Kostnadsoptimalisering er en av pilarene i AWS godt arkitektert rammeverk, og det er en kontinuerlig prosess med foredling og forbedring i løpet av en arbeidsbelastnings livssyklus. Det gjør det mulig å bygge og drifte kostnadsbevisste systemer som minimerer kostnadene, maksimerer avkastningen på investeringen og oppnår forretningsresultater.
Amazon SageMaker er en fullstendig administrert maskinlæringstjeneste (ML) som tilbyr en rekke alternativer og funksjoner for kostnadsoptimalisering som administrert punkttrening, multi-modell endepunkter, AWS slutning, ML Savings Plans og mange andre som bidrar til å redusere de totale eierkostnadene (TCO) for ML-arbeidsbelastninger sammenlignet med andre skybaserte alternativer, for eksempel selvadministrerte Amazon Elastic Compute Cloud (Amazon EC2) og AWS-administrert Amazon Elastic Kubernetes-tjeneste (Amazon EKS).
AWS er dedikert til å hjelpe deg med å oppnå de høyeste besparelsene ved å tilby omfattende service- og prisalternativer. Vi tilbyr verktøy for fleksibel kostnadsstyring og forbedret synlighet av detaljerte kostnader og bruk av arbeidsmengdene dine.
I 2021 lanserte vi AWS-støtte proaktive tjenester som en del av AWS Enterprise Support plan. Siden introduksjonen har vi hjulpet hundrevis av kunder med å optimalisere arbeidsbelastningen, sette rekkverk og forbedre synligheten av ML-arbeidsbelastningens kostnader og bruk.
I dette innlegget deler vi erfaringer og leder deg gjennom de ulike måtene å analysere SageMaker-bruken din og identifisere muligheter for kostnadsoptimalisering.
Analyser SageMaker-kostnadene ved å bruke AWS Cost Explorer
AWS Cost Explorer gir forhåndskonfigurerte visninger som viser informasjon om kostnadstrender og gir deg et forsprang på å forstå kostnadshistorikken og -trender. Den lar deg filtrere og gruppere etter verdier som AWS-tjeneste, brukstype, kostnadsfordelingstagger, EC2-forekomsttype, og mer. Hvis du bruker samlet fakturering, kan du også filtrere etter koblet konto. I tillegg kan du angi tidsintervaller og granularitet, samt forutsi fremtidige kostnader basert på dine historiske kostnads- og bruksdata.
La oss starte med å bruke Cost Explorer for å identifisere kostnadsoptimaliseringsmuligheter i SageMaker.
- På Cost Explorer-konsollen velger du SageMaker forum Service Og velg Bruk filtre.
- Du kan stille inn ønsket tidsintervall og granularitet, samt Gruppe av parameter.
- Du kan vise diagramdataene i søyle-, linje- eller stabelplottformat.
- Etter at du har oppnådd ønskede resultater med filtre og grupperinger, kan du enten laste ned resultatene ved å velge Last ned som CSV eller lagre rapporten ved å velge Lagre til rapportbibliotek.
Følgende skjermbilde viser SageMaker-kostnader per måned for den valgte datoperioden, gruppert etter region.
For generell veiledning om bruk av Cost Explorer, se AWS Cost Explorers nye utseende og vanlige brukstilfeller.
Eventuelt kan du aktivere AWS kostnads- og bruksrapporter (AWS CUR) for å få innsikt i kostnads- og bruksdata for kontoene dine. Rapporten inneholder AWS-forbruksdetaljer per time. Den er lagret i Amazon enkel lagringstjeneste (Amazon S3) i betalerkontoen, som konsoliderer data for alle de tilknyttede kontoene. Du kan spørre rapporten for å analysere trender i bruken din og iverksette passende tiltak for å optimalisere kostnadene. Amazonas Athena er en serverløs spørringstjeneste du kan bruke til å analysere dataene fra rapporten din i Amazon S3 ved å bruke standard SQL. For mer informasjon og eksempelspørsmål, se AWS CUR spørringsbibliotek.
