M365Con 2027 – konferensi online gratis · 11–22 Jan 2027 · 120 sessions→ m365con.net

Blog · Mirko Peters

Harga Azure Log Analytics: Cara Mencegah Biaya Pemantauan Azure Membengkak

By ·

Pelajari cara mengendalikan harga Azure Log Analytics, mengoptimalkan paket tabel workspace, menyaring noise ingestion, dan mencegah biaya pemantauan cloud membengkak.

Automatically translated with AI from the original post. Read the English original

Cover: Log Analytics - Simply Explained

Mengendalikan harga Azure Log Analytics memerlukan pemahaman tentang volume ingestion, paket data per tabel, dan biaya retensi jangka panjang. Dengan menerapkan penyaringan data sejak dini menggunakan KQL, memilih paket tingkat yang sesuai seperti Basic dan Auxiliary, serta menghindari batas pengumpulan harian yang berisiko, administrator dapat mencegah tagihan pemantauan Azure melonjak tak terkendali.

Poin Penting

Faktor Utama Biaya Log Analytics

Ketika organisasi pertama kali menerapkan pemantauan cloud, fokus utamanya hampir sepenuhnya pada visibilitas, yaitu memastikan sistem saling terhubung dan setiap error tercatat. Namun, realitas baru terasa ketika tagihan cloud bulanan tiba. Log Analytics terutama ditagih berdasarkan dua vektor konsumsi: volume gigabyte yang dikirim ke workspace dan lamanya catatan tersebut tetap tersedia untuk kueri interaktif.

Membuat workspace itu sendiri tidak berbiaya, dan hal ini sering menimbulkan rasa aman yang semu. Tim cenderung memperlakukan repositori log seperti laci sampah digital tanpa batas, membuang data debug aplikasi yang bertele-tele, sinyal heartbeat yang berulang, dan jejak yang belum diverifikasi ke dalam satu wadah. Karena Anda membayar setiap gigabyte yang masuk, terlepas dari apakah ada yang pernah membuka tabel tersebut, ingestion data yang tidak diatur dengan cepat menyebabkan anggaran membengkak.

Memilih Paket Tabel: Analytics, Basic, dan Auxiliary

Salah satu keputusan paling berdampak yang dapat diambil administrator adalah menetapkan paket tingkat harga yang tepat untuk setiap tabel. Tidak semua data log membutuhkan tingkat performa yang sama, dan Microsoft menyediakan paket bertingkat yang mencerminkan trade-off operasional tersebut.

Tingkat Analytics Standar

Paket Analytics standar dirancang untuk data yang Anda pantau secara ketat dan perlu dikueri segera. Paket ini mendukung deteksi ancaman real-time dan pemecahan masalah yang cepat. Namun, ini juga merupakan opsi yang paling mahal. Paket ini mempertahankan pengindeksan penuh agar eksekusi kueri dalam hitungan sub-detik dapat dilakukan pada pernyataan Kusto Query Language (KQL) yang kompleks.

Tingkat Basic dan Auxiliary

Untuk data yang hanya Anda tinjau secara reaktif ketika terjadi masalah, atau catatan bervolume tinggi yang disimpan semata-mata untuk audit, paket Basic dan Auxiliary menawarkan penghematan yang signifikan. Jika Analytics standar bisa berharga sekitar $2,30 per gigabyte, paket Basic dapat menurunkan harga tersebut secara substansial, sementara tingkat Auxiliary dapat menekan biaya hingga sebagian kecil dari tarif standar (kadang hingga 46 kali lebih murah di level terendah).

Masalahnya ada pada fungsionalitas operasional. Paket yang murah lebih lambat saat dicari, tidak memiliki pengindeksan penuh, dan sama sekali tidak cocok untuk peringatan keamanan real-time. Dengan mencampur paket-paket ini dalam satu workspace, Anda dapat mengarahkan sinyal keamanan yang kritis ke tabel berkecepatan tinggi yang mahal, sementara log kepatuhan yang berisik disimpan di penyimpanan tambahan yang murah.

Cara Memangkas Biaya dengan Pemfilteran Dini dan Aturan Pengumpulan Data

Kesalahan terbesar yang sering dilakukan administrator adalah mencoba membersihkan data setelah data tersebut sudah masuk ke workspace. Pada saat sebuah rekaman log tersimpan, Anda sudah membayar biaya ingestinya.

Pendekatan yang tepat memanfaatkan Data Collection Rules (DCR) bersama Azure Monitor Agent. DCR bertindak sebagai kumpulan instruksi yang diterapkan di seluruh mesin virtual dan klaster kontainer Anda. DCR menentukan dengan tepat peristiwa apa yang dikumpulkan, bagaimana membentuknya, dan tabel mana yang menjadi tujuannya. Yang lebih penting, DCR memungkinkan Anda membuang noise yang berulang sejak dari sumbernya.

