检测到您已登录华为云国际站账号,为了您更好的体验,建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
导出成本明细 文件导出 OBS转储(公测中)
文件导出 文件导出成本明细 文件导出-摊销成本的字段说明 文件导出-原始成本的字段说明 父主题: 导出成本明细
成本分摊规则 分摊规则概述 资源包分摊规则 父主题: 成本分析
快速卸载 卸载解决方案资源 删除订阅任务&清理历史文件(可选) 父主题: 一键部署云智能看板
成本监控 概述 异常成本检测规则 创建成本监控 分析异常成本 设置监控通知
成本分组(原成本单元) 成本分组概述 场景示例 管理成本分组 查看成本分组详情 成本分组的应用 父主题: 成本分配管理
计费模式优化 按需转包年包月建议 资源包购买建议 父主题: 成本优化
预算管理 创建每日预算监控按需消费
通过成本标签维度查看成本分配 使用成本分组查看成本分配 通过企业项目维度查看成本分配 通过成本分析探索成本和使用量 通过标签分析成本 利用成本分析进行预测 使用预测和预算来跟踪成本和使用量 创建预测预算并接收告警 使用预算报告定期跟踪预算进展 根据计费模式优化成本 按需转包年包月的成本优化评估 资源包使用率和覆盖率分析
买按流量计费和按月结算的CDN客户,还可以按域名用量占比进行成本分拆。 使用成本单元查看成本分配 查看CDN的成本分拆 成本分配的建议原则 基于实际使用,即成本归属于实际使用者。 示例:企业子客户是资源的使用者,但是支付账号为企业主,则该资源产生的成本归属为企业子。 基于实际消耗,即根据摊销成本进行分配。
如图所示,表示2024.6.20日产生了包年/包月的异常成本,与同一时间的预测最大值相比,实际增加了3.50元,主要涉及的产品是对象存储服务器等。 单击“发现日期”超链接,可以查看异常成本的详细信息,以及潜在的根因分析。 如图所示,展示可能导致该异常的Top3产品。 步骤三:分析异常成本原因
加10个接收人。 确认预算的设置数据,单击“保存”。 新建使用量预算 使用量预算:跟踪指定使用量类型的使用情况,并在达到您设定的阈值时,发出预警提醒。 登录“成本中心”。 选择“预算管理”。 单击“新建预算”。 选择“使用量预算”,单击“下一步”。 设置基本信息和预算范围,单击“下一步”。
成本类型 成本中心目前提供两种成本类型的数据供您使用。 原始成本:反映了原始使用和购买情况。该成本是基于云服务官网价,应用了商务折扣、促销折扣等优惠之后的金额。该成本未考虑代金券的抵扣,如果想了解抵扣代金券之后的原始购买情况,可以使用原始成本净值。 摊销成本:反映了包年/包月的预付
自动创建异常成本监控器 场景示例 成本中心提供了异常成本监控能力,可以帮助客户及时发现异常的按需、包年包月消费,避免不必要的支出。然而,许多客户不了解成本中心异常成本监控的能力,没有创建成本监控器,导致未能及时发现成本异常,产生了非必要支出。基于上述情况,成本中心自动为近7天有过
使用成本监控检测异常成本支出 由于云上成本具有可变性和可扩展性,企业上云后,面临的挑战之一是如何监控费用的异常波动。异常成本监控帮助客户及时发现计划外费用,做到成本的可监控、可分析和可追溯。 了解成本监控 异常成本监控引入机器学习,基于您历史的按需消费和包年包月消费,建立特定的消
便于用户查看在指定时间范围内某类资源包的实际使用/覆盖的情况,以了解资源包是否得到充分的利用或购买足够。查看使用率时能了解和等效按需成本的对比,掌握成本节省的情况。 客户价值 用户查看购买的资源包是否符合实际,使用当前的计费模式是否真正节省了成本。当使用率过低时说明资源包购买数量多,或资源
“委托”列表中出现“rf_admin_trust”委托则创建成功。 图7 委托列表 权限确认 部署操作需要使用主账号或者用户组admin中的子账号进行操作,请创建admin子账户或给IAM用户授权admin。且只能使用北京4的region。 云服务购买 在部署云智能看板前,用户需要在“北京4”的reg
属的部门;另外,A部门还单独使用了内容分发网络服务(假设内容分发网络服务不支持标签管理);所有部门共用了云手机。 已知:客户已使用成本标签来标记成本,标签键:Group;标签值:部门A,部门B,部门C。 成本分组创建4小时之后,定义拆分规则,把共同成本在组织内进行分配。 拆分未分
支持的区域范围 当前ECS资源优化建议仅在部分区域支持,包括如下: 华南-广州 华北-北京一 华东-上海一 华东-上海二 西南-贵阳一 华北-北京四 EIP、ELB、EVS的资源优化建议没有区域限制。 父主题: 资源优化
并提升企业的财务预测准确率。 使用成本中心的成本分析,可以根据客户的历史支出预测未来时间范围的成本。成本分析的成本和使用量预测,会参考不同的计费模式特征,结合机器学习和基于规则的模型来分别预测所有消费模式的成本和使用量。 图2 成本和用量预测 使用成本分析确定基于趋势的预测之后,