Følgende kode er et eksempel på en AWS CUR-spørring for å få SageMaker-kostnader for de siste 3 månedene med bruk:
Du kan også mate AWS CUR-data inn Amazon QuickSight, hvor du kan skjære den i skiver og terninger slik du vil for rapportering eller visualiseringsformål. For instruksjoner om inntak av CUR-data i QuickSight, se Hvordan inntar og visualiserer jeg AWS Cost and Usage Report (CUR) i Amazon QuickSight.
Analyser kostnadene for SageMaker brukstyper
Dine månedlige SageMaker-kostnader kommer fra forskjellige SageMaker-brukstyper som forekomster av bærbare datamaskiner, hosting, opplæring og prosessering, blant andre. Velge SageMaker-tjenestefilteret og gruppere etter Brukstype dimensjon i Cost Explorer gir deg en generell idé om kostnadsfordeling basert på SageMaker brukstype. Brukstypen vises i formatet
Følgende skjermbilde viser kostnadsfordeling gruppert etter SageMaker-brukstyper når en konto har rapportert bruk på bærbare datamaskiner og Amazon SageMaker Studio KernelGateway-apper.
Generelle beste fremgangsmåter for å optimalisere SageMaker-kostnadene
I denne delen deler vi generelle anbefalinger for å spare kostnader mens du bruker SageMaker.
tagging
A stikkord er en etikett som du tilordner til en AWS-ressurs. Du kan bruke tagger for å organisere ressursene dine av brukere, avdelinger eller kostnadssteder, og spor kostnadene dine på et detaljert nivå. Kostnadsfordelingskoder kan brukes for å kategorisere kostnader i Kostnadsutforsker or Kostnads- og bruksrapporter. For tips og beste fremgangsmåter angående kostnadsallokering for ditt SageMaker-miljø og arbeidsbelastninger, se Konfigurer kostnadsfordeling på bedriftsnivå for ML-miljøer og arbeidsbelastninger ved å bruke ressurstagging i Amazon SageMaker
AWS-budsjetter
AWS-budsjetter gir deg innsyn i ML-kostnadene dine på AWS og hjelper deg med å spore SageMaker-kostnadene dine, inkludert utvikling, opplæring og hosting. Den lar deg angi egendefinerte budsjetter for å spore kostnadene og bruken fra de enkleste til de mest komplekse brukstilfellene. AWS Budgets støtter også e-post eller Amazon enkel varslingstjeneste (Amazon SNS) varsling når faktiske eller anslåtte kostnader og bruk overskrider budsjettgrensen din, eller når de faktiske spareplanenes utnyttelse eller dekning faller under ønsket terskel.
AWS Budgets er også integrert med Cost Explorer, slik at du enkelt kan se og analysere kostnads- og bruksdriverne dine, AWS Chatbot, slik at du kan motta AWS Budget-varsler i din utpekte Slack-kanal eller Amazon Chime-rom, og AWS servicekatalog, slik at du kan spore kostnadene på dine godkjente AWS-porteføljer og produkter. Du kan også angi varsler og få et varsel når kostnadene eller bruken din overstiger (eller er anslått å overskride) det budsjetterte beløpet. Etter at du har opprettet budsjettet ditt, kan du spore fremdriften på AWS Budgets-konsollen. For mer informasjon, se Administrer kostnadene dine med AWS Budgets.
AWS-faktureringskonsoll
De AWS-faktureringskonsoll lar deg enkelt forstå AWS-utgiftene dine, se og betale fakturaer, administrere faktureringspreferanser og skatteinnstillinger, og få tilgang til flere skytjenester for økonomistyring. Du kan raskt vurdere om det månedlige forbruket ditt er i tråd med tidligere perioder, prognose eller budsjett, og undersøke og iverksette korrigerende tiltak i tide. Du kan bruke dashbordsiden til AWS-faktureringskonsollen for å få en generell oversikt over AWS-utgiftene dine. Du kan også bruke den til å identifisere din høyeste kostnadstjeneste eller region og se trender i utgiftene dine de siste månedene, samt for å se ulike sammenbrudd av AWS-bruken din.
