FinOps: Berechnung der CPU-, RAM- und Storage-Kosten in Hybrid IT

FinOps: Kostenkalkulation für CPU, RAM und Speicher in hybriden Infrastrukturen

Ein effektives IT-Kostenmanagement in einer hybriden Infrastruktur ist eine der zentralen Herausforderungen für moderne Unternehmen. Firmen, die eine Kombination aus On-Premise-Rechenzentren, privaten und öffentlichen Clouds nutzen, stehen vor der Notwendigkeit, die Kosten jeder einzelnen Computing-Ressource präzise zu bestimmen. Ohne ein transparentes Preismodell ist es unmöglich, Ausgaben korrekt zuzuordnen, die Effizienz verschiedener Umgebungen zu vergleichen und Kosten zu rechtfertigen. Dieser Artikel bietet einen praktischen Ansatz zur Berechnung der Stückkosten von CPU, RAM und Speicher, wobei der Fokus auf privaten Virtualisierungssystemen liegt, da diese das komplexeste Segment für die Preisgestaltung innerhalb von FinOps- und IT Financial Management (ITFM)-Praktiken darstellen.

Einführung in FinOps und Herausforderungen hybrider Infrastrukturen

In einer Umgebung, in der die IT-Infrastruktur eines Unternehmens On-Premise-Rechenzentren, private Virtualisierung und mehrere öffentliche Clouds umfasst, geht die Frage der Kostenrechnung und -zuordnung über eine rein buchhalterische Aufgabe hinaus und wird zu einem strategischen Problem. FinOps (Financial Operations) und ITFM (IT Financial Management) Konzepte werden entscheidend, um finanzielle Transparenz zu gewährleisten und IT-Ausgaben zu optimieren. Während die Kosten für Ausrüstung, die für ein spezifisches Projekt gekauft wurde, leicht zuzuordnen sind und öffentliche Cloud-Kosten vom Anbieter bestimmt werden, stellen private Virtualisierungssysteme die größte Komplexität dar. Hier ist der Preis einer Ressource nicht offensichtlich und erfordert eine detaillierte Berechnung, die Hardwarekosten, Redundanz, Oversubscription-Ratios und die zugehörige Infrastruktur berücksichtigt. Ziel dieses Ansatzes ist es, ein Modell zu schaffen, das diese Zahlen nicht nur berechnet, sondern auch deren Nutzung für die Zuordnung von Kosten zu Profit-and-Loss-Centern (P&L-Centern), die Budgetierung und die strategische Planung ermöglicht.

Beginnen wir mit einer grundlegenden Aufschlüsselung der Kosten eines typischen Servers, der die Grundlage für die private Virtualisierung bildet. Der Einfachheit halber gehen wir davon aus, dass der Virtualisierungscluster aus identischen Servern besteht. Nehmen wir an, jeder Server ist mit zwei CPUs, jeweils mit 64 Kernen, und 1024 GB RAM ausgestattet. Die Gesamtkosten eines solchen Servers setzen sich aus mehreren Schlüsselkomponenten zusammen:

• Kosten für Arbeitsspeicher (RAM).
• Kosten für Prozessoren (CPU).
• Kosten für die Plattform (Mainboard, Netzwerkkarten, Gehäuse, Netzteile und andere Komponenten, die die Systemfunktionalität gewährleisten).

Kennt man die Gesamtkosten des Servers und das Preisverhältnis seiner Hauptbestandteile, können Allokationskoeffizienten abgeleitet werden. Wenn beispielsweise K_CPU = 0.32, K_RAM = 0.5 und K_Platform = 0.18, bedeutet dies, dass 32 % der Serverkosten der CPU, 50 % dem RAM und 18 % der Plattform zugerechnet werden. Diese Koeffizienten ermöglichen die Bestimmung der Nettokosten jeder Komponente.

