AWS Cost Anomaly Detection
Automatisierte Erkennung von Kostenanomalien und Ursachenanalyse
Einfache Einrichtung in 3 Schritten zur Bewertung von Ausgabenanomalien für alle AWS-Services einzeln, für Mitgliedskonten, Kostenzuweisungs-Tags oder Cost Categories.
Erhalten Sie detaillierte Informationen, um Ihre Kostentreiber basierend auf saisonalen Mustern (z. B. wöchentlich) besser zu verstehen, um Fehlalarme zu minimieren.
Definieren Sie benutzerdefinierte Schwellenwerte für Anomalien und erhalten Sie Warnungen, entweder einzeln oder in einem täglichen oder wöchentlichen Rhythmus.
Visualisieren Sie schnell tägliche Kostentrends im AWS Cost Explorer, die automatisch nach den wichtigsten Kosten gefiltert werden.
Reduzieren Sie Kostenüberraschungen und verbessern Sie die Kontrolle, ohne die Innovation zu bremsen – mit AWS Cost Anomaly Detection. AWS Cost Anomaly Detection nutzt fortschrittliche Technologien des Machine Learnings, um anormale Ausgaben und deren Ursachen zu identifizieren, damit Sie schnell handeln können. In drei einfachen Schritten können Sie Ihren eigenen kontextualisierten Monitor erstellen und Warnmeldungen erhalten, wenn anormale Ausgaben entdeckt werden. Lassen Sie Entwickler entwickeln und lassen Sie AWS Cost Anomaly Detection Ihre Ausgaben überwachen und das Risiko von Überraschungen bei der Abrechnung verringern.
Beginnen Sie mit der Erstellung von AWS Cost Anomaly Detection über die AWS-Cost-Explorer-API oder direkt in der Kostenmanagementkonsole. Sobald Sie Ihre Überwachungs- und Warneinstellungen festgelegt haben, benachrichtigt AWS Sie mit individuellen Warnmeldungen oder täglichen oder wöchentlichen Zusammenfassungen über Amazon Simple Notification Service (Amazon SNS) oder E-Mails. Sie können auch Ihre eigene Anomalieanalyse in AWS Cost Explorer überwachen und durchführen.
Funktionsweise
Vorteile
Ein Kinderspiel
Einfache Einrichtung in 3 Schritten zur Bewertung von Ausgabenanomalien für alle AWS-Services einzeln, für Mitgliedskonten, Kostenzuordnungs-Tags oder Kostenkategorien.
Automatisierte Ursachenanalyse
Sparen Sie Zeit bei der Untersuchung von Ausgabenanomalien, indem Sie eine automatisierte Ursachenanalyse erhalten, die potenzielle Kostentreiber wie Nutzungstyp (z. B. Datenübertragungskosten), spezifischen AWS-Service, Region und Mitgliedskonto(en) aufzeigt.
Weniger unerwartet hohe Rechnungen dank Warnmeldungen
Bleiben Sie durch automatische Erkennungswarnungen per E-Mail oder Amazon-SNS-Thema in der von Ihnen gewünschten Häufigkeit (individuelle Warnmeldungen, tägliche Zusammenfassung oder wöchentliche Zusammenfassung) über Ausgabenanomalien informiert. Mit Amazon-SNS-Themen können Sie Warnungen an Ihren Slack-Kanal oder Amazon-Chime-Chatroom senden, um die Zusammenarbeit und die zeitnahe Lösung von Warnungen zu unterstützen.
Funktionsweise
Die ersten Schritte mit AWS Cost Anomaly Detection sind ganz einfach. Sie legen die Ausgabensegmente fest, die Sie auswerten möchten, z. B. einzelne AWS-Services, Mitgliedskonten, Kostenzuordnungs-Tags, Kostenkategorien, und definieren Ihre Warneinstellungen. Anomaly Detection bestimmt automatisch jeden Tag Schwellenwerte, indem es das organische Wachstum und saisonale Trends berücksichtigt (z. B. Nutzungsanstieg von Sonntag auf Montag oder erhöhte Ausgaben zu Beginn des Monats).