De AWS-sammendrag delen av siden gir en oversikt over AWS-kostnadene dine på tvers av alle kontoer, regioner, tjenesteleverandører og tjenester, og andre KPIer. Det gir også en sammenligning med dine totale anslåtte kostnader for inneværende måned. De Høyeste kostnad delen viser din beste tjeneste, konto eller region etter estimert måned-til-dato (MTD)-forbruk. De Kostnadsutvikling etter topp fem tjenester delen viser kostnadsutviklingen for de fem beste tjenestene dine for de siste tre til seks lukkede faktureringsperiodene.
Planlegging og prognoser
Prognoser er en viktig del av å holde deg på toppen av skykostnadene og bruken, og blir enda viktigere etter hvert som virksomheten din skalerer.
AWS har flere alternativer for å hjelpe deg med å forutsi kostnadene dine. De prognosefunksjon of Cost Explorer gir deg muligheten til å lage tilpassede bruksprognoser for å få oversikt over dine forventede fremtidige kostnader. De innebygd ML-drevet prognoser av QuickSight lar deg forutsi dine viktigste forretningsberegninger med pek-og-klikk-enkelhet. Det tilbyr en enkel måte å bruke ML til å lage spådommer på alle tidsseriedata med minimal oppsetttid og ingen ML-erfaring nødvendig.
Du kan også bruke Amazon Prognose, en fullstendig administrert tjeneste som bruker ML til å levere svært nøyaktige prognoser, for å generere prognoser for spesifikke AWS-tjenester med data samlet inn fra AWS CUR. For mer informasjon, se Prognose AWS-forbruk ved å bruke AWS kostnads- og bruksrapporter, AWS Glue DataBrew og Amazon Forecast.
For mer informasjon om alternativer for kostnadsberegning, se Bruke de riktige verktøyene for skykostnadsprognoser.
Forekomst riktig størrelse
Du kan optimalisere SageMaker-kostnadene og bare betale for det du virkelig trenger ved å velge de riktige ressursene. Du bør rette størrelsen på SageMaker-beregningsforekomstene før du kjøper en spareplan for å gi en riktig forpliktelse og oppnå maksimale kostnadsbesparelser. SageMaker tilbyr for tiden ML-beregningsforekomster på de ulike instansfamiliene. Maskinlæring er en iterativ prosess med varierende beregningskrav for ulike stadier av ML-livssyklusen, fra dataforbehandling til modellopplæring og modellvert. Det er utfordrende å identifisere riktig type dataforekomst, og kan føre til overtilførsel av ressurser og dermed økte kostnader. Den modulære arkitekturen til SageMaker lar deg optimalisere skalerbarheten, ytelsen og prisingen av ML-arbeidsbelastningene dine basert på stadiet i ML-livssyklusen. For flere detaljer, se Beregningsressurser i riktig størrelse for Amazon SageMaker-notatbøker, behandlingsjobber, opplæring og distribusjon delen av innlegget Sørg for effektive dataressurser på Amazon SageMaker.
Amazon SageMaker spareplaner
Amazon SageMaker Savings Plans er en fleksibel prismodell for SageMaker. Den tilbyr rabatterte priser i bytte mot en forpliktelse til en konsistent mengde bruk (målt i $/time) for en 1- eller 3-års periode. Spareplaner gir fleksibilitet på grunn av deres bruksbaserte modell og bidrar til å redusere kostnadene dine med opptil 64 %. Disse prisene gjelder automatisk for kvalifisert SageMaker ML-forekomstbruk, inkludert Studio-notatbøker, SageMaker-notebook-forekomster, SageMaker Processing, SageMaker Data Wrangler, SageMaker-trening, SageMaker sanntidsslutning og SageMaker batch-transformasjon uavhengig av forekomstfamilie, størrelse eller region. Dette gjør det enkelt for deg å maksimere besparelser uavhengig av hvordan brukstilfellene og forbruket utvikler seg over tid, og du kan spare opptil 64 % sammenlignet med On-Demand-prisen.
