Omkostningsoptimering er en af grundpillerne i AWS velstruktureret rammeværk, og det er en kontinuerlig proces med forfining og forbedring i løbet af en arbejdsbyrdes livscyklus. Det gør det muligt at bygge og drive omkostningsbevidste systemer, der minimerer omkostningerne, maksimerer investeringsafkastet og opnår forretningsresultater.
Amazon SageMaker er en fuldt administreret maskinlæringstjeneste (ML), der tilbyder en række omkostningsoptimeringsmuligheder og -funktioner såsom administreret punkttræning, multi-model slutpunkter, AWS-inferens, ML Savings Plans og mange andre, der hjælper med at reducere de samlede ejeromkostninger (TCO) for ML-arbejdsbelastninger sammenlignet med andre cloud-baserede muligheder, såsom selvadministreret Amazon Elastic Compute Cloud (Amazon EC2) og AWS-administreret Amazon Elastic Kubernetes Service (Amazon EKS).
AWS er dedikeret til at hjælpe dig med at opnå de højeste besparelser ved at tilbyde omfattende service- og prismuligheder. Vi leverer værktøjer til fleksibel omkostningsstyring og forbedret synlighed af detaljerede omkostninger og brug af dine arbejdsbelastninger.
I 2021 lancerede vi AWS Support Proactive Services som en del af AWS Enterprise Support plan. Siden introduktionen har vi hjulpet hundredvis af kunder med at optimere deres arbejdsbelastninger, sætte autoværn og forbedre synligheden af deres ML-arbejdsbelastningers omkostninger og brug.
I dette indlæg deler vi erfaringer og guider dig gennem de forskellige måder at analysere din SageMaker-brug på og identificere muligheder for omkostningsoptimering.
Analyser SageMaker-omkostningerne ved hjælp af AWS Cost Explorer
AWS Cost Explorer giver forudkonfigurerede visninger, der viser oplysninger om dine omkostningstendenser og giver dig et forspring til at forstå din omkostningshistorie og -tendenser. Det giver dig mulighed for at filtrere og gruppere efter værdier såsom AWS-tjeneste, brugstype, omkostningsfordelingstags, EC2-instanstype, og mere. Hvis du bruger samlet fakturering, kan du også filtrere efter linket konto. Derudover kan du indstille tidsintervaller og granularitet, samt forudsige fremtidige omkostninger baseret på dine historiske omkostninger og brugsdata.
Lad os starte med at bruge Cost Explorer til at identificere omkostningsoptimeringsmuligheder i SageMaker.
- På Cost Explorer-konsollen skal du vælge SageMaker forum Service Og vælg Anvend filtre.
- Du kan indstille det ønskede tidsinterval og granularitet, såvel som Gruppe af parameter.
- Du kan vise diagramdataene i søjle-, linje- eller stakplotformat.
- Når du har opnået dine ønskede resultater med filtre og grupperinger, kan du enten downloade dine resultater ved at vælge Download som CSV eller gem rapporten ved at vælge Gem til rapportbibliotek.
Følgende skærmbillede viser SageMaker-omkostninger pr. måned for det valgte datointerval, grupperet efter region.
For generel vejledning om brug af Cost Explorer, se AWS Cost Explorers nye udseende og almindelige brugssager.
Du kan eventuelt aktivere AWS omkostnings- og brugsrapporter (AWS CUR) for at få indsigt i omkostninger og brugsdata for dine konti. Rapporten indeholder oplysninger om AWS-forbrug pr. time. Det opbevares i Amazon Simple Storage Service (Amazon S3) på betalerkontoen, som konsoliderer data for alle de sammenkædede konti. Du kan forespørge i rapporten for at analysere tendenser i dit forbrug og træffe passende foranstaltninger for at optimere omkostningerne. Amazonas Athena er en serverløs forespørgselstjeneste, du kan bruge til at analysere dataene fra din rapport i Amazon S3 ved hjælp af standard SQL. For mere information og eksempelforespørgsler henvises til AWS CUR-forespørgselsbibliotek.
