Well-Architected Framework：金融服务 (FS) 视角中的本文档概述了优化中 FS 工作负载费用的原则和建议。Google Cloud Google Cloud本文档中的建议与 Well-Architected Framework 的 费用优化核心 相一致。
如需对金融服务工作负载进行稳健的费用优化，需要以下基本要素：
- 能够识别浪费性资源利用与价值驱动型资源利用。
- 嵌入式财务责任文化。
如需优化费用，您需要全面了解整个组织的费用驱动因素和资源需求。在一些大型组织（尤其是处于云之旅早期阶段的组织）中，通常由一个团队负责优化大量网域的支出。这种方法假设中心团队最适合发现提高效率的高价值机会。
在云采用的初始阶段或对于非关键工作负载，集中式方法可能会取得一些成功。但是，单个团队无法推动整个组织的费用优化。当资源使用量或监管审查级别提高时，集中式方法就不可持续了。集中式团队面临着可伸缩性方面的挑战，尤其是在处理大量金融产品和服务时。拥有产品和服务的项目团队可能会抵制外部团队所做的更改。
为了实现有效的费用优化，与支出相关的数据必须高度可见，并且靠近工作负载的工程师和其他云用户必须有动力采取行动来优化费用。从组织的角度来看，费用优化面临的挑战是确定应优化哪些方面，确定负责这些方面的工程师，然后说服他们采取所需的优化措施。本文档提供了应对此挑战的建议。
本文档中的费用优化建议与以下核心原则相对应：
使用 Google Cloud 工具识别浪费
Google Cloud 提供了多种产品、工具和功能来帮助您识别浪费。请考虑以下建议。
使用自动化和 AI 系统地识别要优化的内容
Active Assist 可跨多种服务（例如用于微服务的 Cloud Run、 用于数据分析的 BigQuery、 用于核心应用的 Compute Engine以及 用于关系型数据库的 Cloud SQL）提供智能建议。Active Assist 建议是免费提供的，无需您进行任何配置。这些建议可帮助您识别空闲资源和未充分利用的承诺。
通过统一界面集中进行 FinOps 监控和控制
借助 Cloud Billing 报告 和 FinOps 中心，您可以实现全面的费用监控。这种全面的视图对于财务审核员和内部财务团队来说至关重要，有助于他们跟踪云支出、评估财务状况、评估各个业务部门或成本中心的 FinOps 成熟度，并提供一致的财务叙述。
通过分析和丰富支出数据来识别价值
Active Assist 可以有效地识别明显的浪费。但是，确定价值可能更具挑战性，尤其是在工作负载位于不合适的产品上或工作负载与业务价值缺乏明确一致性时。对于 FS 工作负载，业务价值不仅限于降低费用。价值包括降低风险、遵守法规和获得竞争优势。
如需全面了解云支出和价值，您需要从多个层面进行全面了解：支出来自何处、支出推动了哪些业务职能，以及重构或优化相关工作负载的技术可行性。
下图展示了如何应用 数据-信息-知识-智慧 (DIKW) 金字塔 和 Google Cloud 工具来全面了解云费用和 价值。
上图展示了如何使用 DIKW 方法将原始云支出数据提炼为可指导行动的分析洞见和决策，从而推动业务价值。
- 数据：在此层级，您可以收集云资源的原始、未经处理的使用情况
和费用数据流。您的中心 FinOps 团队使用 Cloud Billing 账单、结算数据导出和 Cloud Monitoring 等工具来获取精细的详细数据。例如，一个数据点可能是名为
app1-test-vmA的虚拟机在us-central1区域运行了 730 小时，费用为 70 美元。 - 信息：在此层级，您的中心 FinOps 团队使用 Cloud Billing 报告和 FinOps 中心等工具来构建原始数据，以 帮助回答“人们在哪些类别的资源上花钱？”等问题。例如，您可能会发现，在美国的两个区域，机器类型为 n4-standard-2 的虚拟机总共花费了 1,050 美元。
- 知识：在此层级，您的中心 FinOps 团队会使用有关 谁 花了钱以及
出于 什么目的 的适当业务背景信息来丰富
信息。您可以使用标记、标签、资源层次结构、结算账号和自定义 Looker 信息中心等机制。例如，您可能会确定，美国
