Cloud-এর অর্থনীতি — CapEx বনাম OpEx, TCO আর elasticity-র হিসাব

১ · বাড়ি কিনবেন, না ভাড়া নেবেন — CapEx আর OpEx

আগের তিনটি পর্বে দেখেছেন cloud কী, কে কী সামলায়, আর কোথায় চালানো যায়। এবার সবচেয়ে বাস্তব প্রশ্ন: খরচ কত, আর কোন পথে কম? এই প্রশ্নের ভুল উত্তরে অনেক দল দুই দিকেই ঠকে। কেউ দরকার ছাড়া server কেনে, কেউ সারাজীবন বেশি ভাড়া গোনে।

CapEx (capital expenditure, মূলধনী ব্যয়) হলো এমন খরচ, যা দিয়ে বহু বছর কাজে লাগে এমন সম্পদ কেনা হয়। যেমন server, rack আর network switch. OpEx (operating expenditure, পরিচালন ব্যয়) হলো দৈনন্দিন চালানোর খরচ। যেমন বিদ্যুৎ বিল, বেতন আর cloud-এর মাসিক বিল।

এই পার্থক্য শুধু হিসাবরক্ষকের বিষয় নয়। নতুন একটি দলের হাতে ধরুন $৬০,০০০ নেই। তাহলে CapEx-এর পথ শুরুতেই বন্ধ। আবার যে দলের পণ্য আদৌ চলবে কি না অজানা, তার জন্য শুরুতে বড় কেনাকাটা জুয়ার মতো। Cloud এই ঝুঁকি কমায়, কারণ ব্যর্থ হলে শুধু বন্ধ করে দিলেই চলে। ২০০৬ সালে Amazon S3 আর EC2 আসার পর ছোট দলের জন্য এই সুযোগটিই সবচেয়ে বড় পরিবর্তন ছিল। আগ্রহীরা Operating Systems কোর্সের cloud OS পর্ব-এ ভেতরের কাজ দেখে নিতে পারেন।

২ · Depreciation — server-এর দাম বছরে বছরে ভাগ করা

$৬০,০০০-এর server কিনলে টাকাটি একদিনে বের হয়। কিন্তু server তো কাজ করবে বহু বছর। তাহলে প্রথম মাসে কি খরচ $৬০,০০০, আর পরের মাসে শূন্য? এভাবে দেখলে ব্যবসার ছবি বিকৃত হয়। তাই হিসাবে দামটি ব্যবহারের বছরগুলোতে ভাগ করে নেওয়া হয়। একেই বলে depreciation বা অবচয়।

সবচেয়ে সহজ পদ্ধতি হলো straight-line: সমান ভাগে ভাগ করা। ধরা যাক server-এর useful life ৫ বছর আর শেষে বিক্রির দাম শূন্য:

এখানে দুটি আলাদা চোখ আছে, আর দুটিই পরে কাজে লাগবে।

• নগদের চোখ (cash view): টাকা কবে বের হলো। Break-even হিসাবে এটি লাগে।
• হিসাবের চোখ (accounting view): প্রতি মাসে সম্পদের কত অংশ ক্ষয় হলো। Cost per hour তুলনায় এটি লাগে।

৩ · TCO — বিলের যে সারিগুলো চোখে পড়ে না

TCO (total cost of ownership, মালিকানার মোট খরচ) মানে একটি নির্দিষ্ট সময়ে একটি সমাধানের সব খরচের যোগফল। সাধারণ ভুলটি হলো শুধু server-এর দাম বনাম VM-এর দাম মেলানো। সেটি অনেকটা বাড়ির দাম আর ভাড়া মিলিয়ে সার্ভিস চার্জ, রং আর ইউটিলিটি বিল ভুলে যাওয়ার মতো।

Cooling-এর বোঝা মাপার একটি প্রচলিত সূচক হলো PUE (power usage effectiveness). এটি ডেটা সেন্টারের মোট বিদ্যুৎকে IT যন্ত্রের বিদ্যুৎ দিয়ে ভাগ করে। PUE ১.৫ মানে server যদি ১ kW খায়, পুরো ঘর খায় ১.৫ kW. বড় cloud provider-রা সাধারণত ছোট server room-এর চেয়ে অনেক কম PUE দাবি করেন।