Methodik zur Kostenaufschlüsselung von Server-Hardware

Um die Basiskosten eines einzelnen CPU-Kerns und eines einzelnen Gigabytes RAM zu bestimmen, müssen die oben genannten Koeffizienten verwendet werden. Nehmen wir an, Server_price ist der volle Preis des Servers. Dann können die Nettokosten der Komponenten wie folgt berechnet werden:

• Nettokosten eines CPU-Kerns (Core_c):

1 Core_c = (Server_price - (K_RAM Server_price + K_Platform Server_price)) / Anzahl_der_Kerne_im_Server

Unter Verwendung der Koeffizienten und der Anzahl der Kerne (64) aus dem Originaltext würde die Formel wie folgt aussehen:

1 Core_c = (Server_price - (0.5 Server_price + 0.18 Server_price)) / 64

• Nettokosten eines Gigabytes RAM (GB RAM_c):

1 GB RAM_c = (Server_price - (K_CPU Server_price + K_Platform Server_price)) / RAM_Volumen_im_Server

Unter Berücksichtigung der Koeffizienten und des RAM-Volumens (1024 GB):

1 GB RAM_c = (Server_price - (0.32 Server_price + 0.18 Server_price)) / 1024

Diese Formeln liefern eine anfängliche, rohe Kostenbasis für jede Ressource. Es ist wichtig zu beachten, dass diese Berechnungen grundlegend sind und nicht alle Nuancen des realen Betriebs berücksichtigen. Sie legen jedoch den Grundstein für eine weitere Verfeinerung der Kosten für Computing-Ressourcen.

Berücksichtigung von Hochverfügbarkeit und Oversubscription-Ratios

In realen Virtualisierungssystemen müssen zusätzliche Koeffizienten berücksichtigt werden, um die Anforderungen an die Fehlertoleranz (HA – High Availability) widerzuspiegeln. Diese Koeffizienten erhöhen die effektiven Kosten der Ressourcen, da ein Teil der Kapazität reserviert ist und nicht für primäre Workloads genutzt werden kann. Wenn beispielsweise 50 % der CPU und 20 % des RAM für HA reserviert sind, bedeutet dies, dass nur die verbleibenden Ressourcen für das Hosten virtueller Maschinen zur Verfügung stehen. Dadurch steigen die effektiven Kosten jedes verfügbaren Kerns oder Gigabytes Arbeitsspeicher.

Über die Hochverfügbarkeit hinaus ist ein wichtiger Parameter das Oversubscription-Ratio. Oversubscription ist das Verhältnis von zugewiesenen virtuellen zu physischen Ressourcen. Zum Beispiel bedeutet ein CPU-Oversubscription-Ratio von 2.5, dass 2.5 virtuelle Kerne pro physischem Kern zugewiesen werden können. Für den Arbeitsspeicher wird Oversubscription typischerweise nicht oder nur mit großer Vorsicht angewendet, da sie direkte Auswirkungen auf die Leistung hat. Unter Berücksichtigung dieser Faktoren sehen die angepassten Ressourcenkosten wie folgt aus:

• Angepasste Kosten für 1 Kern (1 Core price):

1 Core price = (1 Core_c + 1 Core_c * CPU_HA_Koeffizient) / CPU_Oversubscription_Koeffizient

Zum Beispiel, mit 50 % HA und einem Oversubscription-Ratio von 2.5:

1 Core price = (1 Core_c + 1 Core_c * 0.5) / 2.5

• Angepasste Kosten für 1 GB RAM (1 GB RAM price):

1 GB RAM price = 1 GB RAM_c + 1 GB RAM_c * RAM_HA_Koeffizient

Zum Beispiel, mit 20 % HA (ohne Oversubscription):

1 GB RAM price = 1 GB RAM_c + 1 GB RAM_c * 0.2

Die Anwendung dieser Koeffizienten ermöglicht eine realistischere Bewertung der Computing-Ressourcenkosten, unter Berücksichtigung von Stabilitätsanforderungen und der Effizienz der Infrastrukturauslastung. Als Ergebnis kann eine bestimmte Anzahl virtueller CPUs (vCPU) und GB RAM von einem typischen Server abgeleitet werden, die dann basierend auf den berechneten Preisen den P&L-Centern zugewiesen werden. Zum Beispiel erhalten wir von einem Server mit 64 physischen Kernen, 50 % Reservierung und einem Oversubscription-Ratio von 2.5: (64 (1 - 0.5)) 2.5 = 80 vCPUs. Wenn die Ausgangsdaten 107 vCPUs und 855 GB RAM waren, wie im Beispiel, ist dies bereits das Ergebnis der Anwendung aller Koeffizienten auf die ursprünglichen physischen Ressourcen.