app1测试团队在 7 月第二周花费了 650 美元，作为压力测试练习的一部分。 - 智慧：在此层级，您的产品和应用团队使用
情境化知识来评估云支出的业务价值，并
做出明智的战略决策。您的团队可能会回答以下问题：
- 花费在数据分析流水线上的 5,000 美元是否产生了业务价值？
- 我们能否重新设计流水线，使其在不降低性能的情况下更高效？
请考虑以下有关分析云支出数据的建议。
分析提供方提供的（媒体）支出数据 Google Cloud
首先，从导出到 BigQuery 的详细 Cloud Billing 数据以及 Monitoring 日志中提供的数据入手。如需获得可指导行动的分析洞见并做出决策，您需要构建这些数据并使用业务背景信息来丰富这些数据。
通过可用工具直观呈现数据
通过在 BigQuery Export 数据之上使用数据洞察等工具，利用自定义报告来扩充内置 Google Cloud 信息中心。财务团队可以构建自定义信息中心，根据财务指标、监管报告要求和业务单位盈利能力来情境化云支出。然后，他们可以为高管利益相关者提供清晰的财务叙述，以供分析和决策。
分配支出以推动责任的明晰化
了解云支出的驱动因素后，您需要确定谁在花钱以及原因。这种程度的了解需要完善的费用分配实践，这涉及将与业务相关的元数据附加到云资源。例如，如果某个特定资源由 Banking-AppDev 团队使用，您可以将 team=banking_appdev 等标记附加到该资源，以跟踪该团队在该资源上产生的费用。理想情况下，您应将 100% 的云费用分配给支出来源。实际上，您可能会从较低的目标开始，因为构建元数据结构以支持 100% 的费用分配是一项复杂的工作。
请考虑以下建议，以制定元数据策略来支持费用分配：
- 有效性：确保标记有助于识别与业务相关的
关键绩效指标 (KPI) 和监管要求。这种关联对于内部退款、监管报告以及使云支出与业务部门目标保持一致至关重要。例如，以下标记清楚地标识了支出团队、其区域和他们所使用的产品：
team=banking_appdev、region=emea、product=frontend。 - 自动化：如需实现高水平的标记合规性，请通过自动化强制执行 标记。手动标记容易出错且不一致，这在可审核性和财务准确性至关重要的 FS 环境中是不可接受的。自动标记可确保在创建资源时对其进行正确分类。
- 简单性：衡量简单、不相关的因素。FS 环境很复杂。为了确保此类环境中的费用分配规则易于理解和执行，规则必须尽可能简单。避免针对高度特定的（边缘）情况过度设计规则。 复杂的规则可能会导致运营团队感到困惑和抵制。
使用标记定义分配策略后，您需要确定应以何种精细程度实施该策略。所需的精细程度取决于您的业务需求。例如，一些组织可能需要跟踪产品级别的费用，一些组织可能需要每个成本中心的费用数据，而另一些组织可能需要每个环境（开发、预演和生产）的费用数据。
请考虑以下方法，为您的组织实现适当的费用分配精细程度：
- 将 项目层次结构 中 Google Cloud 用作费用分配的自然起点。 项目代表中的政策执行点 Google Cloud。默认情况下，IAM 权限、安全政策和费用归因于项目和文件夹。当您查看从 Cloud Billing 导出的费用数据时，可以查看文件夹层次结构以及与费用数据关联的项目。如果您的 Google Cloud 资源层次结构反映了组织的 支出责任结构，那么这是 实现费用分配的最简单方法。
- 使用 标记 和 标签 来提高精细程度。它们提供了灵活的方式来对结算数据导出中的资源进行分类。标记和标签有助于按应用和环境细分费用。
通常，您可能需要将项目层次结构与标记和标签结合使用，以实现有效的费用分配。无论您选择哪种费用分配方法，请遵循前面介绍的有关制定稳健的元数据策略的建议：验证、自动化和简单性。
推动责任的明晰化并激励工程师采取行动
云 FinOps 团队负责推动组织意识到费用和价值。各个产品团队和工程团队必须采取所需的费用优化措施。这些团队还负责金融服务工作负载的费用行为，并确保其工作负载提供所需的业务价值。
请考虑以下建议，以推动责任的明晰化并激励团队优化费用。
建立集中式 FinOps 团队进行治理
