La maîtrise de la gestion des coûts AWS avec QuickSight: un flux de travail complet de l’exportation de données vers les informations du tableau de bord!

Défis avec l’explorateur de coûts existants

AWS Cost Explorer fournit des informations sur les coûts basées sur les ressources, mais elle a une limitation: elle permet uniquement de visualiser les données des coûts pour les ressources individuelles pendant les 14 derniers jours. Si les tendances des coûts doivent être analysées sur une période plus longue et que des ressources spécifiques contribuant à des augmentations de coûts au-delà de deux semaines doivent être identifiées, une solution plus avancée est requise. AWS QuickSight, en combinaison avec AWS Cost and Use Report (Cur) et Athena, permet la création de tableaux de bord puissants pour une analyse approfondie des coûts.

Objectif

L’objectif est de créer des tableaux de bord coûts et d’utilisation à QuickSight pour obtenir un aperçu détaillé des services utilisés dans tous les comptes AWS au sein de l’organisation AWS. Cela permettra une analyse des augmentations de coûts dans des services spécifiques en fonction de l’ID de ressources et du type d’utilisation.

Solution

Description

1. L’exportation de données AWS est configurée pour pousser AWS Coût et rapport d’utilisation (CUR) dans un seau S3.
2. Aws Glue Crawler est configuré pour ramper le Cur du seau S3 et le stocker dans sa base de données et ses tables, qu’Athena utilise ensuite pour interroger.
3. AWS QuickSight utilise Athena comme source de données pour exécuter des requêtes, analyser les données et publier des informations sur les tableaux de bord.

Installation

1 et 1 Exportation de données
AWS permet l’extraction des données CUR à partir d’un compte AWS et les stocke dans un seau S3 pour le traitement et l’analyse.

Détails de configuration

un. Granularité: Les données sont exportées avec une granularité horaire pour permettre une analyse détaillée des coûts et une détection des pointes.
né Rafraîchissement automatique: AWS met à jour les données quotidiennement dans le seau S3 sur le chemin d’exportation spécifié.

Structure de dossier

un. AWS crée un dossier de données dans le chemin S3 spécifié.
né À l’intérieur du dossier de données, des sous-lameurs séparés sont créés pour chaque mois.
c. Les données de chaque mois sont actualisées quotidiennement dans son sous-dossier respectif, garantissant que des informations à jour sont disponibles.

2 Configuration du robot
Les robots AWS Glue sont utilisés pour scanner le seau S3, identifier les fichiers Parquet ou GZIP et mettre à jour le catalogue de données AWS Glue pour une requête efficace.

Détails de configuration

un. Le Crawler fonctionne tous les jours à 4h30 UTC (peut être exécuté à tout moment), garantissant que les dernières données de S3 sont disponibles à Athena.
né Après l’exécution, les données mises à jour sont accessibles à Athena pour la requête et l’analyse.

b

3 et 3 Configuration de la source de données QuickSight
AWS QuickSight se connecte à Athena, permettant une requête directe et une visualisation des données de coûts pour des informations exploitables.

Détails de configuration

un. Athéna est configurée comme source de données principale dans le silhouette Quick.
né Une requête personnalisée est créée dans l’ensemble de données de QuickSight pour récupérer les données requises.
c. La requête de jeu de données devrait s’exécuter quotidiennement à 6h00 UTC, garantissant que les dernières données sont disponibles pour les mises à jour du tableau de bord.

4 Analyse et création de tableau de bord
Les analyses QuickSight transforment les données brutes en tableaux de bord interactifs et rapports, permettant aux utilisateurs d’explorer les tendances des coûts en fonction du type d’utilisation, des ressources et des comptes liés.

Détails de la configuration

1. Une analyse rapide est créée pour calculer les coûts de service en fonction des comptes liés, du type d’utilisation et de l’ID de ressource.
2. Les tableaux de bord interactifs sont construits en fonction des cas d’utilisation et partagés avec les utilisateurs finaux.

Tableaux de bord basés sur l’utilisation:

Tableaux de bord basés sur les ressources:

Quoi et pourquoi utiliser Amazon Q à QuickSight?

Amazon Q est un outil avancé de Business Intelligence (BI) dans le virage rapide qui améliore l’analyse des données avec le traitement du langage naturel (NLP) et les capacités génératrices de l’IA. Il permet aux utilisateurs d’interagir intuitivement avec les données en posant des questions en anglais simple, en générant des informations et en créant des histoires basées sur les données sans effort.

Capacités d’Amazon Q à QuickSight

1. Construire des tableaux de bord en utilisant le langage naturel – Les utilisateurs peuvent créer et modifier des tableaux de bord en décrivant simplement ce dont ils ont besoin.
2. Créer des sujets Amazon Q – Définissez des sujets spécifiques pour l’analyse approfondie des données.
3. Afficher les résumés du tableau de bord exécutif – Générez rapidement des résumés pour des informations de haut niveau.
4 Construire et partager des histoires de données génératives – Créez automatiquement des récits en fonction des tendances de données.

Étapes pour activer Amazon Q à QuickSight

1. Le plan d’administration à QuickSight comprend uniquement la capacité de questions et réponses d’Amazon Q.
2. Pour accéder aux fonctionnalités avancées telles que la création du tableau de bord et les résumés exécutifs dirigés par l’IA, les utilisateurs doivent être ajoutés au groupe Admin Pro.
3. Une fois ajouté au groupe Admin Pro, tous les utilisateurs de ce groupe ont un accès complet aux fonctionnalités d’Amazon Q, garantissant que seuls ceux qui ont besoin de capacités BI avancées ont accès, optimisant la gestion des coûts.

Conclusion

En intégrant AWS Cur, Glue, Athena et QuickSight, une solution d’analyse de coûts évolutive et automatisée est établie, surmontant les limites de l’AWS Cost Explorer. La mise en œuvre d’Amazon Q améliore encore l’expérience analytique, permettant des informations plus profondes et une narration dirigée par l’IA. Cette configuration permet de surveiller efficacement la surveillance des tendances des coûts et facilite l’optimisation des dépenses AWS proactives.

Vous avez trouvé cela utile? PARTAGEZ-LE