구체적인 개선 평가
작업 단위를 완료하기 위해 워크로드에서 프로비저닝한 리소스를 파악합니다. 잠재적인 개선을 평가하고 그 영향과 구현 비용, 관련 위험을 예측합니다.
시간 경과에 따른 개선 사항을 측정하려면 먼저 AWS에 프로비저닝한 리소스를 파악하고 해당 리소스가 어떻게 사용되는지 파악합니다.
AWS 사용량에 대한 전체 개요부터 AWS 비용 및 사용 보고서를 사용하여 핫스팟을 식별할 수 있습니다. 이 AWS 샘플 코드
프록시 지표
특정 변경 사항을 평가할 때는 해당 변경 사항이 관련 리소스에 미치는 영향을 가장 잘 수량화하는 지표도 평가해야 합니다. 이러한 지표를 프록시 지표라고 합니다. 평가하는 개선 사항의 유형과 개선 대상 리소스를 가장 잘 반영하는 프록시 지표를 선택합니다. 이 지표는 시간 경과에 따라 개선될 수 있습니다.
워크로드를 지원하기 위해 프로비저닝된 리소스에는 컴퓨팅, 스토리지 및 네트워크 리소스가 포함됩니다. 프록시 지표를 사용하여 프로비저닝된 리소스를 평가하여 해당 리소스가 어떻게 소비되는지 확인합니다.
프록시 지표를 사용하여 비즈니스 성과를 달성하기 위해 프로비저닝된 리소스를 측정합니다.
| 리소스 | 프록시 지표 예제 | 개선 목표 |
|---|---|---|
| 컴퓨팅 | vCPU 사용 시간(분) | 프로비저닝된 리소스의 활용률 극대화 |
| 스토리지 | 프로비저닝된 GB | 총 프로비저닝 크기 감소 |
| 네트워크 | 전송된 GB 또는 전송된 패킷 | 총 전송 및 전송 거리 감소 |
비즈니스 지표
비즈니스 성과 달성을 수량화하는 비즈니스 지표를 선택합니다. 비즈니스 지표는 워크로드에서 제공하는 가치(예: 동시 활성 사용자의 수, 처리된 API 직접 호출, 완료된 트랜잭션 수)를 반영해야 합니다. 이 지표는 시간 경과에 따라 개선될 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 기반으로 기준을 설정하여 비교의 기준으로 삼습니다.
| 리소스 | 예제 KPI | 개선 목표 |
|---|---|---|
| 컴퓨팅 | 트랜잭션당 vCPU 사용 시간(분) | 프로비저닝된 리소스의 활용률 극대화 |
| 스토리지 | 트랜잭션당 GB | 총 프로비저닝 크기 감소 |
| 네트워크 | 트랜잭션당 전송된 GB 또는 트랜잭션당 전송된 패킷 | 총 전송 및 전송 거리 감소 |
개선 예측
프로비저닝된 리소스의 양적 감소(프록시 지표로 나타남)와 작업 단위당 프로비저닝된 기준 리소스의 비율 변화로 개선을 예측합니다.
| 리소스 | 예제 KPI | 개선 목표 |
|---|---|---|
| 컴퓨팅 | 트랜잭션당 vCPU 사용 시간(분)의 비율 감소 | 활용률 극대화 |
| 스토리지 | 트랜잭션당 GB 감소 비율 | 총 프로비저닝 크기 감소 |
| 네트워크 | 트랜잭션당 전송된 GB 또는 트랜잭션당 전송된 패킷 감소 비율 | 총 전송 및 전송 거리 감소 |
개선 평가
기대되는 순이익을 기준으로 잠재적인 개선을 평가합니다. 구현 및 유지 관리를 위한 시간, 비용, 노력 수준과 예기치 않은 영향 등의 비즈니스 위험을 평가합니다.
목표 개선 사항은 종종 소비되는 리소스 유형 간의 장단점을 나타냅니다. 예를 들어, 컴퓨팅 소비를 줄이기 위해서는 결과를 저장하거나 전송되는 데이터를 제한하거나 결과를 클라이언트에게 전송하기 전에 데이터를 처리할 수 있습니다. 이러한 장단점은 나중에 자세히 설명합니다.
보안, 신뢰성, 성능 효율성, 비용 최적화, 개선이 워크로드 운영 능력에 미치는 영향 등 워크로드에 대한 위험을 평가할 때 비기능적 요구 사항을 포함합니다.
이 단계를 예제 시나리오에 적용하면 목표 개선 사항을 평가하여 다음과 같은 결과를 얻을 수 있습니다.
| 모범 사례 | 목표 개선 사항 | 잠재력 | 비용 | 위험 |
|---|---|---|---|---|
| 요구 사항을 충족하는 데 필요한 최소한의 하드웨어 사용 | 활용률이 낮은 기간을 줄이기 위해 예측 규모 조정 구현 | 중간 | 낮음 | 낮음 |
| 데이터 액세스 및 스토리지 패턴을 가장 효과적으로 지원하는 기술 사용 | 총 스토리지와 이를 달성하기 위한 시간을 줄이기 위해 더 효과적인 압축 메커니즘 구현 | 높음 | 낮음 | 낮음 |
예측 규모 조정을 구현하면 활용이 저조하거나 사용되지 않는 인스턴스가 소비하는 vCPU 시간을 줄여 소비되는 리소스의 양이 11% 절감되므로 기존의 규모 조정 메커니즘보다 좀 더 나은 이점을 얻을 수 있습니다. 여기에 드는 비용은 적으며 클라우드 리소스 구성과 Amazon EC2 Auto Scaling에 대한 예측 규모 조정 작업을 포함합니다. 수요가 예측을 초과하여 사후 대응적으로 스케일 아웃을 수행할 때 성능이 제한된다는 위험이 있습니다.
더 효과적인 압축을 구현하면 원본 및 수정 이미지의 파일 크기가 크게 줄어들어 큰 효과를 볼 수 있으며, 프로덕션에서 요구되는 스토리지가 25% 절감될 것으로 예측됩니다. 이 새로운 알고리즘을 구현하면 위험은 거의 없으며 노력을 많이 들이지 않는 대안이 될 수 있습니다.
