ในตัวอย่างนี้ คุณกำลังติดตามตรวจสอบ 1 คลัสเตอร์ Kubernetes ที่มี 10 โหนดและมีตัวชี้วัด Prometheus 1,000 รายการต่อโหนด ซึ่งเก็บรวบรวมทุก 30 วินาทีตลอดเดือน (744 ชั่วโมง) ตัวอย่างนี้ไม่ได้คำนึงถึงสิทธิประโยชน์ AWS Free Tier ของคุณ โดยจะคำนวณการใช้งานและค่าใช้จ่ายต่อไปนี้ 1) การนําเข้าตัวอย่างตัวชี้วัด 2) การจัดเก็บ และ 3) การสืบค้น

การใช้งานและค่าใช้จ่ายในการนำเข้าตัวอย่างตัวชี้วัด
ขั้นตอนแรก เราจะคำนวณจำนวนตัวอย่างตัวชี้วัดที่นำเข้าและค่าใช้จ่ายสำหรับตัวอย่างเหล่านี้ จำนวนตัวอย่างที่นำเข้ารายเดือนคือ 892.8 ล้านตัวอย่าง (10 โหนด * 1,000 ตัวชี้วัดต่อโหนด / ช่วงเวลาเก็บรวบรวม 30 วินาที * 3,600 วินาทีในหนึ่งชั่วโมง * 744 ชั่วโมงในหนึ่งเดือน = 10 * 1000/30 * 3,600 * 744 = 892.8 ล้านตัวอย่าง)

ค่าใช้จ่ายตัวชี้วัดที่นำเข้ารายเดือนคือ 80.93 USD (0.90 USD/10,000,000 สำหรับ 2 พันล้านตัวอย่างตัวชี้วัดแรก * 892.8 ล้านตัวอย่าง)

การใช้งานและค่าใช้จ่ายของพื้นที่เก็บข้อมูล
ขั้นตอนที่สอง เราจะคำนวณพื้นที่เก็บข้อมูลเป็น GB และค่าใช้จ่ายสำหรับตัวอย่างตัวชี้วัดและข้อมูลเมตาตัวชี้วัดที่จัดเก็บ สำหรับตัวอย่างนี้ เราจะสมมติว่าคุณมีตัวแปร 20 รายการต่อตัวชี้วัด และมีตัวแปรที่ไม่ซ้ำ 100 รายการต่อตัวแปร ข้อมูลเมตา ได้แก่ ชื่อ ตัวแปร และค่าตัวแปรของตัวชี้วัดจะถูกจัดเก็บทุกวัน เรายังถือว่าค่าเฉลี่ย 30 ไบต์ต่อตัวแปรและค่าตัวแปร และ 2 ไบต์ต่อตัวอย่างตัวชี้วัดที่นำเข้า

พื้นที่เก็บข้อมูลรายเดือนคือ 0.25 GB (ข้อมูลเมตาตัวชี้วัด * # จำนวนวันต่อเดือน) + (2 ไบต์ * จำนวนตัวอย่างตัวชี้วัด = (1,000 ตัวชี้วัด * 20 ตัวแปร * 100 ค่าตัวแปร * 30 ไบต์ * ~30 วันต่อเดือน) + (2 ไบต์ * 892.8 ล้านตัวอย่าง) = 1,800 ล้านไบต์ + 1,785.6 ล้านไบต์ = 3,585.6 ล้านไบต์ = 3.34 GB)

ค่าบริการพื้นที่เก็บข้อมูลคือ 0.10 USD (0.03 USD/GB * 3.34 GB)

การใช้งานและค่าใช้จ่ายในการสืบค้น
ตอนนี้เราจะคํานวณตัวอย่างการสืบค้นที่ประมวลผลและค่าใช้จ่ายในการสืบค้นสําหรับตัวอย่างนี้ เราจะสมมติว่าคุณติดตามตรวจสอบแดชบอร์ดของผู้ใช้ปลายทาง 1 รายโดยเฉลี่ย 2 ชั่วโมงต่อวัน รีเฟรชทุก 60 วินาที และมี 20 วิดเจ็ตแผนภูมิต่อแดชบอร์ด (สมมติว่ามี 1 การสืบค้น PromQL ต่อวิดเจ็ต) เราจะสมมติตัวอย่างนี้ว่า ตัวอย่างที่ประมวลผลต่อการสืบค้นคือ 100,000

