యూనిట్లు
1. DevOps మరియు Cloud AIకి పరిచయం: పాత్రలు, సరిహద్దులు, ప్రమాణీకరణ, భద్రత మరియు రహస్యాలు 2. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌తో CI/CD పైప్‌లైన్‌ల రూపకల్పన: GitHub చర్యలు మరియు GitLab CI 3. మౌలిక సదుపాయాలను కోడ్‌గా నిర్వహించడం: టెర్రాఫార్మ్ మరియు IaCతో కృత్రిమ మేధస్సు 4. కంటెయినరైజేషన్: ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌తో డాకర్‌ఫైల్ మరియు ఇమేజ్ ఆప్టిమైజేషన్ 5. కుబెర్నెటెస్: మానిఫెస్ట్, హెల్మ్ మరియు AI-పవర్డ్ ఆర్కెస్ట్రేషన్ 6. పర్యవేక్షణ మరియు పరిశీలన: మెట్రిక్, లాగ్, ట్రేస్ మరియు అలారం నియమాలు 7. సంఘటన నిర్వహణ మరియు పోస్ట్‌మార్టం: ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌తో మూలకారణ విశ్లేషణ 8. క్లౌడ్ కాస్ట్ ఆప్టిమైజేషన్ (FinOps): ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌తో వ్యర్థాల కోసం వేట 9. స్క్రిప్ట్ మరియు ఆటోమేషన్ జనరేషన్: బాష్, పైథాన్ మరియు పవర్‌షెల్ 10. సెక్యూరిటీ అండ్ సీక్రెట్స్ మేనేజ్‌మెంట్: DevSecOps మరియు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ 11. ఉత్పత్తి ధృవీకరణ, విడుదల వ్యూహాలు మరియు ఎండ్-టు-ఎండ్ AI వర్క్‌ఫ్లో
యూనిట్ 8 / 11

క్లౌడ్ కాస్ట్ ఆప్టిమైజేషన్ (FinOps): ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌తో వ్యర్థాల కోసం వేట

లాభాలు:

  • క్లౌడ్ ఖర్చులు (కంప్యూట్, స్టోరేజ్, నెట్‌వర్క్/ఎగ్రెస్) మరియు వ్యర్థ నమూనాల (నిష్క్రియ, భారీ పరిమాణం, తప్పు ధర మోడల్) యొక్క శరీర నిర్మాణ శాస్త్రాన్ని అర్థం చేసుకోగల సామర్థ్యం మరియు కృత్రిమ మేధస్సు ఇన్‌వాయిస్ విశ్లేషణను కలిగి ఉంటుంది.
  • రిస్క్ మరియు వెరిఫికేషన్‌తో సరైన పరిమాణ మరియు కట్టుబడి తగ్గింపు నిర్ణయాలను తీసుకునే సామర్థ్యం మరియు వ్యర్థాలను ముందుగా క్లియర్ చేసే క్రమాన్ని వర్తింపజేయడం
  • కృత్రిమ మేధస్సు యొక్క 'తొలగించు/కనిష్టీకరించు' సూచనల వినియోగాన్ని ధృవీకరించడం ద్వారా అప్లికేషన్ మరియు బిల్లింగ్ డేటా మాస్కింగ్ విధానాలను వర్తింపజేయగల సామర్థ్యం

క్లౌడ్ క్రెడిట్ కార్డ్ లాంటిది: ఉపయోగించడానికి సులభమైనది, నెలాఖరులో షాకింగ్ బిల్లు. రాత్రిపూట మర్చిపోయిన టెస్ట్ సర్వర్, తప్పుగా ఉన్న డేటాబేస్, ఎప్పటికీ తొలగించబడని పాత బ్యాకప్‌లు - ప్రతి ఒక్కటి నిశ్శబ్దంగా డబ్బును కాల్చేస్తాయి. FinOps (ఫైనాన్షియల్ ఆపరేషన్స్) అనేది క్లౌడ్ ఖర్చును ఇంజనీరింగ్, ఫైనాన్స్ మరియు వ్యాపార బృందాల ఉమ్మడి బాధ్యతగా చేసే క్రమశిక్షణ, మరియు ఖర్చును కనిపించేలా మరియు ఆప్టిమైజ్ చేసేలా చేస్తుంది. DevOps ప్రొఫెషనల్ కోసం, దీని అర్థం “ఇది పని చేయనివ్వండి” మనస్తత్వం నుండి “ఇది పని చేయనివ్వండి మరియు దానిని వృధా చేయవద్దు” అనే మనస్తత్వానికి మారడం.

