az-cost-optimize

Azure 成本最佳化 (Azure Cost Optimize)

此工作流程會分析程式碼化基礎架構 (IaC) 檔案與 Azure 資源，並產生成本最佳化建議。它會針對每個最佳化機會建立單獨的 GitHub Issue，並額外建立一個 EPIC Issue 來統一協調執行，實現高效率的成本削減追蹤與執行。

先決條件

• 已設定並完成驗證的 Azure MCP server
• 已設定並完成驗證的 GitHub MCP server
• 已指定目標 GitHub 儲存庫 (Repository)
• 已部署 Azure 資源（IaC 檔案為選填，但有助於分析）
• 只要有可用的 Azure MCP 工具 (azmcp-*)，優先使用 MCP 工具而非直接呼叫 Azure CLI

工作流程步驟

步驟 1：取得 Azure 最佳做法

操作：在分析前取得成本最佳化最佳做法
工具：Azure MCP 最佳做法工具
流程：

1. 載入最佳做法：
   • 執行 azmcp-bestpractices-get 以取得最新部分的 Azure 最佳化指引。這可能無法涵蓋所有情境，但能提供基礎依據。
   • 盡可能利用這些做法來協助後續的分析與建議。
   • 在最佳化建議中引用最佳做法，可取自 MCP 工具輸出或一般的 Azure 官方文件。

步驟 2：探索 Azure 基礎架構

操作：動態探索並分析 Azure 資源與設定
工具：Azure MCP 工具 + Azure CLI 備用機制 + 本地檔案系統存取
流程：

1. 資源探索：

   • 執行 azmcp-subscription-list 找尋可用的訂閱 (Subscriptions)
   • 執行 azmcp-group-list --subscription <subscription-id> 找尋資源群組 (Resource Groups)
   • 取得相關資源群組中的所有資源清單：
     • 使用 az resource list --subscription <id> --resource-group <name>
   • 針對每種資源類型，優先使用 MCP 工具，若無則退回使用 CLI：
     • azmcp-cosmos-account-list --subscription <id> - Cosmos DB 帳號
     • azmcp-storage-account-list --subscription <id> - 儲存體帳號 (Storage accounts)
     • azmcp-monitor-workspace-list --subscription <id> - Log Analytics 工作區
     • azmcp-keyvault-key-list - Key Vaults 金鑰庫
     • az webapp list - Web Apps（備用 - 無可用 MCP 工具）
     • az appservice plan list - App Service 計劃（備用）
     • az functionapp list - Function Apps（備用）
     • az sql server list - SQL 伺服器（備用）
     • az redis list - Redis 快取（備用）
     • ...其他資源類型以此類推

2. IaC 偵測：

   • 使用 file_search 掃描 IaC 檔案："/*.bicep", "/*.tf", "/main.json", "/template.json"
   • 解析資源定義以了解預期的組態設定
   • 與探索到的實際資源進行對比，找出差異
   • 標記 IaC 檔案的存在，以便後續提出實施建議
   • 切勿使用專案儲存庫中的任何其它檔案，僅限使用 IaC 檔案。嚴禁使用其它檔案，因為它們並非事實來源 (Source of truth)。
   • 如果未搜尋到任何 IaC 檔案，請立即停止並向使用者回報未找到 IaC 檔案。

3. 組態設定分析：

   • 擷取各項資源的當前 SKU、層級 (Tiers) 與設定
   • 識別資源之間的關聯性與相依性
   • 在可取得數據的情況下，對應資源使用率模式

步驟 3：收集使用率指標並驗證當前成本

操作：收集使用率數據並驗證實際資源成本
工具：Azure MCP 監控工具 + Azure CLI
流程：

1. 尋找監控來源：

   • 使用 azmcp-monitor-workspace-list --subscription <id> 尋找 Log Analytics 工作區
   • 使用 azmcp-monitor-table-list --subscription <id> --workspace <name> --table-type "CustomLog" 探索可用數據

2. 執行使用率查詢：

   • 使用 azmcp-monitor-log-query 搭配以下預定義查詢：
     • 查詢語句："recent" 查閱近期活動模式
     • 查詢語句："errors" 查閱表示有問題的錯誤層級記錄
   • 如需自訂分析，請使用 KQL 查詢：

   // App Services CPU 使用率
   AppServiceAppLogs
   | where TimeGenerated > ago(7d)
   | summarize avg(CpuTime) by Resource, bin(TimeGenerated, 1h)
   