ขั้นตอนแรก ให้เริ่มต้นด้วยการคํานวณจํานวนการสืบค้นต่อเดือน ซึ่งเท่ากับ 72,000 การสืบค้น (1 ผู้ใช้ปลายทาง * 20 แผนภูมิ * การดูแดชบอร์ด 2 ชั่วโมง * 3,600 วินาทีต่อชั่วโมง / 60 วินาทีต่อการรีเฟรชแดชบอร์ด * ~30 วันต่อเดือน)

ขั้นตอนที่สอง เราคํานวณตัวอย่างการสืบค้นที่ประมวลผลต่อเดือนซึ่งเท่ากับ 7.2 พันล้าน (72,000 การสืบค้น * 100,000 / การสืบค้น)

ตอนนี้เราสามารถคํานวณค่าบริการการสืบค้นได้เท่ากับ 0.72 USD (0.10 USD/พันล้านตัวอย่างที่ประมวลผล * 7.2 พันล้านตัวอย่างที่ประมวลผล)

ตอนนี้เราสามารถคำนวณค่าใช้จ่ายรายเดือนของคุณสำหรับตัวอย่างนี้:

• ต้นทุนการนำเข้าตัวชี้วัด: 80.93 USD (0.90 USD/10 ล้าน * 892.8 ล้านตัวอย่าง)
  
• ค่าใช้จ่ายพื้นที่เก็บข้อมูล: 0.10 USD (0.03 USD/GB * 3.34 GB)
• ค่าใช้จ่ายในการสืบค้น: 0.72 USD (0.10 USD/พันล้านตัวอย่างที่ประมวลผล * 7.2 พันล้านตัวอย่างที่ประมวลผล)

ค่าใช้จ่ายรายเดือนทั้งหมด  = 80.93 USD (การนำเข้าตัวชี้วัด) + 0.10 USD (พื้นที่เก็บข้อมูล) + 0.72 USD (การสืบค้น) = 81.75 USD

ในตัวอย่างนี้ คุณกําลังติดตามตรวจสอบ 1 คลัสเตอร์ Kubernetes ที่มี 10 โหนดและมีตัวชี้วัด Prometheus 1,000 รายการต่อโหนด ซึ่งเก็บรวบรวมทุก 30 วินาทีโดย Amazon Managed Service สำหรับเครื่องมือรวบรวม Prometheus ตลอดเดือน (744 ชั่วโมง) โดยเราจะคำนวณการใช้งานและค่าใช้จ่ายต่อไปนี้ 1) การนำเข้าตัวอย่างตัววัด 2) พื้นที่จัดเก็บ และ 3) ตัวอย่างของ Amazon Managed Service เครื่องมือรวบรวมของ Prometheus ที่รวบรวม และชั่วโมงการทำงานของเครื่องมือรวบรวม 

การใช้งานและค่าใช้จ่ายในการนำเข้าตัวอย่างตัวชี้วัด
ขั้นตอนแรก เราจะคำนวณจำนวนตัวอย่างตัวชี้วัดที่นำเข้าและค่าใช้จ่ายสำหรับตัวอย่างเหล่านี้ จำนวนตัวอย่างที่นำเข้ารายเดือนคือ 892.8 ล้านตัวอย่าง (10 โหนด * 1,000 ตัวชี้วัดต่อโหนด / ช่วงเวลาเก็บรวบรวม 30 วินาที * 3,600 วินาทีในหนึ่งชั่วโมง * 744 ชั่วโมงในหนึ่งเดือน = 10 * 100/60 * 3,600 * 744 = 892.8 ล้านตัวอย่าง)

ค่าใช้จ่ายตัวชี้วัดที่นำเข้ารายเดือนคือ 80.93 USD (0.90 USD/10,000,000 สำหรับ 2 พันล้านตัวอย่างตัวชี้วัดแรก * 892.8 ล้านตัวอย่าง)

การใช้งานและค่าใช้จ่ายของพื้นที่เก็บข้อมูล
ขั้นตอนที่สอง เราจะคำนวณพื้นที่เก็บข้อมูลเป็น GB และค่าใช้จ่ายสำหรับตัวอย่างตัวชี้วัดและข้อมูลเมตาตัวชี้วัดที่จัดเก็บ สำหรับตัวอย่างนี้ เราจะสมมติว่าคุณมีตัวแปร 20 รายการต่อตัวชี้วัด และมีตัวแปรที่ไม่ซ้ำ 100 รายการต่อตัวแปร ข้อมูลเมตา ได้แก่ ชื่อ ตัวแปร และค่าตัวแปรของตัวชี้วัดจะถูกจัดเก็บทุกวัน เรายังถือว่าค่าเฉลี่ย 30 ไบต์ต่อตัวแปรและค่าตัวแปร และ 2 ไบต์ต่อตัวอย่างตัวชี้วัดที่นำเข้า