বিদ্যুতের সংখ্যাটি হাওয়া থেকে আসেনি। ধরে নিন প্রতিটি server গড়ে ৩৫০ W খায়, PUE ১.৫ আর প্রতি kWh $০.১০। তাহলে 12 × 0.35 kW × 1.5 × 720 h × $0.10 = $453.6, যাকে গোল করে $৪৫০ ধরা হয়েছে। এবার ৩ বছরের (৩৬ মাস) TCO টেবিলটি এক সারি করে ভরি। প্রতি ধাপে নিচের হিসাব মিলিয়ে নিন।

৪ · Break-even — কোন মাসে কে এগিয়ে

Break-even মানে সেই মুহূর্ত, যেখানে দুই পথের মোট খরচ সমান। নিজের server-এ শুরুতে বড় খরচ, কিন্তু মাসিক খরচ কম। Cloud-এ শুরু শূন্য থেকে, কিন্তু মাসিক খরচ বেশি। তাই প্রতি মাসে ব্যবধান একটু করে কমে।

সূত্রটি মুখস্থ করার দরকার নেই। প্রতি মাসে কেনার পথ $২,৫০০ বাঁচায়। $৬০,০০০ শোধ হতে কয় মাস লাগবে? এটুকুই প্রশ্ন। নিচে মাসে মাসে এগিয়ে দেখুন।

এবার নিজে সংখ্যা বদলে দেখুন। নিচের ক্যালকুলেটরটি পাতার ভেতরেই চলে, কোনো account লাগে না। own আর cld-এর দাম বদলে “চালিয়ে দেখুন” চাপুন।

// TCO calculator: all prices are ASSUMED round numbers. Change them and Run.
const own = { servers: 12, pricePerServer: 5000,   // 10 needed + 2 spare
  power: 450, space: 650, staff: 1200, maint: 200 };   // $ per month
const cld = { vms: 10, perHour: 0.50, idle: 360,        // idle = forgotten VM
  storage: 200, transfer: 300, support: 240, staff: 300 };
const HOURS = 720, YEARS = 3;        // 30-day month

const capex = own.servers * own.pricePerServer;
const ownM = own.power + own.space + own.staff + own.maint;
const compute = cld.vms * cld.perHour * HOURS;
const cldM = compute + cld.idle + cld.storage + cld.transfer + cld.support + cld.staff;
const usd = (x) => (x < 0 ? "-$" : "$") + Math.abs(Math.round(x)).toLocaleString("en-US");

console.log("capex " + usd(capex) + "  own/month " + usd(ownM) + "  cloud/month " + usd(cldM));
console.log("month      own    cloud      gap");
for (const m of [0, 6, 12, 18, 24, 30, 36]) {
  const a = capex + ownM * m, b = cldM * m;
  console.log(String(m).padStart(5) + usd(a).padStart(9) + usd(b).padStart(9) + usd(a - b).padStart(9));
}
const saving = cldM - ownM;
if (saving <= 0) console.log("cloud is cheaper every month: buying never pays back");
else {
  const exact = capex / saving;
  console.log("break-even month = " + capex + " / " + saving + " = " + exact.toFixed(2)
    + " -> month " + Math.ceil(exact));
}
const t = YEARS * 12;
console.log(YEARS + "-year TCO: own " + usd(capex + ownM * t) + ", cloud " + usd(cldM * t));

capex $60,000  own/month $2,500  cloud/month $5,000
month      own    cloud      gap
    0  $60,000       $0  $60,000
    6  $75,000  $30,000  $45,000
   12  $90,000  $60,000  $30,000
   18 $105,000  $90,000  $15,000
   24 $120,000 $120,000       $0
   30 $135,000 $150,000 -$15,000
   36 $150,000 $180,000 -$30,000
break-even month = 60000 / 2500 = 24.00 -> month 24
3-year TCO: own $150,000, cloud $180,000

৫ · টাকার সময়মূল্য — এক ধাপের হিসাব

আজকের $১০০ আর এক বছর পরের $১০০ কি সমান? না। আজকের টাকা ব্যাংকে রাখলে সুদ পাবেন, ব্যবসায় খাটালে লাভ পাবেন। একেই বলে time value of money. তাই শুরুতে $৬০,০০০ খরচ করা, আর পরে সেই টাকা ধীরে ধীরে বাঁচানো, পুরোপুরি সমান হিসাব নয়।