   // Cosmos DB RU 消耗量
   AzureDiagnostics
   | where ResourceProvider == "MICROSOFT.DOCUMENTDB"
   | where TimeGenerated > ago(7d)
   | summarize avg(RequestCharge) by Resource
   
   // 儲存體帳號存取模式
   StorageBlobLogs
   | where TimeGenerated > ago(7d)
   | summarize RequestCount=count() by AccountName, bin(TimeGenerated, 1d)
   

3. 計算基準指標：

   • CPU/記憶體平均使用率
   • 資料庫吞吐量模式
   • 儲存體存取頻率
   • Function 執行率

4. 驗證當前成本：

   • 利用步驟 2 探索到的 SKU/層級設定
   • 在 https://azure.microsoft.com/pricing/ 查詢最新 Azure 定價，或使用 az billing 指令
   • 記錄：資源 → 當前 SKU → 估算每月成本
   • 在提出建議前，計算出合理的當前每月總支出

步驟 4：產生成本最佳化建議

操作：分析資源以識別最佳化機會
工具：利用收集到的數據進行本地分析
流程：

1. 根據找到的資源類型套用最佳化模式：

   算力最佳化 (Compute Optimizations)：

   • App Service Plans：根據 CPU/記憶體使用率調整至合適規格 (Right-size)
   • Function Apps：使用率較低時，由 Premium 方案調整為 Consumption（按用量計費）方案
   • 虛擬機器 (Virtual Machines)：將規格過大的執行執行個體調降規模 (Scale down)

   資料庫最佳化 (Database Optimizations)：

   • Cosmos DB：
     • 變動工作負載由 Provisioned（預置）調為 Serverless（無伺服器）
     • 根據實際使用量調整合宜的 RU/s 規格
   • SQL Database：根據 DTU 使用率調整合宜的服務層級

   儲存體最佳化 (Storage Optimizations)：

   • 實施生命週期策略（Hot 熱 → Cool 冷 → Archive 封存）
   • 整合冗餘的儲存體帳號
   • 根據存取模式調整合宜的儲存層級

   基礎架構最佳化 (Infrastructure Optimizations)：

   • 移除未使用的冗餘資源
   • 在有益處的情境下實施自動擴縮 (Auto-scaling)
   • 針對非生產環境設定排程關機

2. 計算有據可循的節省金額：

   • 當前已驗證成本 → 目標成本 = 節省金額
   • 記錄當前與目標設定的定價參考來源

3. 計算各項建議的優先度分數 (Priority Score)：

   優先度分數 = (價值分數 × 每月節省金額) / (風險分數 × 實施所需天數)
   
   高優先度：分數 > 20
   中優先度：分數 5-20
   低優先度：分數 < 5
   

4. 驗證建議：

   • 確保 Azure CLI 指令準確無誤
   • 校驗估算的節省金額計算
   • 評估實施風險與前置條件
   • 確保所有節省金額計算皆有佐證數據支持

步驟 5：使用者確認

操作：在建立 GitHub issues 前展示摘要並取得授權
流程：

1. 顯示最佳化摘要：

   🎯 Azure 成本最佳化摘要
   
   📊 分析結果：
   • 已分析資源總數：X
   • 當前每月成本：$X 
   • 預估每月可節省：$Y 
   • 最佳化機會數量：Z
   • 高優先度項目：N
   
   🏆 建議列表：
   1. [資源名稱]: [當前 SKU] → [目標 SKU] = 每月節省 $X - [風險層級] | [實施工作量]
   2. [資源名稱]: [當前設定] → [目標設定] = 每月節省 $Y - [風險層級] | [實施工作量]
   3. [資源名稱]: [當前設定] → [目標設定] = 每月節省 $Z - [風險層級] | [實施工作量]
   ...以此類推
   
   💡 即將建立：
   • Y 個獨立 GitHub issues（每個最佳化項目一個）
   • 1 個 EPIC issue 用以統籌協調實施
   
   ❓ 是否繼續建立 GitHub issues？(y/n)
   

2. 等待使用者確認：僅在使用者確認許可後才繼續執行

步驟 6：建立獨立最佳化 Issue

操作：針對每個最佳化機會建立單獨的 GitHub issue。為其加上 "cost-optimization"（綠色）與 "azure"（藍色）標籤。
所需的 MCP 工具：針對每項建議呼叫 create_issue
流程：