พื้นที่เก็บข้อมูลรายเดือนคือ 0.25 GB (ข้อมูลเมตาตัวชี้วัด * # จำนวนวันต่อเดือน) + (2 ไบต์ * จำนวนตัวอย่างตัวชี้วัด = (1,000 ตัวชี้วัด * 20 ตัวแปร * 100 ค่าตัวแปร * 30 ไบต์ * ~30 วันต่อเดือน) + (2 ไบต์ * 892.8 ล้านตัวอย่าง) = 1,800 ล้านไบต์ + 1,785.6 ล้านไบต์ = 3,585.6 ล้านไบต์ = 3.34 GB)

ค่าบริการพื้นที่เก็บข้อมูลคือ 0.10 USD (0.03 USD/GB * 3.34 GB)

ตัวอย่างที่รวบรวมและค่าใช้จ่ายชั่วโมงตัวรวบรวม
ขั้นตอนที่สาม เราจะคำนวณค่าใช้จ่ายชั่วโมงสำหรับเครื่องมือรวบรวม ตัวสะสมแบบไม่ใช้เอเจนต์มีค่าใช้จ่าย 0.04 USD ต่อชั่วโมงนักสะสม และ 0.03 USD ต่อตัวอย่าง 10 ล้านตัวอย่างที่รวบรวม และเราถือว่ามีเครื่องมือรวบรวมเพียงตัวเดียวต่อหนึ่งคลัสเตอร์ EKS สมมติว่า 744 ชั่วโมงในหนึ่งเดือน ค่าใช้จ่ายรายเดือนคือ: 1 * 0.04 USD * 744 + 0.03 USD * 892.8 ล้านตัวอย่าง / 10 ล้าน = 32.44 USD

ค่าบริการเครื่องมือรวบรวมแบบไม่ใช้เอเจนต์คือ 32.44 USD 

ตอนนี้เราสามารถคำนวณค่าใช้จ่ายรายเดือนของคุณสำหรับตัวอย่างนี้:

• ต้นทุนการนำเข้าตัวชี้วัด: 80.93 USD (0.90 USD/10 ล้าน * 892.8 ล้านตัวอย่าง)
  
• ค่าใช้จ่ายพื้นที่เก็บข้อมูล: 0.10 USD (0.03 USD/GB * 3.34 GB)
• ค่าใช้จ่ายสำหรับเครื่องมือรวบรวมแบบไม่ใช้เอเจนต์อยู่ที่: 32.44 USD (0.04 USD ต่อชั่วโมงของเครื่องมือรวบรวม * 744 ชั่วโมง + 0.03 USD * 892.8 ล้านตัวอย่าง / 10 ล้าน)
  

ค่าใช้จ่ายทั้งหมด: 113.47 USD

ในตัวอย่างนี้ คุณกำลังเรียกใช้การสืบค้นเพื่อคำนวณ CPU ของ 10,000 โหนดของคุณในชั่วโมงสุดท้าย และกฎการแจ้งเตือนที่ทำงานทุกนาทีเพื่อแจ้งให้คุณทราบเมื่อโหนดใดโหนดหนึ่งมีความจุ CPU เกิน 80% ตัวอย่างนี้ไม่ได้คํานึงถึงสิทธิประโยชน์จาก AWS Free Tier ของคุณ เราจะคํานวณการใช้งานและค่าใช้จ่ายในการเรียกใช้การสืบค้นและกฎการแจ้งเตือน

การใช้งานและค่าใช้จ่ายในการสืบค้น
ขั้นตอนแรก เราจะคํานวณจํานวนตัวอย่างการสืบค้นเดียวที่ประมวลผล โดยระบุจํานวนอนุกรมเวลาตัวชี้วัดและช่วงเวลาที่ระบุ อนุกรมเวลาตัวชี้วัดจะระบุด้วยชื่อตัวชี้วัดและคู่ตัวแปร-ค่า ในตัวอย่างนี้ แต่ละโหนดมีตัวชี้วัด CPU เดียวซึ่งส่งผลให้เกิดการสืบค้นที่ประมวลผล 10,000 อนุกรมเวลาตัวชี้วัดในช่วงเวลา 1 ชั่วโมง การสืบค้น Prometheus ประมวลผลตัวอย่างหนึ่งตัวอย่างต่อขั้นตอนความละเอียด ซึ่งเป็นระยะเวลาขั้นต่ำระหว่างจุดข้อมูลสองจุด ตัวอย่างเช่น เราจะสมมติว่าใช้เวลาขั้นตอนละ 1 นาที เป็น 1 ตัวอย่างต่อนาทีในช่วงเวลา ซึ่งเท่ากับ 10,000 อนุกรมเวลา x 1 ชั่วโมง x 1 ตัวอย่าง/นาที x 60 นาที/ชั่วโมง = 600,000 ตัวอย่าง/การสืบค้น