క్లౌడ్‌లోని వ్యర్థాలు తరచుగా కొన్ని సుపరిచిత నమూనాల నుండి వస్తాయి: నిష్క్రియ వనరులు (ఉపయోగించనివి కానీ చెల్లించినవి), ఓవర్ ప్రొవిజనింగ్ (అవసరమైన దానికంటే పెద్ద వనరులు), తప్పుడు ధర నమూనా (తగ్గింపు నిబద్ధత కంటే పూర్తి ధర) మరియు అదృశ్యత (ఏమి ఖర్చవుతుందో ఎవరికీ తెలియదు). AI ఇక్కడ శక్తివంతమైన విశ్లేషణ భాగస్వామి: ఇది సంక్లిష్టమైన బిల్లింగ్ అంశాలను సంగ్రహిస్తుంది, వ్యర్థ నమూనాలను ఫ్లాగ్ చేస్తుంది మరియు పొదుపు దృశ్యాలను రూపొందిస్తుంది. కానీ రిసోర్స్‌ను ఆఫ్ చేయడం లేదా స్కేల్ బ్యాక్ చేయాలనే నిర్ణయం — తప్పుగా పొందడం వల్ల అంతరాయానికి దారితీయవచ్చు — మీదే.

క్లౌడ్ ధర యొక్క అనాటమీ

ఆప్టిమైజేషన్ కోసం మీరు ఖర్చు ఎక్కడ నుండి వచ్చిందో తెలుసుకోవాలి:

  • కంప్యూట్: వర్చువల్ మిషన్లు, కంటైనర్లు. సాధారణంగా అతిపెద్ద అంశం. ఇది తరచుగా అవసరమైన దానికంటే పెద్దదిగా ఎంపిక చేయబడుతుంది.
  • నిల్వ: డిస్క్‌లు, వస్తువు దుకాణాలు, బ్యాకప్‌లు. ఇది నిశ్శబ్దంగా పెరుగుతుంది; పాత డేటా క్లియర్ చేయకపోతే, అది పేరుకుపోతుంది.
  • నెట్‌వర్క్: ముఖ్యంగా ఎగ్రెస్ - క్లౌడ్ నుండి లేదా ప్రాంతాల మధ్య డేటాను బదిలీ చేయడం ఖరీదైనది మరియు ఆశ్చర్యకరమైనది.
  • నిర్వహించబడే సేవలు: డేటాబేస్, క్యూ, లోడ్ బ్యాలెన్సర్ వంటి రెడీమేడ్ సేవలు; మీరు సౌలభ్యం కోసం ప్రీమియం చెల్లించాలి.

రెండు ప్రాథమిక ధరల లివర్లు: రిజర్వు చేసిన సందర్భాలు / పొదుపు ప్రణాళికలు — 1-3 సంవత్సరాల పాటు నిర్దిష్ట వినియోగానికి కట్టుబడి పెద్ద తగ్గింపును పొందడం; మరియు స్పాట్/అంతరాయం కలిగించే సామర్థ్యం — క్లౌడ్ యొక్క నిష్క్రియ సామర్థ్యాన్ని చాలా చౌకగా కానీ తిరిగి పొందగలిగేలా ఉపయోగించడం (అవుట్‌ను తట్టుకునే ఉద్యోగాలకు అనువైనది).

FinOps యొక్క ప్రాథమిక సూత్రం బాధ్యత వికేంద్రీకరణ: క్లౌడ్ ధర అనేది ఫైనాన్స్ బృందం ఒంటరిగా పరిష్కరించగల అకౌంటింగ్ అంశం కాదు. ఆ వనరుని సృష్టించిన ఇంజనీర్‌కు ఒక వనరు ఎంత ఖర్చవుతుందో మరియు అది నిజంగా అవసరమా కాదో బాగా తెలుసు. అందుకే పరిణతి చెందిన FinOps సంస్కృతిలో, ప్రతి బృందం దాని స్వంత ఖర్చులను చూసుకుంటుంది మరియు స్వంతం చేసుకుంటుంది. ఈ దృశ్యమానతను అందించడంలో AI ఒక శక్తివంతమైన సహాయం: ఇది బృందం, ప్రాజెక్ట్ మరియు పర్యావరణం వారీగా చెల్లాచెదురుగా ఉన్న ఇన్‌వాయిస్ డేటాను సంగ్రహిస్తుంది మరియు “ఈ నెలలో ఎవరు ఎక్కువ ఖర్చు చేశారు మరియు దేనికి?” అని అడగవచ్చు. ప్రశ్నకు జవాబుదారీగా చేస్తుంది. కానీ గుర్తుంచుకోండి - ఖర్చు ఆప్టిమైజేషన్ అనేది ఒక-పర్యాయ ప్రాజెక్ట్ కాదు, కానీ నిరంతర చక్రం: తెలియజేయండి, ఆప్టిమైజ్ చేయండి, ఆపరేట్ చేయండి; ఆపై మళ్లీ మొదటికి వెళ్లండి. క్లౌడ్ వాతావరణం నిరంతరం మారుతున్నందున, వ్యర్థాలు నిరంతరం పేరుకుపోతాయి.