1. 使用此範本建立獨立 Issue：

   標題格式：[COST-OPT] [資源類型] - [簡短說明] - 每月節省 $X

   內文範本：

   ## 💰 成本最佳化：[簡短標題]
   
   **每月節省金額**：$X | **風險層級**：[低/中/高] | **實施工作量**：X 天
   
   ### 📋 案由說明
   [清晰解釋最佳化方案及其必要性]
   
   ### 🔧 實施步驟
   
   **已偵測到 IaC 檔案**：[是/否 - 依據 file_search 頁面結果]
   
   ```bash
   # 若找到 IaC 檔案：展示 IaC 修改內容 + 部署指令
   # 檔案：infrastructure/bicep/modules/app-service.bicep
   # 變更：sku.name: 'S3' → 'B2'
   az deployment group create --resource-group [rg] --template-file infrastructure/bicep/main.bicep
   
   # 若未找到 IaC 檔案：直接使用 Azure CLI 指令 + 警示
   # ⚠️ 未找到 IaC 檔案。若檔案保存在其它位置，請改為修改該處的檔案。
   az appservice plan update --name [plan] --sku B2
   

   📊 佐證依據

   • 當前組態設定：[詳細資訊]
   • 使用模式：[監控數據佐證]
   • 成本影響：$X/月 → $Y/月
   • 最佳做法符合度：[若適用，附上 Azure 最佳做法參考說明]

   ✅ 驗證步驟

   • [ ] 在非生產環境中進行測試
   • [ ] 確認效能未受影響降級
   • [ ] 在 Azure 成本管理中確認成本確實降低
   • [ ] 視需要更新監控與告警

   ⚠️ 風險與注意事項

   • [風險 1 及其緩解措施]
   • [風險 2 及其緩解措施]

   優先度分數：X | 價值：X/10 | 風險：X/10

步驟 7：建立 EPIC 統籌 Issue

操作：建立主 Issue (Master Issue) 以追蹤所有最佳化工作。為其加上 "cost-optimization"（綠色）、"azure"（藍色）及 "epic"（紫色）標籤。
所需的 MCP 工具：針對 EPIC 呼叫 create_issue
關於 Mermaid 圖表注意事項：請務必校驗 mermaid 語法無誤，並在繪製圖表時兼顧可存取性規範（樣式、顏色等）。
流程：

1. 建立 EPIC Issue：

   標題：[EPIC] Azure 成本最佳化專案 - 預計每月可節省 $X

   內文範本：

   # 🎯 Azure 成本最佳化 EPIC
   
   **預估每月節省總額**：$X/月 | **實施時程**：X 週
   
   ## 📊 執行摘要
   - **已分析資源**：X
   - **最佳化機會**：Y  
   - **每月潛在節省總額**：$X
   - **高優先度項目**：N
   
   ## 🏗️ 當前架構概觀
   
   ```mermaid
   graph TB
       subgraph "Resource Group: [name]"
           [產生的架構圖，呈現當前資源與成本]
       end
   

   📋 實施追蹤

   🚀 高優先度（優先實施）

   • [ ] #[issue-number]: [標題] - 每月節省 $X
   • [ ] #[issue-number]: [標題] - 每月節省 $X

   ⚡ 中優先度

   • [ ] #[issue-number]: [標題] - 每月節省 $X
   • [ ] #[issue-number]: [標題] - 每月節省 $X

   🔄 低優先度（有餘力再做）

   • [ ] #[issue-number]: [標題] - 每月節省 $X

   📈 進度追蹤

   • 已完成：0 / Y 項最佳化
   • 已實現節省：$0 / 每月 $X
   • 實施狀態：未開始

   🎯 成功標準

   • [ ] 所有高優先度最佳化項目皆已實施
   • [ ] 實際實現 >80% 的估算節省金額
   • [ ] 觀察到無效能降級狀況
   • [ ] 成本監控儀表板已更新

   📝 備註

   • 請在 Issue 完成時同步檢視並更新此 EPIC
   • 監控實際與估算節省金額的差異
   • 考慮定期安排成本最佳化審查

錯誤處理

• 成本驗證：若節省金額估算缺乏佐證依據，或與 Azure Pricing 定價不一致，請重新核對組態設定

<!-- truncated for translation batch; full body continues in source -->