Følgende kode er et eksempel på en AWS CUR-forespørgsel for at få SageMaker-omkostninger for de sidste 3 måneders brug:
Du kan også indlæse AWS CUR-data Amazon QuickSight, hvor du kan skære og skære den, som du vil, til rapportering eller visualiseringsformål. For instruktioner om indtagelse af CUR-data i QuickSight, se Hvordan indtager og visualiserer jeg AWS Cost and Usage Report (CUR) i Amazon QuickSight.
Analyser omkostningerne for SageMaker brugstyper
Dine månedlige SageMaker-omkostninger kommer fra forskellige SageMaker-brugstyper, såsom notebook-forekomster, hosting, træning og behandling, blandt andre. Valg af SageMaker-servicefilteret og gruppering efter Brugstype dimension i Cost Explorer giver dig en generel idé om omkostningsfordeling baseret på SageMaker brugstype. Brugstypen vises i formatet
Følgende skærmbillede viser omkostningsfordelingen grupperet efter SageMaker-brugstyper, når en konto har rapporteret brug på notebooks og Amazon SageMaker Studio KernelGateway apps.
Generel bedste praksis til optimering af SageMaker-omkostninger
I dette afsnit deler vi generelle anbefalinger for at spare på omkostningerne, mens du bruger SageMaker.
tagging
A tag er en etiket, som du tildeler til en AWS-ressource. Du kan bruge tags til at organisere dine ressourcer af brugere, afdelinger eller omkostningssteder, og spor dine omkostninger på et detaljeret niveau. Omkostningsfordelingstags kan bruges til at kategorisere omkostninger i Cost Explorer or Omkostnings- og forbrugsrapporter. For tips og bedste praksis vedrørende omkostningsallokering til dit SageMaker-miljø og arbejdsbelastninger, se Konfigurer omkostningsallokering på virksomhedsniveau for ML-miljøer og arbejdsbelastninger ved hjælp af ressourcetagging i Amazon SageMaker
AWS budgetter
AWS budgetter giver dig indsigt i dine ML-omkostninger på AWS og hjælper dig med at spore dine SageMaker-omkostninger, herunder udvikling, træning og hosting. Det lader dig indstille brugerdefinerede budgetter for at spore dine omkostninger og brug fra de enkleste til de mest komplekse brugssager. AWS Budgets understøtter også e-mail eller Amazon Simple Notification Service (Amazon SNS) meddelelse, når faktiske eller forventede omkostninger og forbrug overstiger din budgettærskel, eller når dine faktiske spareplaners udnyttelse eller dækning falder under din ønskede tærskel.
AWS Budgets er også integreret med Cost Explorer, så du nemt kan se og analysere dine omkostninger og forbrugsdrivere, AWS Chatbot, så du kan modtage AWS Budget-advarsler i din udpegede Slack-kanal eller Amazon Chime-rum, og AWS servicekatalog, så du kan spore omkostningerne på dine godkendte AWS-porteføljer og produkter. Du kan også indstille advarsler og få en meddelelse, når dine omkostninger eller forbrug overstiger (eller forventes at overstige) dit budgetterede beløb. Når du har oprettet dit budget, kan du spore fremskridtene på AWS Budgets-konsollen. For mere information, se Håndtering af dine omkostninger med AWS Budgets.
AWS Billing-konsol
AWS Billing-konsol giver dig mulighed for nemt at forstå dine AWS-forbrug, se og betale fakturaer, administrere faktureringspræferencer og skatteindstillinger og få adgang til yderligere cloud-økonomistyringstjenester. Du kan hurtigt vurdere, om dit månedlige forbrug er i overensstemmelse med tidligere perioder, prognose eller budget, og undersøge og træffe korrigerende handlinger rettidigt. Du kan bruge dashboard-siden i AWS Billing-konsollen til at få et generelt overblik over dine AWS-forbrug. Du kan også bruge den til at identificere din højeste omkostningstjeneste eller region og se tendenser i dit forbrug over de seneste par måneder samt til at se forskellige opdelinger af dit AWS-forbrug.
