FinOps：混合基础设施中CPU、RAM和存储成本计算
在混合基础设施中进行有效的IT成本管理是现代企业面临的关键挑战之一。企业同时使用本地数据中心、私有云和公共云，因此需要精确确定每种计算资源的成本。如果没有透明的定价模型，就无法正确分配开支、比较不同环境的效率并证明成本的合理性。本文提供了一种实用的方法来计算CPU、RAM和存储的单位成本，重点关注私有虚拟化系统，因为它们是FinOps和IT财务管理（ITFM）实践中最复杂的定价环节。
FinOps简介及混合基础设施挑战
在企业IT基础设施横跨本地数据中心、私有虚拟化和多个公共云的环境中，成本核算和分配问题已不再是单纯的会计任务，而是演变为一个战略性问题。FinOps（财务运营）和ITFM（IT财务管理）理念对于确保财务透明度和优化IT支出变得至关重要。虽然为特定项目采购的设备成本易于归属，公共云成本由提供商确定，但私有虚拟化系统却带来了最大的复杂性。在这里，资源的定价并不明显，需要详细计算，考虑硬件成本、冗余、超额订阅比率以及相关基础设施。这种方法的目的是创建一个模型，不仅能计算这些数据，还能将其用于向利润中心（P&L centers）分配成本、预算编制和战略规划。
让我们从典型服务器成本的基本分解开始，这是私有虚拟化的基础。为简化起见，我们假设虚拟化集群由相同的服务器组成。假设每台服务器配备两颗CPU，每颗CPU有64个核心，以及1024 GB的RAM。这样一台服务器的总成本包括几个关键组成部分：
- 内存（RAM）成本。
- 处理器（CPU）成本。
- 平台成本（主板、网卡、机箱、电源以及其他确保系统功能的组件）。
了解服务器总成本及其主要部件的价格比率，可以得出分配系数。例如，如果K_CPU = 0.32，K_RAM = 0.5，K_Platform = 0.18，这意味着服务器成本的32%归因于CPU，50%归因于RAM，18%归因于平台。这些系数有助于确定每个组件的净成本。
服务器硬件成本分解方法
为了确定单个CPU核心和单个GB RAM的基本成本，必须使用上述系数。假设Server_price是服务器的总成本。那么组件的净成本可以按如下方式计算：
- 一个CPU核心的净成本 (Core_c)：
1 Core_c = (Server_price - (K_RAM Server_price + K_Platform Server_price)) / Number_of_Cores_in_Server
根据原文中的系数和核心数量（64），公式如下：
1 Core_c = (Server_price - (0.5 Server_price + 0.18 Server_price)) / 64
- 一个GB RAM的净成本 (GB RAM_c)：
1 GB RAM_c = (Server_price - (K_CPU Server_price + K_Platform Server_price)) / RAM_Volume_in_Server
考虑到系数和RAM容量（1024 GB）：
1 GB RAM_c = (Server_price - (0.32 Server_price + 0.18 Server_price)) / 1024
这些公式提供了每种资源的初始原始成本。需要注意的是，这些计算是基础性的，并未考虑实际操作中的所有细微差别。然而，它们为进一步细化计算资源成本奠定了基础。
高可用性与超额订阅比率核算
在实际的虚拟化系统中，必须考虑额外的系数以反映对容错性（HA - 高可用性）的要求。这些系数会增加资源的有效成本，因为一部分容量被保留，不能用于主要工作负载。例如，如果50%的CPU和20%的RAM被保留用于HA，这意味着只有剩余的资源可用于托管虚拟机。因此，每个可用核心或每GB内存的有效成本都会增加。
除了高可用性之外，一个重要的参数是超额订阅比率（oversubscription ratio）。超额订阅是分配的虚拟资源与物理资源的比率。例如，CPU的超额订阅比率为2.5意味着每个物理核心可以分配2.5个虚拟核心。对于内存，超额订阅通常不使用或谨慎应用，因为它直接影响性能。考虑到这些因素，调整后的资源成本将如下所示：
- 1个核心的调整后成本 (1 Core price)：
1 Core price = (1 Core_c + 1 Core_c * CPU_HA_Coefficient) / CPU_Oversubscription_Coefficient
例如，在50% HA和2.5的超额订阅比率下：
1 Core price = (1 Core_c + 1 Core_c * 0.5) / 2.5
- 1 GB RAM的调整后成本 (1 GB RAM price)：
1 GB RAM price = 1 GB RAM_c + 1 GB RAM_c * RAM_HA_Coefficient
例如，在20% HA（无超额订阅）下：
1 GB RAM price = 1 GB RAM_c + 1 GB RAM_c * 0.2
应用这些系数可以更实际地评估计算资源成本，同时考虑到稳定性要求和基础设施利用效率。因此，一台典型服务器可以派生出一定数量的虚拟CPU（vCPU）和GB RAM，然后根据计算出的价格分配给利润中心。例如，一台具有64个物理核心、50%保留和2.5超额订阅比率的服务器，我们可以得到 (64 (1 - 0.5)) 2.5 = 80 个vCPU。如果初始数据是107个vCPU和855 GB RAM，如示例所示，这已经是将所有系数应用于原始物理资源的结果。
数据存储和辅助基础设施成本计算
除了CPU和RAM之外，IT基础设施中的一个关键资源是数据存储。1 GB SAN（存储区域网络）的成本也需要单独计算，包括调整系数。例如，可以考虑30%的系数用于冗余、开销或与SAN相关的其他运营成本。计算公式可能如下所示：
1 GB SAN price = SAN_price / (SAN_volume - SAN_volume * Adjustment_Coefficient)
或者，如果系数应用于最终价格：
1 GB SAN price = (SAN_price / SAN_volume) * (1 + Adjustment_Coefficient)
重要的是要理解，数据存储系统因其类别（例如，全闪存、混合存储、HDD）、性能和功能而异，这直接影响其成本。针对不同SAN类别的详细计算可能要复杂得多，需要更深入的成本分解。
除了核心计算资源和存储之外，还必须考虑辅助基础设施的成本，例如网络设备和数据备份系统。例如，网络设备的使用成本可以根据每个端口的成本计算，但为了简化，通常将其像公用事业成本一样平均分配给利润中心。数据备份系统的成本则可以与存储的数据量挂钩。如果所有内容都包含在备份中，数据备份系统的额外成本可以根据消耗的数据量和特定系数（例如0.67，可能包括许可费、设备和运营费用）进行计算。
需要注意的是，这里提出的计算是简化的，旨在演示基本的定价原则。在实际情况中，组件成本比率、其配置和供应价格可能差异很大。保持最新的资源成本需要根据市场动态和内部需求定期审查和调整系数。全面的FinOps方法涉及对IT基础设施所有层面的成本进行持续监控和优化。
关键要点
- 成本分解： 在混合环境中准确计算IT资源成本，需要对硬件进行详细的成本分解，特别是对于私有虚拟化。
- 高可用性核算： 资源成本必须包含确保高可用性和容错性的系数，因为一部分容量会被保留。
- 超额订阅比率： 应用超额订阅比率（特别是对于CPU）可以优化物理资源利用率，但在定价时需要正确核算。
- 存储和辅助系统： 计算数据存储和辅助基础设施（网络、数据备份系统）的成本对于获得完整的成本图景也至关重要，并且可以按比例分配或作为公用事业服务进行分配。
- 动态模型： 成本计算模型必须灵活，并定期更新，以反映当前市场价格、设备配置和公司内部需求。
— Editorial Team
暂无评论。