Berechnung der Kosten für Datenspeicher und Hilfsinfrastruktur

Neben CPU und RAM ist Datenspeicher eine Schlüsselressource in der IT-Infrastruktur. Die Kosten für 1 GB SAN (Storage Area Network) erfordern ebenfalls eine separate Berechnung, einschließlich Anpassungskoeffizienten. Zum Beispiel könnte ein Koeffizient von 30 % für Redundanz, Overhead oder andere betriebliche Kosten, die mit SAN verbunden sind, berücksichtigt werden. Die Berechnungsformel könnte wie folgt aussehen:

1 GB SAN price = SAN_price / (SAN_volume - SAN_volume * Anpassungs_Koeffizient)

Oder, wenn der Koeffizient auf den Endpreis angewendet wird:

1 GB SAN price = (SAN_price / SAN_volume) * (1 + Anpassungs_Koeffizient)

Es ist wichtig zu verstehen, dass Datenspeichersysteme sich erheblich nach Klasse (z.B. All-Flash, Hybrid, HDD), Leistung und Funktionalität unterscheiden, was sich direkt auf ihre Kosten auswirkt. Eine detaillierte Berechnung für verschiedene SAN-Klassen kann erheblich komplexer sein und erfordert eine tiefere Kostenaufschlüsselung.

Über die Kern-Computing-Ressourcen und den Speicher hinaus müssen die Kosten für Hilfsinfrastrukturen wie Netzwerkausrüstung und Datensicherungssysteme berücksichtigt werden. Zum Beispiel können die Kosten für die Nutzung von Netzwerkausrüstung auf Basis der Kosten pro Port berechnet werden, aber oft wird sie der Einfachheit halber gleichmäßig auf die P&L-Center verteilt, ähnlich wie Nebenkosten. Die Kosten für Datensicherungssysteme wiederum können an das Volumen der gespeicherten Daten gebunden werden. Wenn alles in Backups enthalten ist, können die zusätzlichen Kosten für Datensicherungssysteme basierend auf dem verbrauchten Datenvolumen mit einem spezifischen Koeffizienten (z.B. 0.67, der Lizenzkosten, Ausrüstung und Betrieb berücksichtigen könnte) berechnet werden.

Es ist wichtig zu beachten, dass die hier vorgestellten Berechnungen vereinfacht sind und darauf abzielen, grundlegende Preisprinzipien zu demonstrieren. Unter realen Bedingungen können das Verhältnis der Komponentenpreise, ihre Konfigurationen und die Einkaufspreise erheblich variieren. Die Pflege aktueller Ressourcenkosten erfordert eine regelmäßige Überprüfung und Anpassung der Koeffizienten, basierend auf Marktdynamik und internen Bedürfnissen. Ein umfassender FinOps-Ansatz beinhaltet die kontinuierliche Überwachung und Optimierung der Kosten auf allen Ebenen der IT-Infrastruktur.

Wichtige Erkenntnisse

• Kostenaufschlüsselung: Eine genaue Kostenkalkulation für IT-Ressourcen in hybriden Umgebungen erfordert eine detaillierte Kostenaufschlüsselung der Hardware, insbesondere für die private Virtualisierung.
• Berücksichtigung von Hochverfügbarkeit: Die Ressourcenkosten müssen Koeffizienten zur Sicherstellung von Hochverfügbarkeit und Fehlertoleranz enthalten, da ein Teil der Kapazität reserviert ist.
• Oversubscription-Ratios: Die Anwendung von Oversubscription-Ratios (insbesondere für CPUs) optimiert die physische Ressourcennutzung, erfordert aber eine korrekte Berücksichtigung bei der Preisgestaltung.
• Speicher- und Hilfssysteme: Die Berechnung der Kosten für Datenspeicher und Hilfsinfrastrukturen (Netzwerke, Datensicherungssysteme) ist ebenfalls entscheidend für ein vollständiges Kostenbild und kann proportional oder als Nebenkosten verteilt werden.
• Dynamisches Modell: Das Kostenkalkulationsmodell muss flexibel sein und regelmäßig aktualisiert werden, um aktuelle Marktpreise, Gerätekonfigurationen und interne Unternehmensbedürfnisse widerzuspiegeln.

— Editorial Team