AWS resumé afsnittet på siden giver et overblik over dine AWS-omkostninger på tværs af alle konti, regioner, tjenesteudbydere og tjenester og andre KPI'er. Det giver også en sammenligning med dine samlede forventede omkostninger for den aktuelle måned. Det Højeste omkostning sektionen viser din bedste service, konto eller region efter estimeret måned-til-dato (MTD) forbrug. Det Omkostningsudvikling efter top fem tjenester sektionen viser omkostningstendensen for dine top fem tjenester for de seneste tre til seks lukkede faktureringsperioder.
Planlægning og prognose
Forecasting er en vigtig del af at holde styr på dine cloud-omkostninger og -brug, og bliver endnu vigtigere, efterhånden som din virksomhed skalerer.
AWS har flere muligheder for at hjælpe dig med at forudsige dine omkostninger. Det prognosefunktion of Cost Explorer giver dig mulighed for at oprette brugerdefinerede brugsprognoser for at få et indblik i dine forventede fremtidige omkostninger. Det indbygget ML-drevet forecasting af QuickSight giver dig mulighed for at forudsige dine nøgleforretningsmålinger med peg-og-klik enkelhed. Det tilbyder en ligetil måde at bruge ML til at lave forudsigelser på alle tidsseriedata med minimal opsætningstid og ingen ML-erfaring påkrævet.
Du kan også bruge Amazon prognose, en fuldt administreret tjeneste, der bruger ML til at levere meget nøjagtige prognoser, til at generere prognoser for specifikke AWS-tjenester med data indsamlet fra AWS CUR. For mere information, se Forudsigelse af AWS-forbrug ved hjælp af AWS-omkostnings- og brugsrapporterne, AWS Glue DataBrew og Amazon Forecast.
For yderligere oplysninger om muligheder for omkostningsprognose, se Brug af de rigtige værktøjer til din cloud-omkostningsprognose.
Forekomst i den rigtige størrelse
Du kan optimere SageMaker-omkostningerne og kun betale for det, du virkelig har brug for, ved at vælge de rigtige ressourcer. Du bør rette størrelsen på SageMaker-beregningsinstanserne, før du køber en spareplan for at give et ordentligt engagement og opnå maksimale omkostningsbesparelser. SageMaker tilbyder pt ML-beregningsforekomster på de forskellige instansfamilier. Maskinlæring er en iterativ proces med varierende beregningskrav til forskellige stadier af ML-livscyklussen, fra dataforbehandling til modeltræning og modelhosting. Det er udfordrende at identificere den rigtige type computerforekomst og kan føre til overforsyning af ressourcer og dermed øgede omkostninger. SageMakers modulære arkitektur giver dig mulighed for at optimere skalerbarheden, ydeevnen og prissætningen af dine ML-arbejdsbelastninger baseret på stadiet af ML-livscyklussen. For flere detaljer henvises til Beregningsressourcer i den rigtige størrelse til Amazon SageMaker-notebooks, behandlingsjob, træning og implementering afsnit af indlægget Sørg for effektive computerressourcer på Amazon SageMaker.
Amazon SageMaker spareplaner
Amazon SageMaker Savings Plans er en fleksibel prismodel for SageMaker. Det tilbyder nedsatte priser i bytte for en forpligtelse til en ensartet mængde forbrug (målt i $/time) i en 1- eller 3-årig periode. Spareplaner giver fleksibilitet på grund af deres brugsbaserede model og hjælper med at reducere dine omkostninger med op til 64 %. Disse takster gælder automatisk for kvalificerede SageMaker ML-instansbrug, inklusive Studio-notebooks, SageMaker-notebook-instanser, SageMaker Processing, SageMaker Data Wrangler, SageMaker-træning, SageMaker-realtidsslutning og SageMaker-batchtransformation uanset instansfamilie, størrelse eller region. Dette gør det nemt for dig at maksimere besparelser, uanset hvordan dine use cases og forbrug udvikler sig over tid, og du kan spare op til 64 % i forhold til On-Demand-prisen.
