公司在云性能上花费了数百万美元。这其中大部分是超支的，但是大型企业不能冒停机的风险，因此，为了提供安心，他们极大地超额配置了。在本文中，我们将揭示基于AI的持续优化如何阻止这种浪费，并采用自动化机器学习来帮助公司节省多达70%的支出。FinOps的目标之一一直是通过系统，最佳实践和文化的结合来实现公司和组织的转变，这种转变使团队能够参与提高效率，优化利用和减少支出的过程。

如果公司的应用程序经常运行很热，则不能采用有效的FinOps立场，因为在这种情况下，公司无法很好地管理其Cloud财务。

以下是一些事实：

80%的财务和IT领导者报告说，糟糕的云财务管理对其业务产生了负面影响。

69%的人承认定期将自己的云预算超支25%。

其中有57%的人每天都在担心云管理的成本。

Gartner 预测，到2022年，整个云技术支出将超过3300亿美元。其中很大一部分是不必要的和浪费的。

想象一下：如果一家公司目前在云上的支出约为5000万美元，并且年增长率为20%，那么在5年内的支出将超过3.72亿美元。例如，如果支出的20%被超支了怎么办?那是6000万美元的不必要支出。

但是，为什么公司首先会超支呢?为了省心。

随着现代企业急于转向DevOps范式并使用强大的CI / CD工具链，他们忽略了交付管道的发布后部分。为了防止这种疏忽对整个系统造成破坏，公司过度提供了资源。性能调整仅作为对未实现的SLA的紧急响应来完成。

因此，云和移动应用无法充分发挥潜力，同时在资源利用方面积累了高昂的成本。这是一个真正的FinOps失败。

利用AI进行持续优化是关键

持续优化基于云的应用程序可以解决超支问题，但是这种优化绝非易事。即使是一个简单的5容器应用程序也可以具有255万亿资源和基本参数排列。这就是为什么大多数应用程序性能管理(APM)工具在建议减少使用率时几乎没有触及表面的原因。

所需要的是一个持续优化(CO)工具，该工具利用人工智能(AI)的功能来连续优化和调整应用程序的性能。Opsani实现了这一目标。

通过集成到CI / CD管道中，AI可以调整和完善通常被认为过于复杂的资源和参数，从而找到最佳性能，最低成本和最高效率。这样可以确保基础架构精确地调整到应用程序的工作量和目标。

FinOps模型致力于提高团队的凝聚力和效率，因此自主AI也会不断优化您的应用程序。

持续优化：宝贵的补充

一些公司已经为其应用程序和系统实施了CO。其中之一是Ancestry.com。他们建立了持续优化，以降低成本而又不影响性能。

结果是惊人的：Ancestry.com节省了多达61%的资源，而性能没有下降。

除了Ancestry.com的重大Fintech领导者，提供SaaS的财务管理解决方案还实现CO优化其云计算业务。他们在AWS，Java，Wavefront和Spinnaker中使用了1,300多个虚拟机。在使用的第一季度内，这位金融科技领导者就将成本降低了67%，节省了数百万美元。

不仅仅是这些公司在实施CO时获得了惊人的数字：

领先类别的企业目录服务和著名的视频会议公司都节省了30%的成本。

一家领先的PaaS公司节省了其总支出的49%。

一家主要的非营利组织的系统改善了147%。

在FinOps内部，目标是在更快地移动的同时做出更好的决策，在团队之间建立无摩擦的关系，以提高速度并提高效率。在这样的任务中，人工智能优化工具是无价的。自动化消除了每个人都在进行优化和不断调整性能的烦恼。这为团队留出了更多时间来处理更重要的问题，例如设置最佳实践和创造性的追求，从而为其组织创造更多的价值。