สมมติว่าคุณเรียกใช้การสืบค้น 1,000 ครั้ง ค่าใช้จ่ายจะเท่ากับ 0.06 USD (0.10 USD/พันล้านตัวอย่างที่ประมวลผล * 0.0006 พันล้านตัวอย่าง * 1,000 การสืบค้น)

การใช้งานและค่าใช้จ่ายของกฎการแจ้งเตือน
เราจะคํานวณจํานวนตัวอย่างกฎที่ประมวลผลต่อการประเมิน โดยระบุจํานวนอนุกรมเวลาตัวชี้วัดที่เลือก เนื่องจากกฎจะระบุอนุกรมเวลาตัวชี้วัด CPU เดียวต่อโหนด โดยประมวลผล 10,000 อนุกรมเวลาต่อการประเมิน กฎการแจ้งเตือนใน Prometheus ทำงานเป็นการสืบค้นแบบทันที ซึ่งเป็นการสืบค้นที่ประเมินในช่วงเวลาเดียว ดังนั้นกฎการแจ้งเตือนนี้จะประเมิน 10,000 อนุกรมเวลา x 1 ตัวอย่าง/อนุกรมเวลา = 10,000 ตัวอย่าง เนื่องจากการแจ้งเตือนนี้ทำงานทุกนาที กฎการแจ้งเตือนนี้จึงประมวลผล 10,000 ตัวอย่าง x 60 นาที/ชั่วโมง x 730 ชั่วโมง/เดือน = 438,000,000 ตัวอย่าง/เดือน

ค่าใช้จ่ายของกฎการแจ้งเตือนนี้คือ 0.04 USD ต่อเดือน (0.10 USD/พันล้านตัวอย่างที่ประมวลผล * 0.438 พันล้านตัวอย่าง)

ในตัวอย่างนี้ คุณกําลังติดตามตรวจสอบ 1 คลัสเตอร์ Kubernetes ที่มี 10 โหนดและมีตัวชี้วัด Prometheus 1,000 รายการ ต่อโหนด ซึ่งเก็บรวบรวมทุก 60 วินาทีตลอดเดือน (744 ชั่วโมง) จากตัวชี้วัด 1,000 รายการต่อโหนด 998 ตัวเป็นตัวอย่างเมตริกปกติและ 2 ตัวเป็นฮิสโตแกรมแบบเนทีฟ แต่ละตัวมี 20 บักเก็ตที่มีข้อมูล ตัวอย่างนี้ไม่ได้คํานึงถึงสิทธิประโยชน์จาก AWS Free Tier ของคุณ โดยจะคํานวณการใช้งานและค่าใช้จ่ายต่อไปนี้ 1) การนําเข้าตัวอย่างตัวชี้วัด และ 2) พื้นที่เก็บข้อมูล

การใช้งานและค่าใช้จ่ายในการนำเข้าตัวอย่างตัวชี้วัด
ขั้นแรก เราจะคำนวณตัวอย่างตัวชี้วัดปกติที่นำเข้า จำนวนตัวอย่างปกติที่นำเข้ารายเดือนคือ 445.5 ล้านตัวอย่าง (10 โหนด * 998 ตัวชี้วัดต่อโหนด / ช่วงเวลาเก็บรวบรวม 60 วินาที * 3,600 วินาทีในหนึ่งชั่วโมง * 744 ชั่วโมงในหนึ่งเดือน = 10 * 998/60 * 3,600 * 744 = 445.5 ล้านตัวอย่าง)

ประการที่สอง เราจะคำนวณตัวอย่างที่วัดจากฮิสโตแกรมแบบเนทีฟ ฮิสโตแกรมแบบเนทีฟแต่ละตัวมี 20 บักเก็ตที่มีข้อมูล บักเก็ตที่มีข้อมูลแต่ละบักเก็ตนับเป็น 0.25 ของตัวอย่างตัวชี้วัด และไม่วัดบักเก็ตที่ว่างเปล่า

จำนวนตัวอย่างที่วัดจากฮิสโตแกรมแบบเนทีฟรายเดือนคือ 4.4 ล้าน (10 โหนด * 2 ฮิสโตแกรมแบบเนทีฟต่อโหนด * 20 บักเก็ตที่มีข้อมูล * 0.25 / 60 ช่วงเวลาการรวบรวมในวินาที * 3,600 วินาทีในหนึ่งชั่วโมง * 744 ชั่วโมงในหนึ่งเดือน = 10 * 2 * 20 * 0.25/60 * 3,600 * 744 = 4.4 ล้านตัวอย่างที่วัด)