Du kan for eksempel starte med små forekomster for å eksperimentere med forskjellige algoritmer på en brøkdel av datasettet ditt. Deretter kan du flytte til større forekomster for å forberede data og trene i skala mot hele datasettet ditt. Til slutt kan du distribuere modellene dine i flere regioner for å levere spådommer med lav latens til brukerne dine. Alle forekomststørrelsesendringer og distribusjoner på tvers av nye regioner vil bli dekket av den samme spareplanen, uten at det kreves noen administrasjonsinnsats fra din side.
Hver type SageMaker-bruk som er kvalifisert for SageMaker spareplaner har en Spareplaner og en On-Demand rate. Når du registrerer deg for SageMaker-spareplanene, vil du bli belastet med spareplansatsen for bruken din opp til forpliktelsen din. All bruk utover forpliktelsen vil bli belastet med On-Demand-priser. AWS Cost Management-konsollen gir deg anbefalinger som gjør det enkelt å finne riktig forpliktelsesnivå for en spareplan. Disse anbefalingene er basert på følgende:
- SageMaker-bruken din de siste 7, 30 eller 60 dagene. Du bør velge tidsperioden som best representerer fremtidig bruk.
- Varigheten av planen din: 1 år eller 3 år.
- Din betalingsmåte: Ingen forhånd, Delvis forhånd (50 % eller mer), eller All Upfront. Noen kunder foretrekker (eller må bruke) dette siste alternativet, fordi det gir dem et klart og forutsigbart syn på SageMaker-regningen.
Anbefalingene er basert på den historiske bruken din over den valgte tilbakeblikkperioden og anslår ikke bruken din. Pass på å velge en tilbakeblikkperiode som gjenspeiler din fremtidige bruk. En 3-års plan gir den høyeste diskonteringsrenten; På samme måte tilbyr et All Upfront-betalingsalternativ den høyeste diskonteringsrenten sammenlignet med Ingen forhåndsbetaling eller delvis forhåndsbetaling. Arbeidsbelastninger og bruk endres vanligvis over tid, og et konsistent, stabilt bruksmønster er en god kandidat for en spareplan. Hvis du har mange kortvarige eller engangsarbeidsmengder, kan det være vanskelig å velge riktig forpliktelse for databruk (målt per time). Det anbefales å kontinuerlig kjøpe små mengder spareplaner over tid. Dette sikrer at du opprettholder høye dekningsnivåer for å maksimere rabattene dine, og planene dine samsvarer nøye med arbeidsbelastningen og organisasjonskravene til enhver tid.
For å forstå spareplananbefalinger, se Reduser maskinlæringskostnadene dine med forekomstprisreduksjoner og spareplaner for Amazon SageMaker.
Bruksrapport
For aktive spareplaner, bruksrapporter er tilgjengelig på Savings Plans-konsollen for å se prosentandelen av forpliktelsen du faktisk har brukt. Du kan bruke spareplanbruksrapporten for å visuelt forstå hvor mye av spareplanforpliktelsen du bruker over den konfigurerte tidsperioden, samt besparelsene dine sammenlignet med On-Demand-priser. For eksempel, hvis du har en forpliktelse på $10/time, og bruken din som faktureres med spareplaner utgjør totalt $9.80 for timen, er bruken din for den timen 98 %. Du kan se bruken av spareplanene dine med en granularitet per time, daglig eller månedlig, basert på tilbakeblikkperioden din. Du kan bruke filtre etter spareplantype, medlemskonto, region og forekomstfamilie i Filter seksjon. Hvis du er bruker i en administrasjonskonto, kan du se den samlede bruken for hele den konsoliderte faktureringsfamilien.
