合语义与关键词检索,匹配错误率降至5%,响应时间缩至2.1秒;Helicone优化提示词与推理监控,输出规范率达97%。
496 3
|
8月前
|
JSON 前端开发 API
汽车配件:使用VIN码查询API精准匹配车型配件,提升用户信任
VIN码是汽车的唯一“身份证”,通过API可精准解析车型信息,实现配件99.5%以上匹配度。本文详解VIN码API的工作流程、技术实现与信任提升价值,助力汽配销售从经验判断迈向数据驱动,降低退货率,提升用户体验与复购。
1027 0
|
10月前
|
网络协议 Linux 定位技术
快手怎么改IP归属地
快手APP通过基站定位、Wi-Fi指纹和IP地址三重机制判定用户归属地
基于级联H桥的多电平逆变器PWM控制策略的simulink建模与仿真
级联H桥(CHB)多电平逆变器通过多个H桥单元级联实现高电压和高质量输出波形,广泛应用于风力发电、光伏并网等高压大功率领域。每个H桥包含两个开关管,级联后输出电压电平数为2N+1,采用空间矢量脉宽调制(SVPWM)控制策略,通过合理切换开关器件生成所需的正弦波形。系统仿真基于MATLAB2022a。
|
安全 前端开发 Android开发
移动应用开发的未来:跨平台框架与性能优化
随着移动设备的普及和移动应用市场的不断壮大,开发者们面临着如何在众多移动操作系统中高效开发和维护应用的挑战。本文将深入探讨跨平台框架在移动应用开发中的重要作用,分析其对提高开发效率和降低成本的贡献。同时,文章还将讨论如何通过性能优化技术提升应用的用户体验,确保在不同平台上的流畅运行。通过对最新技术和工具的介绍,本文旨在为移动应用开发者提供实用的指导和建议,帮助他们在竞争激烈的市场中脱颖而出。
333 27
|
数据采集 监控 数据可视化
如何进行数据分析
如何进行数据分析
1085 2
|
机器学习/深度学习 人工智能 算法
【AI 场景】在自主武器中使用人工智能的伦理影响
【5月更文挑战第4天】【AI 场景】在自主武器中使用人工智能的伦理影响
【AI 场景】在自主武器中使用人工智能的伦理影响