ประการที่สาม เราจะคำนวณต้นทุนการนำเข้าทั้งหมด ตัวอย่างตัวชี้วัดปกติและตัวอย่างที่วัดจากฮิสโตแกรมแบบเนทีฟจะรวมเข้าด้วยกันเป็นกลุ่มเดียวสำหรับการกำหนดราคาตามระดับปริมาณ

ตัวอย่างที่วัดได้รวมทั้งหมดที่นำเข้าคือ 449.9 ล้าน (ตัวอย่างปกติ 445.5 ล้านตัวอย่าง + ตัวอย่างที่วัดจากฮิสโตแกรมแบบเนทีฟ 4.46 ล้านตัวอย่าง)

เนื่องจาก 449.9 ล้านอยู่ในระดับ 2 พันล้านแรก ค่าใช้จ่ายในการนำเข้ารายเดือนคือ 40.50 USD (0.90 USD/10,000,000 * 449.9 ล้านตัวอย่างที่วัดได้ทั้งหมด)

การใช้งานและค่าใช้จ่ายพื้นที่เก็บข้อมูล
เราจะคำนวณพื้นที่เก็บข้อมูลเป็น GB และค่าใช้จ่ายสำหรับตัวอย่างตัวชี้วัดและข้อมูลเมตาตัวชี้วัดที่จัดเก็บ สำหรับตัวอย่างนี้ เราจะสมมติว่าคุณมีตัวแปร 20 รายการต่อตัวชี้วัดและมีค่าตัวแปรที่ไม่ซ้ำกัน 100 รายการต่อตัวแปร ข้อมูลเมตา ได้แก่ ชื่อ ตัวแปร และค่าตัวแปรของตัวชี้วัดจะถูกจัดเก็บทุกวัน เรายังถือว่าค่าเฉลี่ย 30 ไบต์ต่อตัวแปรและค่าตัวแปร และ 2 ไบต์ต่อตัวอย่างตัวชี้วัดที่นำเข้า

จำนวน GB รายเดือนของพื้นที่เก็บข้อมูลคือ (ข้อมูลเมตาตัวชี้วัด × # จำนวนวันต่อเดือน) + (2 ไบต์ × จำนวนตัวอย่างตัวชี้วัด) = (1,000 ตัวชี้วัด × 20 ตัวแปร × 100 ค่าตัวแปร × 30 ไบต์ × ~30 วันต่อเดือน) + (2 ไบต์ × 449.9 ล้านตัวอย่าง) = 1,800 ล้านไบต์ + 899.8 ล้านไบต์ = 2,699.8 ล้านไบต์ = 2.51 GB

ค่าบริการพื้นที่เก็บข้อมูลคือ 0.08 USD (0.03 USD/GB × 2.51 GB)

ค่าใช้จ่ายรายเดือนทั้งหมด
ตอนนี้เราสามารถคำนวณค่าใช้จ่ายรายเดือนของคุณได้สำหรับตัวอย่างนี้: ต้นทุนการนำเข้าตัวชี้วัด: 40.50 USD (0.90 USD/10 ล้าน * 449.9 ล้านตัวอย่างที่วัดได้ทั้งหมด รวม 445.5 ล้านตัวอย่างปกติ + 4.46 ล้านฮิสโตแกรมแบบดั้งเดิม) ค่าใช้จ่ายในการจัดเก็บ: 0.08 USD (0.03 USD/GB * 2.51 GB)

ค่าใช้จ่ายรายเดือนทั้งหมด = 40.50 USD (การนำเข้าตัวชี้วัด) + 0.08 USD (พื้นที่เก็บข้อมูล) = 40.58 USD

หมายเหตุ: จำนวนบักเก็ตที่มีข้อมูลในฮิสโตแกรมแบบดั้งเดิมอาจแตกต่างกันไปตามตัวชี้วัดและเมื่อเวลาผ่านไป วัดเฉพาะบักเก็ตที่มีข้อมูล (ไม่ใช่ศูนย์) เท่านั้น — บักเก็ตที่ว่างเปล่าจะไม่ถูกเรียกเก็บเงิน ต้นทุนของตัวอย่างที่วัดด้วยฮิสโตแกรมแบบดั้งเดิมจะปรับขนาดเชิงเส้นตามจำนวนบักเก็ตที่มีข้อมูล