Følgende skjermbilde viser et eksempel på en bruksrapport. Du kan se at selv om dekningen av spareplaner ikke er 100 % på mange påfølgende dager, er den totale nettobesparelsen fortsatt positiv. Uten spareplaner vil du bli belastet med On-Demand-priser for bruken. For å oppnå maksimale besparelser og unngå overbinding, anbefales det å velge riktig forpliktelse basert på konsekvent, optimalisert bruk av SageMaker-arbeidsmengdene.
Dekningsrapport
Likeledes, dekningsrapporter vise deg hvor mye av det kvalifiserte forbruket ditt som er dekket av planen. For å forstå hvordan dekningen beregnes, se Bruker dekningsrapporten din.
Følgende skjermbilde viser et eksempel på en dekningsrapport. Du kan se at gjennomsnittlig dekning for den valgte tidsperioden er 92 %, sammen med On-Demand-forbruket som ikke ble dekket av planen. Basert på On-Demand-forbruket som ikke dekkes av planen, kan du valgfritt kjøpe en ekstra spareplan for å oppnå maksimale besparelser. Det anbefales også å tilpasse SageMaker-beregningsforekomstene i riktig størrelse før du kjøper en spareplan og forstå arbeidsbelastningen for å unngå over- eller underforpliktelse av spareplanbruken.
For mer informasjon om hvordan spareplaner gjelder for AWS-bruken din, se Forstå hvordan spareplaner gjelder for AWS-bruken din.
konklusjonen
Maskinlæring har etablert seg som et kraftig verktøy på tvers av bransjer, men opplæring av nye modeller og kjøring av ML-modeller for slutninger kan være kostbart. En av fordelene med å kjøre ML på SageMaker er det brede og dype funksjonssettet som tilbyr kostnadsoptimaliseringsstrategier uten å påvirke ytelsen eller smidigheten. Dette innlegget fremhevet AWS-verktøyene og alternativene for å analysere SageMaker-kostnadene dine, identifisere trender og implementere proaktive varsler og beste praksiser for optimalisering.
Om forfatterne
Deepali Rajale er senior AI/ML-spesialist hos AWS. Hun jobber med bedriftskunder som gir teknisk veiledning med beste praksis for distribusjon og vedlikehold av AI/ML-løsninger i AWS-økosystemet. Hun har jobbet med et bredt spekter av organisasjoner på ulike brukssaker for dyp læring som involverer NLP og datasyn. Hun brenner for å gi organisasjoner mulighet til å utnytte generativ AI for å forbedre brukeropplevelsen deres. På fritiden liker hun film, musikk og litteratur.
Uri Rosenberg er AI & ML Specialist Technical Manager for Europa, Midtøsten og Afrika. Basert fra Israel, jobber Uri for å gi bedriftskunder i stand til å designe, bygge og drive i stor skala på alt innen ML. På fritiden liker han å sykle, gå på fotturer og reise i tid.
- SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
- PlatoAiStream. Web3 Data Intelligence. Kunnskap forsterket. Tilgang her.
- Minting the Future med Adryenn Ashley. Tilgang her.
