Zurück zu allen Kundenbeispielen

AssessmentBranchenübergreifend

Plan-Wahl und Scale-out-Einstellungen bestimmen die Rechnung lange vor dem Code

Dienstleister im öffentlichen Sektor

Prüfung von Hosting-Plan-Wahl, Skalierungsverhalten der Instanzen und Auswirkungen von Cold Starts in einer Azure-Functions-Landschaft, um die Kosten an das tatsächliche Lastprofil anzupassen.

Überblick

Die Kosten von Azure Functions hängen vor allem vom Hosting-Plan und der Skalierungskonfiguration ab. Consumption-, Elastic-Premium- und Dedicated-Plan haben sehr unterschiedliche Kostenkurven, und wer für alles denselben Plan gewählt hat, zahlt in der Regel für manche Workloads zu viel und kämpft bei anderen mit Cold Starts.

Herausforderung

Alles lief auf einem einzigen Premium-Plan, der Jahre zuvor gewählt worden war, um ein Cold-Start-Problem bei einer einzelnen latenzkritischen API zu lösen. Der Großteil der Landschaft bestand aus Batch-Verarbeitung mit geringem Volumen, die im Consumption-Plan deutlich günstiger gewesen wäre. Zugleich waren die Zahl der Always-ready-Instanzen und die maximalen Burst-Limits nie optimiert worden – der Plan war also für eine Spitze dimensioniert, die ein paar Mal im Monat auftrat.

Umgebung

Azure Functions mit HTTP-getriggerten APIs, Queue-Consumern und geplanten Batch-Jobs auf einem gemeinsamen Premium-Plan. AceMQ berät zu Plan-Wahl, Konfiguration und Architektur des Kunden; die Plattform betreibt Microsoft.

Vorgehen

AceMQ erfasste für jede Function App Aufrufmuster, Ausführungsdauer und Latenzempfindlichkeit und modellierte dann die Kosten je Plan-Option und Workload-Klasse. Die Toleranz gegenüber Cold Starts wurde an den realen Latenzanforderungen gemessen statt angenommen – genau dort liegt meist das Geld.

Lösung

  1. Aufrufmuster, Verteilung der Ausführungsdauer und Latenzempfindlichkeit je Function App erfasst
  2. Kosten für Consumption-, Elastic-Premium- und Dedicated-Plan je Workload-Klasse modelliert
  3. Plan-Zuordnung je App empfohlen statt eines einzigen Plans für die gesamte Landschaft
  4. Zahl der Always-ready-Instanzen und maximale Burst-Limits an der gemessenen Spitze ausgerichtet, nicht an Worst-Case-Befürchtungen
  5. Functions identifiziert, bei denen Cold Starts wirklich eine Rolle spielen – und solche, bei denen sie nachweislich keine spielen
  6. Migrationsreihenfolge mit erwarteten Einsparungen und dem Latenzrisiko jedes Schritts geliefert

Resultat

Die Verlagerung von Batch- und volumenarmen Workloads aus dem Premium-Plan senkte die Hosting-Kosten erheblich, während die latenzkritischen APIs ihre warmen Instanzen behielten. Die Plan-Wahl ist jetzt eine Entscheidung je Workload mit dokumentierter Begründung.

Technologien

Azure FunctionsAzure Service BusDockerKubernetes

Bereit für einen Azure Functions-Health-Check?

Die Senior Engineers von AceMQ für Azure Functions haben genau diese Art von Projekt bereits umgesetzt. Ob Sie Architekturberatung, praktische Fehlerbehebung oder eine dauerhafte Managed-Services-Partnerschaft benötigen – wir sind bereit, Ihnen zu helfen.