చిట్కా: వేగవంతమైన పొదుపులు సాధారణంగా "కుడి-పరిమాణం" మరియు "నిష్క్రియ వనరులను శుభ్రపరచడం"; వీటికి నిబద్ధత అవసరం లేదు మరియు ప్రమాద రహితానికి దగ్గరగా ఉంటాయి. కమిట్ అయిన డిస్కౌంట్‌లకు వెళ్లే ముందు ముందుగా వ్యర్థాలను శుభ్రం చేయండి - లేదా మీరు వ్యర్థాలను తగ్గింపు ధరకు లాక్ చేస్తారు.

దశల వారీగా: AIతో వ్యయ విశ్లేషణ

  1. ఇన్వాయిస్ డేటాను సంగ్రహించండి. క్లౌడ్ యొక్క వివరణాత్మక ధర బ్రేక్‌డౌన్ (ఖర్చు ఎగుమతి/CSV) పొందండి. మాస్క్ ఖాతా IDలు మరియు సున్నితమైన ఫీల్డ్‌లు.
  2. పెద్దది నుండి చిన్నది వరకు క్రమబద్ధీకరించండి. ఖర్చులో 80% సాధారణంగా కొన్ని వస్తువుల నుండి వస్తుంది; అక్కడ దృష్టి పెట్టండి.
  3. వ్యర్థాల నమూనాల కోసం చూడండి. నిష్క్రియ, భారీ, ట్యాగ్ చేయని వనరులు.
  4. దృష్టాంతాన్ని రూపొందించండి. "నేను ఈ వనరును ఒక పరిమాణాన్ని చిన్నదిగా చేస్తే ఎంత పొదుపు, ఎంత ప్రమాదం?"
  5. ప్రమాదాన్ని అంచనా వేయండి. పనితీరు మరియు అంతరాయానికి సంబంధించి ప్రతి సూచనను మీరే తూచుకోండి.
  6. క్రమంగా వర్తించు మరియు పర్యవేక్షించండి. కనిష్టీకరించండి, ఆపై కొలమానాలను పర్యవేక్షించండి; సమస్య లేకపోతే, కొనసాగించండి.

భద్రత మరియు గోప్యత: బిల్లింగ్ డేటా సున్నితమైనది

క్లౌడ్ బిల్లింగ్ డంప్ కనిపించే దానికంటే చాలా సున్నితంగా ఉంటుంది: ఖాతా IDలు, వనరుల పేర్లు (కొన్నిసార్లు కస్టమర్ పేరును కలిగి ఉంటాయి), మీ ఆర్కిటెక్చర్ టోపోలాజీ మరియు నిర్గమాంశను అక్కడ నుండి చదవవచ్చు. విశ్లేషణ కోసం AIకి ఇచ్చే ముందు ఖాతా నంబర్‌లు, అనుకూల వనరుల పేర్లు మరియు కస్టమర్-నిర్దిష్ట ట్యాగ్‌లను మాస్క్ చేయండి. ఒక పోటీదారు వారి చేతికి వస్తే, అది మీ స్థాయి మరియు ధర నిర్మాణాన్ని అందిస్తుంది.

హెచ్చరిక: AI సూచించే చాలా పొదుపులు సరైనవి, కానీ కొన్ని ప్రమాదకరమైనవి: "ఈ వనరు పనిలేకుండా ఉన్నట్లు కనిపిస్తోంది, దాన్ని తొలగించండి" అని చెప్పేది వాస్తవానికి నెలకు ఒకసారి అమలు చేసే క్లిష్టమైన బ్యాకప్ జాబ్ కావచ్చు. వనరును తొలగించే ముందు, దానిని ఎవరు ఉపయోగిస్తున్నారు మరియు ఏ ప్రయోజనం కోసం ఉపయోగిస్తున్నారో ధృవీకరించండి. తొలగించే నిర్ణయాన్ని మార్చలేము.