Jika sebuah aplikasi menghasilkan ribuan log level info yang berulang setiap jam dan tim Anda tidak pernah mengkueri log tersebut, buanglah sejak awal. Membentuk ulang dan memfilter data sebelum masuk ke mesin penyimpanan memastikan Anda tidak pernah dikenakan tagihan untuk telemetri yang tidak Anda gunakan.

Bahaya dari Batas Ingestion Harian

Menghadapi tagihan cloud yang tidak terduga, banyak manajer keuangan dan TI mengandalkan fitur batas harian (daily cap) Azure Log Analytics sebagai jaring pengaman mutlak. Batas harian menetapkan batas keras untuk ingestion data; begitu ambang batas tercapai, workspace berhenti menerima rekaman baru hingga sisa hari itu.

Meskipun ini mencegah lonjakan biaya yang tidak terduga, Microsoft secara eksplisit memperingatkan agar tidak mengandalkannya untuk pengelolaan biaya rutin. Ketika batas harian terpicu, pengumpulan data berhenti sepenuhnya. Analis keamanan Anda kehilangan visibilitas, tim operasional berjalan tanpa informasi, dan Anda melewatkan peringatan kritis jika terjadi kegagalan sistem pada malam hari. Kehilangan visibilitas akibat gangguan hampir selalu lebih mahal daripada tagihan pemantauan cloud yang sedikit lebih tinggi.

Menyeimbangkan Retensi Interaktif dan Arsip Jangka Panjang

Pengendalian biaya tidak berhenti pada ingestion, tetapi juga mencakup berapa lama data tersimpan. Secara default, retensi interaktif memberi akses kueri cepat selama 31 hari (atau 90 hari jika Microsoft Sentinel diaktifkan). Setelah periode itu berakhir, data tidak hilang begitu saja; data berpindah ke penyimpanan jangka panjang.

Menyimpan data yang dapat dikueri secara interaktif jauh lebih mahal per gigabyte per bulan dibandingkan mengarsipkannya di penyimpanan jangka panjang. Untuk kebutuhan kepatuhan yang mewajibkan retensi data selama bertahun-tahun, penyimpanan arsip hanya berbiaya beberapa sen per gigabyte. Namun, perlu diingat bahwa mengambil data yang diarsipkan memerlukan menjalankan search job, bukan kueri interaktif yang instan, sehingga strategi di awal menjadi sangat penting.

Kesimpulan dan Langkah Selanjutnya

Mengelola harga Azure Log Analytics adalah latihan arsitektur yang disengaja. Dengan meninggalkan strategi pengumpulan data yang menampung semuanya, memanfaatkan paket khusus per tabel, dan menerapkan aturan pengumpulan data yang ketat di sisi sumber, Anda dapat mempertahankan visibilitas setingkat enterprise tanpa melampaui anggaran cloud Anda.

Untuk memahami lebih dalam dasar cara kerja sistem ini, pastikan Anda mendengarkan episode lengkapnya dari M365 FM Podcast untuk penjelasan bebas istilah teknis tentang workspace, tabel, dan dasar-dasar kueri KQL.

Pertanyaan Umum

Apakah membuat workspace Azure Log Analytics gratis?

Ya, membuat workspace tidak dikenakan biaya dasar apa pun. Anda hanya membayar untuk volume data yang masuk ke workspace dan lamanya data tersebut disimpan.

Apa perbedaan antara paket Analytics, Basic, dan Auxiliary?

Paket Analytics menyediakan penyimpanan berkecepatan tinggi dan terindeks penuh yang dioptimalkan untuk peringatan keamanan real-time dan kueri interaktif yang cepat. Paket Basic dan Auxiliary menawarkan opsi penyimpanan yang jauh lebih murah untuk data yang jarang dicari atau disimpan terutama untuk kepatuhan dan arsip.

Mengapa saya sebaiknya menghindari batas ingestion harian?

Batas ingestion harian menghentikan pengumpulan data sepenuhnya setelah ambang pengeluaran Anda tercapai. Hal ini membuat sistem keamanan dan pemantauan Anda buta selama sisa hari itu, sehingga menimbulkan risiko yang tidak dapat diterima saat terjadi gangguan sistem atau pelanggaran keamanan.

Bagaimana cara mengurangi biaya ingestion data Log Analytics saya?

Strategi pengurangan biaya yang paling efektif adalah menyaring data log yang tidak perlu di sumbernya menggunakan Data Collection Rules (DCRs), sehingga log debug yang berisik dan tidak pernah dibaca dibuang sebelum sampai ke workspace yang ditagih.

Fabric workspace Kusto Query Language (KQL)

Related articles

RSS