Оптимизация затрат на облачные базы данных: сравнение RDS, Cloud SQL и Cosmos DB

Вычисления просты, в отличие от затрат на базы данных, которые имеют сложные, специфичные для платформы модели ценообразования со скрытыми множителями и различными рычагами оптимизации. Многие команды сосредотачиваются на правильном подборе размеров экземпляров, но структурные проблемы, такие как ненужный Multi-AZ, постоянно включенные непромышленные базы данных и не уменьшаемое хранилище, часто приносят большую экономию. В этой статье подробно рассматриваются стратегии экономии затрат для Amazon RDS, Google Cloud SQL и Azure Cosmos DB. Для RDS часы работы экземпляров доминируют в затратах, поэтому планирование работы непромышленных экземпляров только в рабочее время и отключение Multi-AZ для этих сред являются эффективной немедленной экономией. Миграция хранилища gp2 на gp3 помогает правильно подобрать размер хранилища и IOPS независимо, в то время как покупка зарезервированных экземпляров предлагает существенную экономию для стабильных производственных баз данных. Google Cloud SQL выигрывает от скидок на использование, которые автоматически применяются ко всем ресурсам при обязательствах на 1 или 3 года. Существует значительная "ловушка автоматического увеличения хранилища", когда хранилище автоматически увеличивается, но никогда не уменьшается, что требует ручного воссоздания экземпляров для уменьшения выделенного хранилища. Оптимизация запросов и управление индексами также могут уменьшить требуемые размеры экземпляров. Cosmos DB взимает плату за единицы запросов в секунду (RU/s), а не за экземпляры, при этом его три режима ценообразования (Manual, Autoscale, Serverless) представляют собой распространенную ловушку затрат. Режим Serverless часто является наиболее экономичным для непромышленных сред из-за его модели оплаты по факту использования. Множитель записи в нескольких регионах значительно увеличивает затраты на RU, часто без необходимости, когда один регион записи с репликами для чтения может достичь аналогичных целей по задержке по значительно меньшей цене. Универсальным выигрышем на всех платформах является планирование остановки непромышленных баз данных, когда они не используются, автоматизация процесса, чтобы избежать ручного контроля. Это простое операционное изменение может привести к существенной ежемесячной и годовой экономии без каких-либо архитектурных изменений. Приоритеты оптимизации включают планирование непромышленных экземпляров и отключение ненужной высокой доступности в непромышленных системах, поскольку они обеспечивают наибольшее влияние при наименьшем риске и усилиях на всех платформах. Последующие шаги включают миграцию хранилища (RDS), скидки на использование (Cloud SQL) и переключение на безсерверные или однорегиональные записи (Cosmos DB). Оптимизация затрат на базы данных должна быть непрерывным процессом с ежеквартальными обзорами, по мере развития рабочих нагрузок и добавления новых сред, обеспечивая устойчивую экономию.