For eksempel kan du starte med små instanser for at eksperimentere med forskellige algoritmer på en brøkdel af dit datasæt. Derefter kan du flytte til større instanser for at forberede data og træne i skala mod dit fulde datasæt. Endelig kan du implementere dine modeller i flere regioner for at levere forudsigelser med lav latens til dine brugere. Alle instansstørrelsesændringer og implementeringer på tværs af nye regioner vil være dækket af den samme spareplan, uden at der kræves nogen ledelsesindsats fra din side.
Hver type SageMaker-brug, der er berettiget til SageMaker-opsparingsplaner, har en Besparelsesplaner og en On-Demand-sats. Når du tilmelder dig SageMaker Savings Plans, vil du blive opkrævet Spare Plan-satsen for dit forbrug op til dit engagement. Enhver brug ud over forpligtelsen vil blive opkrævet til On-Demand-priser. AWS Cost Management-konsollen giver dig anbefalinger der gør det nemt at finde det rigtige engagementsniveau til en spareplan. Disse anbefalinger er baseret på følgende:
- Din SageMaker-brug i de sidste 7, 30 eller 60 dage. Du bør vælge den tidsperiode, der bedst repræsenterer din fremtidige brug.
- Løbetiden for din plan: 1-årig eller 3-årig.
- Din betalingsmulighed: Ingen på forhånd, delvis på forhånd (50 % eller mere) eller alt på forhånd. Nogle kunder foretrækker (eller skal bruge) denne sidste mulighed, fordi den giver dem et klart og forudsigeligt overblik over deres SageMaker-regning.
Anbefalingerne er baseret på dit historiske forbrug over den valgte tilbagebliksperiode og forudsiger ikke dit forbrug. Sørg for at vælge en tilbagebliksperiode, der afspejler dit fremtidige forbrug. En 3-årig periodeplan giver den højeste diskonteringsrente; på samme måde tilbyder en All Upfront-betalingsmulighed den højeste diskonteringsrente sammenlignet med No Upfront eller Partial Upfront-betalingsmuligheder. Arbejdsbelastninger og brug ændrer sig typisk over tid, og et konsistent, stabilt brugsmønster gør en god kandidat til en spareplan. Hvis du har mange kortvarige eller enkeltstående arbejdsbelastninger, kan det være svært at vælge den rigtige forpligtelse til computerbrug (målt pr. time). Det anbefales løbende at købe små mængder af spareplaner over tid. Dette sikrer, at du opretholder høje niveauer af dækning for at maksimere dine rabatter, og dine planer matcher hele tiden din arbejdsbyrde og organisationskrav.
For at forstå anbefalingerne om spareplan, se Reducer dine maskinlæringsomkostninger med eksempelprisreduktioner og spareplaner for Amazon SageMaker.
Udnyttelsesrapport
For aktive spareplaner, brugsrapporter er tilgængelige på Savings Plans-konsollen for at se procentdelen af forpligtelsen, som du faktisk har brugt. Du kan bruge din Spareplaner-udnyttelsesrapport til visuelt at forstå, hvor meget af din Spareplan-forpligtelse du bruger over den konfigurerede tidsperiode, samt dine besparelser sammenlignet med On-Demand-priser. For eksempel, hvis du har en forpligtelse på 10 USD/time, og dit forbrug, der faktureres med Savings Plans-satser, er i alt 9.80 USD for timen, er din udnyttelse for den time 98 %. Du kan se udnyttelsen af dine spareplaner med en time, daglig eller månedlig granularitet baseret på din tilbagebliksperiode. Du kan anvende filtre efter spareplantype, medlemskonto, region og instansfamilie i filtre afsnit. Hvis du er bruger på en administrationskonto, kan du se den samlede udnyttelse for hele den konsoliderede faktureringsfamilie.