వ్యర్థ నమూనాలు మరియు పరిష్కార పట్టిక

వ్యర్థ నమూనా

లక్షణం

సాధారణ పరిష్కారం

ప్రమాదం

జడ వనరు

0% వినియోగానికి దగ్గరగా ఉంది

మూసివేయి/తొలగించు (ధృవీకరణ తర్వాత)

తక్కువ-మధ్యస్థ

ఓవర్ సైజింగ్

CPU/మెమరీ నిరంతరం తక్కువగా ఉంటుంది

ఒక పరిమాణాన్ని తగ్గించండి (కుడి పరిమాణం)

తక్కువ

పూర్తి ధర గణన

స్థిరమైన, నిరంతర లోడ్

సేవింగ్స్ ప్లాన్/రిజర్వ్ చేయబడింది

తక్కువ (నిబద్ధత)

అంతరాయాన్ని తట్టుకునే వ్యాపారం

బ్యాచ్/పరీక్ష లోడ్లు

స్పాట్ సామర్థ్యం

మధ్యస్థం (తగ్గింపు)

పాత నిల్వ

సంవత్సరాలుగా డేటా తాకబడలేదు

చల్లని పొరకు తరలించు/తొలగించు

మధ్యస్థం (తిరిగి పొందడం)

మూడు చిన్న కేసులు

కేసు 1 — నెలకు $4,200 పొదుపు. ఒక బృందం ముసుగు వేసుకున్న నెలవారీ బిల్లును AIకి అందజేసి, "టాప్ 10 అంశాలు మరియు సంభావ్య వ్యర్థాలను జాబితా చేయమని" చెప్పింది. ఒక పరీక్షా వాతావరణం 24/7 తెరిచి ఉందని మరియు మూడు డేటాబేస్‌లు అవసరమైన దానికంటే నాలుగు రెట్లు సామర్థ్యాన్ని కలిగి ఉన్నాయని AI ఫ్లాగ్ చేసింది. బృందం గంటల తర్వాత పరీక్ష వాతావరణాన్ని మూసివేసింది, డేటాబేస్‌లను తగ్గించింది: నెలవారీ బిల్లు $4,200 తగ్గింది. వారు మెట్రిక్‌లను అనుసరించడం ద్వారా కనిష్టీకరించినందున అప్లికేషన్ పనితీరు అస్సలు ప్రభావితం కాలేదు.

కేసు 2 — ప్రమాదకరమైన “తొలగించు” సూచన క్యాచ్ చేయబడింది. AI "ఈ స్టోరేజ్ బకెట్ నెలల తరబడి చదవబడలేదు, దానిని తొలగించవచ్చు" అని చెప్పింది. ఇంజనీర్ దానిని ఎవరు ఉపయోగిస్తున్నారని ప్రశ్నించినప్పుడు, అందులో నివశించే తేనెటీగలు తనిఖీ రికార్డులను ఉంచినట్లు అతను కనుగొన్నాడు, ఇది ఉంచడానికి చట్టపరమైన అవసరం. అది తొలగించబడితే, అది సమ్మతి ఉల్లంఘన అవుతుంది. దానిని తొలగించడానికి బదులుగా, వారు దానిని చౌకైన కోల్డ్ స్టోరేజీ స్థాయికి తరలించారు; పొదుపు మరియు సామరస్యం రెండూ.

కేసు 3 - ఎగ్రెస్ ఆశ్చర్యం పరిష్కరించబడింది. బిల్లు అనూహ్యంగా పెరిగిపోయింది. AI బ్రేక్‌డౌన్‌ను సంగ్రహించింది మరియు పెరుగుదల "ఎగ్రెస్" అంశం నుండి వచ్చినట్లు చూపింది. కారణం: ఒక సేవ అదే ప్రాంతంలో ఉండాల్సిన డేటాను మరొక ప్రాంతం నుండి లాగుతోంది. మేము అదే ప్రాంతంలో నిర్మాణాన్ని కేంద్రీకరించినప్పుడు, ఎగ్రెస్ ఖర్చు మూడో వంతుకు తగ్గించబడింది.

