Une question revient souvent : comment ventiler mes coûts Google Cloud par localisation ? Aujourd'hui, je vous montre comment faire travailler Iris et DoiT Cloud Intelligence ensemble pour collecter et visualiser ces informations.
Cartographier les coûts Google Cloud par régions, zones et localisations
Avant d'entrer dans le vif du sujet, faisons un rapide rappel sur Iris et DoiT Cloud Intelligence, afin que ceux qui ne connaissent pas encore ces outils puissent suivre la suite de l'article sans difficulté.
Iris est un logiciel open source qui attribue automatiquement des labels aux ressources Google Cloud, généralement pour en améliorer la découvrabilité et l'observabilité. Avec Iris, chaque ressource Google Cloud reçoit des labels générés automatiquement, le plus souvent sous la forme [iris_name], [iris_region] et [iris_zone]. Par exemple, si vous disposez d'une instance Google Compute Engine nommée `nginx`, Iris lui associera automatiquement les labels suivants : [iris_name:nginx], [iris_region:us-central1] et [iris_zone:us-central1-f]. Pour en savoir plus sur le fonctionnement d'Iris, consultez l'un de nos articles de blog récents.
Iris étant open source et extensible via des plugins, vous pouvez collecter à peu près n'importe quelle information depuis Google Cloud et l'ajouter comme label à vos ressources. Parmi les exemples courants : iris_instance-cores, iris_instance-memory ou encore iris_ip.
DoiT Cloud Intelligence™ est une plateforme de découverte et d'optimisation des coûts cloud. Avec DoiT Cloud Intelligence, il devient simple de répondre à des questions comme :
- Quels services Google Cloud est-ce que je paie ?
- Combien vais-je dépenser sur Google Cloud ce mois-ci ?
- Comment optimiser mes dépenses Google Cloud ?
L'une des fonctionnalités les plus appréciées de DCI est la création de rapports personnalisés. Ces rapports ressemblent beaucoup aux tableaux croisés dynamiques que vous connaissez sans doute via des tableurs comme Google Sheets ou Microsoft Excel.
Rapports DoiT Cloud Intelligence
DoiT Cloud Intelligence intègre les Cost Labels, un moyen pratique d'enrichir les rapports avec les informations issues des labels. Si vos ressources portent par exemple un label env:production ou app:backend, vous pouvez filtrer ou regrouper vos rapports de facturation à partir de ces labels.
Configurer des Cost Labels dans DoiT Cloud Intelligence est simple !
Comme évoqué plus haut, Iris ajoute automatiquement à chaque ressource les labels `iris_name`, `iris_region` et `iris_zone`. Une fois ces labels renseignés et propagés dans les données de facturation Google, il suffit de les configurer comme Cost Labels pour produire des rapports tenant compte de la localisation :
Ventilation des coûts par zone Google Cloud
Vous pouvez même suivre le coût d'instances, de buckets ou de tables/datasets BigQuery individuels via le label iris_name :
Coût des buckets Google Cloud Storage par nom
Il n'y a pratiquement aucune limite à la manière dont vous pouvez analyser vos coûts Google Cloud. Autre exemple : une ventilation par zone et type d'instance dans le temps :
Ventilation des coûts Google Compute Engine par zone et type d'instance
Les Cost Labels ne sont pas la seule fonctionnalité marquante de DoiT Cloud Intelligence. Vous pouvez aussi créer des Cost Allocations, qui correspondent à des intersections entre Service, SKU, Projet et Labels. Les cost allocations facilitent le suivi des coûts de vos applications complètes, de vos services, de vos environnements, etc.
Bon exemple : suivre le trafic réseau sortant via la Cost Allocation suivante :
Configurer des Cost Allocations dans DoiT Cloud Intelligence
À partir des cost allocations, vous pouvez définir des budgets intelligents ou créer des utilisateurs avec une vue restreinte, afin de ne suivre qu'une partie de votre infrastructure.
Nous recherchons activement des contributeurs pour nous aider à faire progresser notre stack open source dédiée à Google Cloud : Shamash, Iris, Zorya, kubeIP et bien d'autres.
Envie d'en lire davantage ? Consultez notre blog ou suivez Vadim sur Twitter.