Følgende skærmbillede viser et eksempel på en brugsrapport. Du kan se, at selvom spareplansdækningen ikke er 100 % mange på hinanden følgende dage, er den samlede nettobesparelse stadig positiv. Uden spareplaner vil du blive debiteret til On-Demand-priser for brugen. For at opnå maksimale besparelser og undgå at forpligte sig, anbefales det at vælge den rigtige forpligtelse baseret på konsekvent, optimeret brug af dine SageMaker-arbejdsbelastninger.
Dækningsrapport
Ligeledes dækningsrapporter vise dig, hvor meget af dit berettigede forbrug, der er blevet dækket af planen. For at forstå, hvordan dækningen beregnes, henvises til Brug af din dækningsrapport.
Følgende skærmbillede viser et eksempel på en dækningsrapport. Du kan se, at den gennemsnitlige dækning for den valgte tidsperiode er 92 % sammen med det On-Demand-forbrug, der ikke var dækket af planen. Baseret på det On-Demand-forbrug, der ikke er dækket af planen, kan du valgfrit købe en ekstra opsparingsplan for at opnå maksimal besparelse. Det anbefales også at tilpasse SageMaker-beregningsforekomsterne i den rigtige størrelse, før du køber en spareplan, og forstå størrelsen på arbejdsbyrden for at undgå over- eller underforpligtelse af brugen af spareplanen.
For flere detaljer om, hvordan spareplaner gælder for dit AWS-brug, se Forstå, hvordan spareplaner gælder for dit AWS-brug.
Konklusion
Machine learning har etableret sig som et kraftfuldt værktøj på tværs af brancher, men træning af nye modeller og kørsel af ML-modeller til slutninger kan være dyrt. En af fordelene ved at køre ML på SageMaker er det brede og dybe funktionssæt, der tilbyder omkostningsoptimeringsstrategier uden at påvirke ydeevne eller smidighed. Dette indlæg fremhævede AWS-værktøjerne og mulighederne til at analysere dine SageMaker-omkostninger, identificere trends og implementere proaktive advarsler og bedste praksisser for optimering.
Om forfatterne
Deepali Rajale er Senior AI/ML Specialist hos AWS. Hun arbejder med virksomhedskunder, der giver teknisk vejledning med bedste praksis for implementering og vedligeholdelse af AI/ML-løsninger i AWS-økosystemet. Hun har arbejdet med en bred vifte af organisationer på forskellige deep learning use cases, der involverer NLP og computervision. Hun brænder for at give organisationer mulighed for at udnytte generativ AI til at forbedre deres brugsoplevelse. I sin fritid nyder hun film, musik og litteratur.
Uri Rosenberg er AI & ML Specialist Technical Manager for Europa, Mellemøsten og Afrika. Med base i Israel arbejder Uri på at give virksomhedskunder i stand til at designe, bygge og drive i stor skala, hvad angår ML. I sin fritid nyder han at cykle, vandre og rejse i tid.
- SEO Powered Content & PR Distribution. Bliv forstærket i dag.
- PlatoAiStream. Web3 Data Intelligence. Viden forstærket. Adgang her.
- Udmøntning af fremtiden med Adryenn Ashley. Adgang her.
- Køb og sælg aktier i PRE-IPO-virksomheder med PREIPO®. Adgang her.