- Kjøp og selg aksjer i PRE-IPO-selskaper med PREIPO®. Tilgang 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
- $OPP
- 1
- 100
- 12
- 2021
- 30
- 60
- 7
- 8
- 80
- 804
- a
- evne
- Om oss
- adgang
- Logg inn
- kontoer
- nøyaktig
- Oppnå
- oppnådd
- tvers
- Handling
- handlinger
- aktiv
- faktiske
- faktisk
- tillegg
- Ytterligere
- Tilleggsinformasjon
- fordeler
- afrika
- Etter
- mot
- AI
- AI / ML
- Varsler
- algoritmer
- Alle
- allokering
- tillater
- langs
- også
- Amazon
- Amazon Chime
- Amazon EC2
- Amazon SageMaker
- Amazon Web Services
- blant
- beløp
- beløp
- an
- analysere
- og
- noen
- Påfør
- hensiktsmessig
- godkjent
- apps
- arkitektur
- ER
- AS
- At
- automatisk
- tilgjengelig
- gjennomsnittlig
- unngå
- AWS
- AWS Lim
- AWS Lim DataBrew
- Bar
- basert
- BE
- fordi
- blir
- vært
- før du
- under
- BEST
- beste praksis
- Beyond
- Bill
- fakturering
- budsjett
- budsjettert
- Budsjetter
- bygge
- Bygning
- virksomhet
- men
- kjøpe
- by
- beregnet
- CAN
- kandidat
- evner
- saker
- kategorisering
- Sentre
- utfordrende
- endring
- Kanal
- ladet
- Figur
- Chime
- Velg
- velge
- fjerne
- stengt
- tett
- Cloud
- kode
- kommer
- engasjement
- Felles
- sammenlignet
- sammenligning
- komplekse
- Beregn
- datamaskin
- Datamaskin syn
- påfølgende
- konsistent
- Konsoll
- konsoliderer
- forbruk
- inneholder
- kontinuerlig
- Kostnad
- Kostnadsstyring
- kostnadsbesparelser
- kostbar
- Kostnader
- kunne
- dekning
- dekket
- skape
- Gjeldende
- I dag
- skikk
- Kunder
- daglig
- dashbord
- dato
- Dato
- Dager
- dedikert
- dyp
- dyp læring
- leverer
- avdelinger
- utplassere
- utplasserings
- distribusjon
- distribusjoner
- utforming
- utpekt
- ønsket
- detaljert
- detaljer
- Bestem
- Utvikling
- forskjellig
- vanskelig
- Dimensjon
- Rabatt
- nedsatte
- rabatter
- Vise
- distribusjon
- do
- ikke
- nedlasting
- drivere
- Drops
- to
- lett
- øst
- lett
- økosystem
- effektiv
- innsats
- enten
- kvalifisert
- emalje
- bemyndige
- myndiggjøring
- muliggjøre
- muliggjør
- forbedre
- sikrer
- Enterprise
- bedriftsnivå
- Hele
- Miljø
- miljøer
- avgjørende
- etablert
- anslått
- Europa
- evaluere
- Selv
- utvikle seg
- eksempel
- stige
- stiger
- utveksling
- forventet
- erfaring
- eksperiment
- explorer
- omfattende
- familier
- familie
- Trekk
- Noen få
- filtrere
- filtre
- Endelig
- finansiell
- Finn
- fleksibilitet
- fleksibel
- etter
- Til
- Varsel
- prognoser
- format
- brøkdel
- fra
- fullt
- fullt
- framtid
- Gevinst
- general
- generere
- generative
- Generativ AI
- få
- Gi
- gir
- god
- Gruppe
- veiledning
- Ha
- he
- hode
- hjelpe
- hjulpet
- hjelpe
- hjelper
- her
- Høy
- høyest
- Fremhevet
- svært
- hans
- historisk
- historie
- Hosting
- time
- Hvordan
- HTML
- http
- HTTPS
- Hundrevis
- i
- Tanken
- identifisere
- identifisering
- if
- slag
- iverksette
- viktig
- forbedre
- forbedret
- forbedring
- in
- Inkludert
- økt
- bransjer
- informasjon
- innsikt
- f.eks
- instruksjoner
- integrert
- inn
- Introduksjon
- undersøke
- investering
- involverer
- Israel
- IT
- DET ER
- selv
- Jobb
- jpg
- nøkkel
- Etiketten
- større
- Siste
- lansert
- føre
- lært
- læring
- Lessons
- Lessons Learned
- Lar
- Nivå
- nivåer
- Leverage
- Livssyklus
- i likhet med
- linje
- knyttet
- litteratur
- Se
- Lot
- maskin
- maskinlæring
- vedlikeholde
- Vedlike
- gjøre
- GJØR AT
- administrer
- fikk til
- ledelse
- leder
- måte
- mange
- Match
- Maksimer
- maksimal
- Kan..