నాలుగు కాపీ చేయగల టెంప్లేట్‌లు

1) ఇన్‌వాయిస్ విశ్లేషణ (ముసుగు):

మాస్క్‌డ్ క్లౌడ్ ధర విచ్ఛిన్నతను దిగువ విశ్లేషించండి. నాకు ఇవ్వండి: (1) అత్యంత ఖరీదైన 10 వస్తువులు, (2) సాధ్యమయ్యే వ్యర్థాల నమూనాలు (పనిలేకుండా, భారీ పరిమాణంలో, వాడుకలో లేని నిల్వ, ఎగ్రెస్), (3) ప్రతిదానికీ అంచనా వేసిన నెలవారీ పొదుపులు మరియు (4) ప్రతి సూచన యొక్క అంతరాయం/పనితీరు ప్రమాదం. మీరు తొలగించాలని సూచించే ప్రతి వనరు కోసం "మొదట ధృవీకరించు" గమనికను జోడించండి. ట్రాన్స్క్రిప్ట్: [CSV/SUMMARY]

2) కుడి-పరిమాణ దృశ్యం:

కింది వనరు కోసం చివరి 30 రోజుల వినియోగం: [CPU/మెమరీ/అభ్యర్థన కొలమానాలు]. నేను దీన్ని పరిమాణాన్ని తగ్గించినట్లయితే: అంచనా వేయబడిన పొదుపులు ఏమిటి, పనితీరు ప్రమాదం ఏమిటి, నేను ఏ మెట్రిక్‌ను విశ్వాసంతో పర్యవేక్షించగలను? క్రమంగా ప్రణాళికను సూచించండి.

3) నిబద్ధత/తగ్గింపు నిర్ణయం:

నా గణన వినియోగం గత 6 నెలలుగా స్థిరంగా ఉంది: [సారాంశం]. రిజర్వ్‌డ్/సేవింగ్స్‌ప్లాన్‌కి మారడం సమంజసమేనా అని పరిగణించండి: బ్రేక్-ఈవెన్ అంటే ఏమిటి, ఏ నిబద్ధత కాలం/పరిధి సముచితం, ఎలాంటి ప్రమాదాలు ఉన్నాయి (వినియోగం తగ్గితే)? ముందుగా చెత్తను శుభ్రం చేయాలంటే చెప్పండి.

4) ట్యాగింగ్ వ్యూహం:

బృందం/ప్రాజెక్ట్/పర్యావరణ ప్రాతిపదికన ఖర్చు కనిపించేలా రిసోర్స్ ట్యాగింగ్ స్టాండర్డ్‌ను సూచించండి: ఏ ట్యాగ్‌లు తప్పనిసరిగా ఉండాలి, ట్యాగ్ చేయని వనరులను ఎలా క్యాప్చర్ చేయాలి, ఈ ట్యాగ్‌ల ప్రకారం ఖర్చును ఎలా నివేదించాలి? కాంక్రీట్ స్టార్టర్ కిట్ ఇవ్వండి.

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైనది: "నేను నా క్లౌడ్ బిల్లును ఎలా తగ్గించగలను?"

ఫలితం: డేటా లేదు, సందర్భం లేదు; AI మీ బిల్లుపై ప్రభావం చూపకుండా "మీరు ఉపయోగించని వాటిని ఆఫ్ చేయండి" అనే సాధారణ సలహా ఇస్తుంది.

బలమైనది: "దిగువ ఉన్న మాస్క్‌డ్ కాస్ట్ బ్రేక్‌డౌన్‌లో, 10 అత్యంత ఖరీదైన వస్తువులను తీసివేసి, వ్యర్థాల నమూనాలను గుర్తించండి మరియు ప్రతిదానికి అంచనా వేసిన పొదుపులు మరియు అంతరాయం కలిగించే ప్రమాదాన్ని అందించండి. మీరు తొలగించాలని సిఫార్సు చేసిన ప్రతి వనరు కోసం, నేను ముందుగా ధృవీకరించాల్సిన వాటిని వ్రాయండి. నేను ఖాతా IDలను మాస్క్ చేసాను."

తేడా: రెండవ ప్రాంప్ట్ నిజమైన (ముసుగు) డేటా, స్పష్టమైన అవుట్‌పుట్ ఫార్మాట్ మరియు రిస్క్/ధృవీకరణ నిరీక్షణను అందిస్తుంది; అవుట్‌పుట్ నేరుగా పొదుపుగా మారుతుంది.