- Kilde: https://aws.amazon.com/blogs/machine-learning/part-1-analyze-amazon-sagemaker-spend-and-determine-cost-optimization-opportunities-based-on-usage-part-1/
- :har
- :er
- :ikke
- :hvor
- $OP
- 1
- 100
- 12
- 2021
- 30
- 60
- 7
- 8
- 80
- 804
- a
- evne
- Om
- adgang
- Konto
- Konti
- præcis
- opnå
- opnået
- tværs
- Handling
- aktioner
- aktiv
- faktiske
- faktisk
- Desuden
- Yderligere
- yderligere information
- fordele
- afrika
- Efter
- mod
- AI
- AI / ML
- Advarsler
- algoritmer
- Alle
- allokering
- tillader
- sammen
- også
- Amazon
- amazon-klokkespil
- Amazon EC2
- Amazon SageMaker
- Amazon Web Services
- blandt
- beløb
- beløb
- an
- analysere
- ,
- enhver
- Indløs
- passende
- godkendt
- apps
- arkitektur
- ER
- AS
- At
- automatisk
- til rådighed
- gennemsnit
- undgå
- AWS
- AWS Lim
- AWS Glue Data Brew
- Bar
- baseret
- BE
- fordi
- bliver
- været
- før
- jf. nedenstående
- BEDSTE
- bedste praksis
- Beyond
- Bill
- fakturerings- og
- budget
- budgetterede
- Budgetter
- bygge
- Bygning
- virksomhed
- men
- købe
- by
- beregnet
- CAN
- kandidat
- kapaciteter
- tilfælde
- kategorisere
- Centers
- udfordrende
- lave om
- Kanal
- opladet
- Chart
- Chime
- Vælg
- vælge
- klar
- lukket
- nøje
- Cloud
- kode
- kommer
- engagement
- Fælles
- sammenlignet
- sammenligning
- komplekse
- Compute
- computer
- Computer Vision
- træk
- konsekvent
- Konsol
- konsoliderer
- forbrug
- indeholder
- løbende
- Koste
- Omkostningsstyring
- omkostningsbesparelser
- kostbar
- Omkostninger
- kunne
- dækning
- dækket
- skabe
- Nuværende
- For øjeblikket
- skik
- Kunder
- dagligt
- instrumentbræt
- data
- Dato
- Dage
- dedikeret
- dyb
- dyb læring
- levere
- afdelinger
- indsætte
- implementering
- implementering
- implementeringer
- Design
- udpeget
- ønskes
- detaljeret
- detaljer
- Bestem
- Udvikling
- forskellige
- svært
- Dimension
- Rabat
- diskonteret
- rabatter
- Skærm
- fordeling
- do
- Dont
- downloade
- drivere
- Drops
- grund
- nemt
- Øst
- let
- økosystem
- effektiv
- indsats
- enten
- berettiget
- bemyndige
- bemyndigelse
- muliggøre
- muliggør
- forbedre
- sikrer
- Enterprise
- enterprise-niveau
- Hele
- Miljø
- miljøer
- væsentlig
- etableret
- anslået
- Europa
- evaluere
- Endog
- udvikle sig
- eksempel
- overstige
- overstiger
- udveksling
- forventet
- erfaring
- eksperiment
- opdagelsesrejsende
- omfattende
- familier
- familie
- Feature
- få
- filtrere
- Filtre
- Endelig
- finansielle
- Finde
- Fleksibilitet
- fleksibel
- efter
- Til
- Forecast
- prognoser
- format
- fraktion
- fra
- fuld
- fuldt ud
- fremtiden
- Gevinst
- Generelt
- generere
- generative
- Generativ AI
- få
- Giv
- giver
- godt
- gruppe
- vejledning
- Have
- he
- hoved
- hjælpe
- hjulpet
- hjælpe
- hjælper
- hende
- Høj
- højeste
- Fremhævet
- stærkt
- hans
- historisk
- historie
- Hosting
- time
- Hvordan
- HTML
- http
- HTTPS
- Hundreder
- i
- idé
- identificere
- identificere
- if
- påvirker
- gennemføre
- vigtigt
- Forbedre
- forbedret
- in
- Herunder
- øget
- industrier
- oplysninger
- indsigt
- instans
- anvisninger
- integreret
- ind
- Introduktion
- undersøge
- investering
- involverer
- israel
- IT
- ITS
- selv
- Karriere
- jpg
- Nøgle
- etiket
- større
- Efternavn
- lanceret
- føre
- lærte
- læring
- Lessons
- Erfaringer
- Lets
- Niveau
- niveauer
- Leverage
- livscyklus
- ligesom
- Line (linje)
- forbundet
- litteratur
- Se
- Lot
- maskine
- machine learning
- vedligeholde
- Vedligeholdelse
- lave
- maerker
- administrere
- lykkedes
- ledelse
- leder
- måde
- mange
- Match
- Maksimer
- maksimal
- Kan..