云 FinOps 实践不会自然增长。专门的 FinOps 团队必须通过执行以下操作来定义和建立 FinOps 实践：
- 构建所需流程、工具和指南。
- 制定、传达和执行必要的政策，例如强制标记、预算审核和优化流程。
- 鼓励工程团队对费用负责。
- 在工程团队不承担费用责任时进行干预。
获得高管支持和授权
包括 CTO、CFO 和 CIO 在内的高级领导层必须积极倡导在整个组织范围内转向 FinOps 文化。他们的支持对于优先考虑费用责任、为 FinOps 计划分配资源、确保跨职能参与以及推动遵守 FinOps 要求至关重要。
激励团队优化费用
工程师和工程团队可能没有自行专注于费用优化的动力。通过实施以下激励措施，将团队和个人目标与成本效益保持一致非常重要：
- 将费用优化节省的一部分重新投资于实现优化的团队。
- 公开认可和表彰费用优化工作和成功。
- 使用游戏化技术奖励有效优化费用的团队。
- 将效率指标纳入绩效目标。
实施 showback 和 chargeback 技术
确保团队清楚了解他们拥有的云资源和费用。将财务责任分配给团队中的相应人员。使用正式机制强制执行严格的标记，并实施透明的规则来分配共享费用。
专注于价值和 TCO，而不是费用
在评估云解决方案时，请考虑长期总拥有成本 (TCO)。例如，自行托管应用的数据库似乎比使用 Cloud SQL等托管式数据库服务便宜。但是，如需评估长期价值和 TCO，您必须考虑与自行托管数据库相关的隐性费用。此类费用包括用于修补、伸缩、安全强化和灾难恢复的专用工程工作，这些都是 FS 工作负载的关键要求。托管式服务可提供显著更高的长期价值，从而抵消基础架构费用。托管式服务提供强大的合规性功能，具有内置的可靠性功能，有助于降低运营开销。
请考虑以下建议，以专注于价值和 TCO。
使用特定于产品的技术和工具进行资源优化
利用产品提供的费用优化工具和功能，例如： Google Cloud
- Compute Engine： 自动扩缩、 自定义机器类型、 和 Spot 虚拟机
- GKE: 集群自动扩缩器 和 节点自动预配
- Cloud Storage: 对象生命周期管理 和 Autoclass
- BigQuery： 基于容量的价格 和 费用优化技术
- Google Cloud VMware Engine：承诺使用折扣 (CUD)、优化 存储和其他 费用优化策略
享受超值折扣优惠
通过使用 Google 提供的折扣，确保云资源的结算费率尽可能低。各个产品团队和工程团队通常负责管理资源优化。中心 FinOps 团队负责优化结算费率，因为他们可以了解整个组织的资源需求。因此，他们可以汇总需求并最大限度地利用基于承诺的折扣。
您可以利用以下类型的 Google Cloud 资源折扣：
- 企业折扣是根据您的 组织承诺以较低的结算费率支付最低总支出的协商折扣。 Google Cloud
- 基于资源的 CUD 用于换取承诺在 一年或三年内使用最低数量的 Compute Engine 资源。 基于资源的 CUD 适用于特定区域的资源。对于大多数 Cloud Billing 账号， Google Cloud 系统会启用 基于资源的 CUD 共享 并在与该账号关联的所有项目中共享 CUD。
- 基于支出的 CUD 用于换取承诺在 一年或三年内为特定产品支付最低金额。 基于支出的折扣适用于结算账号级别。折扣按区域或全球应用，具体取决于产品。
通过在企业折扣的基础上使用 CUD，您可以节省大量费用。
除了 CUD 之外，还可以使用以下方法来降低结算费率：
- 将 Spot 虚拟机 用于容错型和灵活型工作负载。Spot 虚拟机比普通虚拟机的费用便宜 80% 以上。
- BigQuery 提供多种价格模式，包括 按需价格 和 基于版本的价格 ，后者基于承诺和自动扩缩要求。如果您使用大量 BigQuery 资源，请选择合适的版本，以降低分析工作负载的每个槽的费用。
- 仔细评估您需要使用的服务的可用 Google Cloud 区域 。选择符合您的费用目标以及延迟时间和合规性要求等因素的区域。如需了解费用、可持续性和延迟时间之间的 权衡，请使用 Google Cloud 区域选择器。