구체적인 개선 평가
작업 단위를 완료하기 위해 워크로드에서 프로비저닝한 리소스를 파악합니다. 잠재적인 개선 사항을 평가하고 그 영향과 구현 비용, 관련 위험을 예측합니다.
시간 경과에 따른 개선 사항을 측정하려면 먼저 AWS에 프로비저닝한 리소스를 파악하고 그 리소스가 어떻게 사용되는지 파악합니다.
AWS 사용량 전체를 개략적으로 살펴보고 AWS Cost and Usage Report를 사용하여 핫 스팟을 파악합니다. 이
AWS 샘플 코드를
프록시 지표
특정 변경 사항을 평가할 때는 해당 변경 사항이 관련 리소스에 미치는 영향을 가장 잘 수량화하는 지표도 평가해야 합니다. 이런 지표를 프록시 지표라고 합니다. 평가하는 개선 사항의 유형과 개선 대상 리소스를 가장 잘 반영하는 프록시 지표를 선택합니다. 이 지표는 시간 경과에 따라 변경될 수 있습니다.
워크로드를 지원하기 위해 프로비저닝되는 리소스에는 컴퓨팅, 스토리지, 네트워크 리소스가 있습니다. 프로비저닝된 리소스를 프록시 지표로 평가하여 리소스가 어떻게 사용되는지 살펴봅니다.
비즈니스 성과를 달성하기 위해 프로비저닝된 리소스를 프록시 지표를 사용하여 측정합니다.
| 리소스 | 프록시 지표 예시 | 개선 목표 |
|---|---|---|
| 컴퓨팅 | vCPU 분 | 프로비저닝된 리소스의 활용률 극대화 |
| 스토리지 | 프로비저닝된 GB | 총 프로비저닝된 양 절감 |
| 네트워크 | 전송된 GB 또는 전송된 패킷 | 총 전송된 양 절감 및 전송된 거리 단축 |
비즈니스 지표
비즈니스 성과 달성을 수량화하는 비즈니스 지표를 선택합니다. 비즈니스 지표는 워크로드에서 제공하는 가치(예: 동시 액티브 사용자의 수, 처리된 API 호출, 완료된 트랜잭션 수)를 반영해야 합니다. 이 지표는 시간 경과에 따라 변경될 수 있습니다. 재무 관련 비즈니스 지표를 평가할 때는 트랜잭션 값의 비일관성으로 인해 비교가 무의미해질 수 있으니 주의하시기 바랍니다.
핵심 성과 지표
다음 공식으로 프로비저닝된 리소스를 달성한 비즈니스 성과로 나누어 작업 단위당 프로비저닝된 리소스를 파악합니다.
KPI 공식
작업 단위당 리소스를 KPI로 사용합니다. 프로비저닝된 리소스를 비교의 근거로 삼아 기준을 정합니다.
| 리소스 | KPI 예시 | 개선 목표 |
|---|---|---|
| 컴퓨팅 | 트랜잭션당 vCPU 분 | 프로비저닝된 리소스의 활용률 극대화 |
| 스토리지 | 트랜잭션당 GB | 총 프로비저닝된 양 절감 |
| 네트워크 | 트랜잭션당 전송된 GB 또는 트랜잭션당 전송된 패킷 | 총 전송된 양 절감 및 전송된 거리 단축 |
개선 예측
프로비저닝된 리소스의 수량 감소(프록시 지표로 나타남)와 작업 단위당 프로비저닝된 기준 리소스의 비율 변화로 개선을 예측합니다.
| 리소스 | KPI 예시 | 개선 목표 |
|---|---|---|
| 컴퓨팅 | 트랜잭션당 vCPU 절감률(%) | 활용률 극대화 |
| 스토리지 | 트랜잭션당 GB 절감률(%) | 총 프로비저닝된 양 절감 |
| 네트워크 | 트랜잭션당 전송된 GB 또는 트랜잭션당 전송된 패킷 절감률(%) | 총 전송된 양 절감 및 전송된 거리 단축 |
개선 평가
기대되는 순이익을 기준으로 잠재적인 개선을 평가합니다. 구현 및 유지 관리를 위한 시간, 비용, 노력 수준과 예기치 않은 영향 등의 비즈니스 위험을 평가합니다.
대상이 분명한 개선에는 사용되는 리소스의 유형 간에 상충되는 부분이 있는 경우가 많습니다. 예를 들어, 컴퓨팅 소비를 줄이기 위해서는 결과를 저장하거나 전송되는 데이터를 제한하거나 결과를 클라이언트에게 전송하기 전에 데이터를 처리할 수 있습니다. 그러나 이러한 상충 관계는 향후에 자세히 논의합니다.
워크로드에 대한 위험을 평가할 때는 보안, 안정성, 성능 효율성, 비용 최적화, 워크로드 운영 역량에 대한 개선이 미치는 영향 등 기능과 관련이 없는 요구 사항을 포함합니다.
이 단계를 다음에 적용합니다. 시나리오 예다음 결과와 함께 대상 개선 사항을 평가합니다.
| 모범 사례 | 대상 개선 사항 | 잠재적 | 비용 | 위험 |
|---|---|---|---|---|
| 요구 사항을 충족하는 데 필요한 최소한의 하드웨어 사용 | 활용률이 저조한 기간을 줄이기 위해 예측 크기 조정 구현 | 보통 | 낮음 | 낮음 |
| 조직의 데이터 액세스 및 스토리지 패턴을 가장 잘 지원하는 기술 사용 | 총 스토리지와 이를 달성하기 위한 시간을 줄이기 위해 더 효과적인 압축 메커니즘 구현 | 높음 | 낮음 | 낮음 |
예측 스케줄링을 구현하면 활용이 저조하거나 사용되지 않는 인스턴스가 소비하는 vCPU 시간을 줄여 소비되는 리소스의 양이 11% 절감되므로 기존의 크기 조정 메커니즘보다 좀 더 나은 이점을 얻을 수 있습니다. 여기에 드는 비용은 적으며 클라우드 리소스 구성과 Amazon EC2 Auto Scaling에 대한 예측 크기 조정 작업이 필요합니다. 요구가 예측을 초과하여 사후 대응적으로 스케일 아웃을 수행할 때 성능이 제한된다는 위험이 있습니다.
더 효과적인 압축을 구현하면 원본 및 수정 이미지의 파일 크기가 크게 줄어들어 영향이 아주 크며 프로덕션에서 요구되는 스토리지가 25% 절감될 것으로 예측됩니다. 이 새로운 알고리즘을 구현하면 위험은 거의 없으며 노력을 많이 들이지 않고 대체할 수 있습니다.