- medlem
- Metrics
- Mellemøsten
- Middle East
- mindste
- ML
- model
- modeller
- Modifikationer
- modulær
- Måned
- månedligt
- måned
- mere
- mest
- bevæge sig
- Film
- MTD
- meget
- flere
- Musik
- skal
- Behov
- netto
- Ny
- NLP
- ingen
- notesbog
- underretning
- opnå
- of
- tilbyde
- Tilbud
- on
- On-Demand
- ONE
- kun
- betjene
- drift
- Muligheder
- optimering
- Optimer
- optimeret
- optimering
- Option
- Indstillinger
- or
- ordrer
- organisation
- organisationer
- Andet
- Andre
- ud
- udfald
- i løbet af
- oversigt
- ejerskab
- side
- parameter
- del
- lidenskabelige
- forbi
- Mønster
- Betal
- betaling
- procentdel
- ydeevne
- periode
- perioder
- fly
- planer
- plato
- Platon Data Intelligence
- PlatoData
- porteføljer
- positiv
- Indlæg
- vigtigste
- praksis
- Forudsigelig
- Forudsigelser
- foretrække
- præferencer
- Forbered
- pris
- Priser
- prissætning
- prisfastsættelsesmodel
- Forud
- Proaktiv
- behandle
- forarbejdning
- Produkter
- Progress
- passende
- give
- udbydere
- giver
- leverer
- køb
- køb
- formål
- forespørgsler
- hurtigt
- rækkevidde
- Sats
- priser
- realtid
- indse
- virkelig
- modtage
- nylige
- anbefalinger
- anbefales
- reducere
- afspejler
- om
- Uanset
- region
- regioner
- indberette
- rapporteret
- Rapportering
- Rapporter
- repræsenterer
- påkrævet
- Krav
- ressource
- Ressourcer
- Resultater
- afkast
- højre
- Værelse
- kører
- sagemaker
- samme
- Gem
- Besparelser
- Skalerbarhed
- Scale
- skalaer
- Sektion
- se
- valgt
- udvælgelse
- senior
- Series
- tjener
- Serverless
- tjeneste
- service-udøvere
- Tjenester
- sæt
- indstillinger
- setup
- flere
- Del
- hun
- bør
- Vis
- Shows
- Syn
- underskrive
- Tilsvarende
- Simpelt
- enkelhed
- siden
- SIX
- Størrelse
- slæk
- Slice
- lille
- So
- Løsninger
- nogle
- span
- specialist
- specifikke
- tilbringe
- udgifterne
- Spot
- stable
- Stage
- etaper
- standard
- starte
- Stadig
- opbevaring
- opbevaret
- ligetil
- strategier
- Studio
- sådan
- support
- støtte proaktivt
- Understøtter
- Systemer
- Tag
- skat
- Teknisk
- semester
- at
- deres
- Them
- derefter
- derfor
- Disse
- ting
- denne
- selvom?
- tre
- tærskel
- Gennem
- tid
- Tidsserier
- gange
- tips
- til
- værktøj
- værktøjer
- top
- I alt
- spor
- Tog
- Kurser
- Transform
- Traveling
- Trend
- Tendenser
- typen
- typer
- typisk
- forstå
- forståelse
- Brug
- brug
- anvendte
- Bruger
- brugere
- bruger
- ved brug af
- Værdier
- række
- forskellige
- Specifikation
- visninger
- synlighed
- vision
- visualisering
- var
- Vej..
- måder
- we
- web
- webservices
- GODT
- Hvad
- hvornår
- hvorvidt
- som
- mens
- bred
- Bred rækkevidde
- vilje
- med
- uden
- arbejdede
- virker
- ville
- Du
- Din
- zephyrnet