- medlem
- Metrics
- Middle
- Midtøsten
- minimal
- ML
- modell
- modeller
- modifikasjoner
- modulære
- Måned
- månedlig
- måneder
- mer
- mest
- flytte
- Filmer
- MTD
- mye
- flere
- musikk
- må
- Trenger
- nett
- Ny
- nlp
- Nei.
- bærbare
- varsling
- få
- of
- tilby
- Tilbud
- on
- På etterspørsel
- ONE
- bare
- betjene
- drift
- Muligheter
- optimalisering
- Optimalisere
- optimalisert
- optimalisere
- Alternativ
- alternativer
- or
- rekkefølge
- organisasjon
- organisasjoner
- Annen
- andre
- ut
- utfall
- enn
- oversikt
- eierskap
- side
- parameter
- del
- lidenskapelig
- Past
- Mønster
- Betale
- betaling
- prosent
- ytelse
- perioden
- perioder
- fly
- planer
- plato
- Platon Data Intelligence
- PlatonData
- porteføljer
- positiv
- Post
- kraftig
- praksis
- Forutsigbar
- Spådommer
- trekker
- preferanser
- Forbered
- pris
- Prisene
- prising
- prismodell
- Før
- Proaktiv
- prosess
- prosessering
- Produkter
- Progress
- ordentlig
- gi
- tilbydere
- gir
- gi
- Kjøp
- innkjøp
- formål
- spørsmål
- raskt
- område
- Sats
- priser
- sanntids
- realisere
- virkelig
- motta
- nylig
- anbefalinger
- anbefales
- redusere
- Gjenspeiler
- om
- Uansett
- region
- regioner
- rapporterer
- rapportert
- Rapportering
- Rapporter
- representerer
- påkrevd
- Krav
- ressurs
- Ressurser
- Resultater
- retur
- ikke sant
- rom
- rennende
- sagemaker
- samme
- Spar
- Besparelser
- skalerbarhet
- Skala
- vekter
- Seksjon
- se
- valgt
- velge
- senior
- Serien
- betjene
- server~~POS=TRUNC
- tjeneste
- tjenestetilbydere
- Tjenester
- sett
- innstillinger
- oppsett
- flere
- Del
- hun
- bør
- Vis
- Viser
- Syn
- undertegne
- på samme måte
- Enkelt
- enkelhet
- siden
- SIX
- Størrelse
- slakk
- Slice
- liten
- So
- Solutions
- noen
- span
- spesialist
- spesifikk
- bruke
- utgifter
- Spot
- stable
- Scene
- stadier
- Standard
- Begynn
- Still
- lagring
- lagret
- rett fram
- strategier
- studio
- slik
- støtte
- støtte proaktiv
- Støtter
- Systemer
- Ta
- skatt
- Teknisk
- begrep
- Det
- De
- deres
- Dem
- deretter
- derfor
- Disse
- ting
- denne
- selv om?
- tre
- terskel
- Gjennom
- tid
- Tidsserier
- ganger
- tips
- til
- verktøy
- verktøy
- topp
- Totalt
- spor
- Tog
- Kurs
- Transform
- Traveling
- Trend
- Trender
- typen
- typer
- typisk
- forstå
- forståelse
- bruk
- bruke
- brukt
- Bruker
- Brukere
- bruker
- ved hjelp av
- Verdier
- variasjon
- ulike
- Se
- visninger
- synlighet
- syn
- visualisering
- var
- Vei..
- måter
- we
- web
- webtjenester
- VI VIL
- Hva
- når
- om
- hvilken
- mens
- bred
- Bred rekkevidde
- vil
- med
- uten
- arbeidet
- virker
- ville
- Du
- Din
- zephyrnet