Schritt 1: Kostenüberwachung erstellen
Der Prozess zur Erstellung einer Kostenüberwachung ermöglicht es Ihnen, Ausgabensegmente zu erstellen und Ausgabenanomalien auf einer bevorzugten granularen Ebene zu bewerten. Zum Beispiel: ein einzelnes verknüpftes Konto, ein einzelner Kostenkategoriewert oder ein einzelnes Kostenzuordnungs-Tag.
Schritt 2: Warnungsabonnement einrichten
Sobald Sie Ihre Kostenüberwachung eingerichtet haben, können Sie Ihre Warnungspräferenz wählen, indem Sie einen USD-Schwellenwert festlegen (z. B. nur Warnung bei Anomalien mit Auswirkungen von mehr als 1 000 USD). Sie brauchen keine Anomalie zu definieren (z. B. prozentuale oder USD-Zunahme), da Anomaly Detection dies automatisch für Sie erledigt und sich im Laufe der Zeit anpasst.
Schritt 3: Fertig
Sobald die Kostenüberwachung und Warnmeldungen eingerichtet sind, sind Sie startklar! Anomaly Detection beginnt innerhalb von 24 Stunden zu arbeiten, und Sie werden benachrichtigt, wenn eine Anomalie Ihre Warnschwelle erreicht. Sie können Ihr Dashboard von Anomaly Detection ansehen, um die Aktivitäten zu überwachen, einschließlich der entdeckten Anomalien, die unterhalb Ihrer Warnschwelle liegen.
Anwendungsfälle
Weniger unerwartet hohe Rechnungen
Bleiben Sie durch automatische Erkennungswarnungen per E-Mail oder Amazon-SNS-Thema in der von Ihnen gewünschten Häufigkeit über Ausgabenanomalien informiert. Mit Amazon-SNS-Themen können Sie Warnungen an Ihren Slack-Kanal oder Amazon-Chime-Chatroom senden, um die Zusammenarbeit und die zeitnahe Lösung von Warnungen zu unterstützen.
Warnungsabonnement einrichten
Sobald Sie Ihre Kostenüberwachung eingerichtet haben, können Sie Ihre Warnungspräferenz wählen, indem Sie einen USD-Schwellenwert festlegen (z. B. nur Warnung bei Anomalien mit Auswirkungen von mehr als 1 000 USD). Sie brauchen keine Anomalie zu definieren (z. B. prozentuale oder USD-Zunahme), da Anomaly Detection dies automatisch für Sie erledigt und sich im Laufe der Zeit anpasst.
Warnungen erhalten
Sobald die Kostenüberwachung und Warnmeldungen eingerichtet sind, sind Sie startklar! Anomaly Detection beginnt innerhalb von 24 Stunden zu arbeiten, und Sie werden benachrichtigt, wenn eine Anomalie Ihre Warnschwelle erreicht. Sie können Ihr Dashboard von Anomaly Detection ansehen, um die Aktivitäten zu überwachen, einschließlich der entdeckten Anomalien, die unterhalb Ihrer Warnschwelle liegen.
Die 4 wichtigsten Dinge, die Sie wissen müssen
VIDEO
BLOG
INFOGRAFIK
BLOG
Erste Schritte
Heute starten
Erhalten Sie Warnungen zu Kostenanomalien und eine Ursachenanalyse durch Machine Learning.
Erfahren Sie etwas über die Funktionsweise
Entdecken Sie, wie AWS Cost Anomaly Detection Ihnen helfen kann, ungewöhnliche Ausgaben zu erkennen.
Detaillierte Informationen
Machen Sie die ersten Schritte mit unseren Anleitungen zu AWS Costa Anomaly Detection.