సాధారణ తప్పులు

  • వ్యర్థాలను శుభ్రం చేయకుండా నిబద్ధతతో ముందుకు సాగుతున్నారు. రాయితీ ధరకు వ్యర్థాలను లాక్ చేస్తోంది.
  • AI యొక్క "తొలగించు" సూచనను ధృవీకరించకుండా వర్తింపజేయడం. క్లిష్టమైన బ్యాకప్/ఆడిట్ డేటా తొలగించబడవచ్చు.
  • కొలమానాలను ట్రాక్ చేయకుండా తగ్గింపు చేయడం. అధిక సూక్ష్మీకరణ పనితీరు మరియు కస్టమర్‌ను దెబ్బతీస్తుంది.
  • ఎగ్రెస్ మర్చిపోవడం. నెట్‌వర్క్ ఎగ్రెస్ ఖర్చు చాలా తరచుగా పట్టించుకోని ఆశ్చర్యం.
  • లేబులింగ్ కాదు. ఖర్చు ఎవరు భరిస్తారో తెలియకపోతే ఎవరూ బాధ్యత తీసుకోరు.
  • మాస్క్ లేకుండా ఇన్‌వాయిస్ డేటాను షేర్ చేస్తోంది. స్కేల్ మరియు టోపోలాజీ లీకేజీ.

సారాంశంలో

FinOps అనేది క్లౌడ్ ఖర్చును కనిపించేలా చేయడం మరియు వ్యర్థాలను క్రమపద్ధతిలో వేటాడడం. వ్యర్థాలు తరచుగా నిష్క్రియ వనరులు, భారీ పరిమాణం, సరికాని ధర నమూనా మరియు అదృశ్యం నుండి వస్తాయి. సంక్లిష్టమైన ఇన్‌వాయిస్ బ్రేక్‌డౌన్‌లను క్లుప్తీకరించడానికి, వ్యర్థ నమూనాలను ఫ్లాగ్ చేయడానికి మరియు పొదుపు దృశ్యాలను రూపొందించడానికి AI శక్తివంతమైన విశ్లేషణ భాగస్వామి. అయితే ముందుగా వ్యర్థాలను శుభ్రం చేయడం, ఆపై కట్టుబడి ఉండటం, వినియోగాన్ని ధృవీకరించడం ద్వారా ప్రతి "తొలగించు/కనిష్టీకరించు" సూచనను అమలు చేయడం, కొలమానాలను ట్రాక్ చేయడం ద్వారా కనిష్టీకరణ చేయడం మరియు బిల్లింగ్ డేటాను మాస్క్ చేయడం మీ బాధ్యత.

అప్లికేషన్ టాస్క్

ధర విచ్ఛిన్నం మరియు క్లౌడ్ ఖాతాను (సొంత లేదా ఉదాహరణ) మాస్క్ చేయండి. (1) "ఇన్‌వాయిస్ విశ్లేషణ" టెంప్లేట్‌తో అత్యంత ఖరీదైన వస్తువులు మరియు వ్యర్థ నమూనాలను తీసివేయండి. (2) ఫ్లాగ్ చేయబడిన “నిద్రలో ఉన్న” వనరు కోసం, దానిని తొలగించే ముందు వారు దానిని ఎవరు/ దేని కోసం ఉపయోగిస్తున్నారో ధృవీకరించండి మరియు మీ అన్వేషణను గమనించండి. (3) "నేను సరైన పరిమాణ సిఫార్సును ఏ మెట్రిక్ ద్వారా అమలు చేస్తాను?" ప్రశ్నతో దాన్ని సురక్షిత ప్లాన్‌కి కనెక్ట్ చేయండి.

చెక్లిస్ట్

  • [ ] నేను ఇన్‌వాయిస్ స్టేట్‌మెంట్‌లో ఖాతా IDలు మరియు సున్నితమైన వనరుల పేర్లను మాస్క్ చేసాను.
  • [ ] నేను మొదట ఖర్చుతో కూడిన అతిపెద్ద వస్తువులపై దృష్టి పెట్టాను.
  • [ ] ప్రతి "తొలగించు" సూచన కోసం, ఆ వనరు ఎవరికి/ దేనికి ఉపయోగించబడిందో నేను ధృవీకరించాను.
  • [ ] నేను మెట్రిక్‌ని అనుసరించి క్రమంగా తగ్గింపును వర్తింపజేసాను.
  • [ ] నేను నిబద్ధత తగ్గింపుకు వెళ్లే ముందు వ్యర్థాలను శుభ్రం చేసాను.
  • [ ] నేను ఎగ్రెస్ మరియు స్టోరేజ్ వంటి తప్పుడు అంశాలను కూడా తనిఖీ చేసాను.