ধাপ একটিই। ভবিষ্যতের টাকাকে আজকের মূল্যে আনতে discount rate r দিয়ে ভাগ করতে হয়:

ধরা যাক r = ১০% বছরে, এটিও একটি অনুমান। এক বছর পরের $১,১০০-এর আজকের মূল্য 1,100 / 1.10 = $1,000. আমাদের উদাহরণে কেনার পথ বছরে $৩০,০০০ বাঁচায়। সরলতার জন্য ধরে নিন সাশ্রয়টি প্রতি বছর শেষে আসে।

// Does buying still win after the time value of money? (assumed 10% a year)
const capex = 60000, savingPerYear = 30000, rate = 0.10;

let plain = -capex, pv = -capex;
console.log("year  saving  factor  present value  running total");
for (let y = 1; y <= 5; y++) {
  const factor = 1 / Math.pow(1 + rate, y);
  const value = savingPerYear * factor;
  plain += savingPerYear;
  pv += value;
  console.log(String(y).padStart(4) + String(savingPerYear).padStart(8)
    + factor.toFixed(3).padStart(8) + Math.round(value).toString().padStart(15)
    + Math.round(pv).toString().padStart(15));
  if (y === 3) console.log("  -> after 3 years: plain +" + plain + ", discounted +" + Math.round(pv));
}

// Monthly version: first month where discounted savings repay the purchase
const r = Math.pow(1 + rate, 1 / 12) - 1;
let sum = 0, m = 0;
while (sum < capex) { m++; sum += (savingPerYear / 12) / Math.pow(1 + r, m); }
console.log("plain break-even: month 24, discounted break-even: month " + m);

year  saving  factor  present value  running total
   1   30000   0.909          27273         -32727
   2   30000   0.826          24793          -7934
   3   30000   0.751          22539          14606
  -> after 3 years: plain +30000, discounted +14606
   4   30000   0.683          20490          35096
   5   30000   0.621          18628          53724
plain break-even: month 24, discounted break-even: month 27

৬ · আকারের সুবিধা আর utilisation — আসল সিদ্ধান্তকারী

Cloud provider-ও তো server কেনেন, আবার লাভও করেন। তাহলে কখনো কখনো সস্তা হন কীভাবে? উত্তরের প্রথম অংশ economies of scale, মানে আকারের সুবিধা। বিয়েবাড়ির ক্যাটারিং ভাবুন। পাঁচজনের জন্য বাজার করলে এক দাম, পাঁচশো জনের জন্য পাইকারি দাম। বড় provider লাখে লাখে server অর্ডার দেন, বড় চুক্তিতে বিদ্যুৎ কেনেন, আর এক দল engineer অসংখ্য server সামলান।

উত্তরের দ্বিতীয় অংশ আরও গুরুত্বপূর্ণ: utilisation, অর্থাৎ কেনা ক্ষমতার কত ভাগ সত্যিই কাজে লাগছে। আলাদা আলাদা গ্রাহকের ব্যস্ত সময় সাধারণত একসাথে পড়ে না। তাই provider একই মেশিন দিয়ে অনেকের চাহিদা মেটাতে পারেন। একে বলে statistical multiplexing.

তাই তুলনা করতে হবে কাজে লাগা প্রতি ঘণ্টার খরচে (cost per useful hour). মাসে পূর্ণ ক্ষমতা ১০ × ৭২০ = ৭,২০০ server-ঘণ্টা। এখানে দীর্ঘ মেয়াদের চোখ লাগবে, তাই মাসিক খরচে depreciation যোগ হবে। ৫ বছর useful life ধরলে:

• নিজের server: মাসে $১,০০০ + $২,৫০০ = $৩,৫০০, কাজ হোক বা না হোক। ঘণ্টাপ্রতি 3,500 / (7,200 × U), এখানে U হলো utilisation.
• Cloud (ব্যবহার অনুযায়ী VM বাড়ে-কমে): compute 3,600 × U, আর বাকি স্থির $১,৪০০। ঘণ্টাপ্রতি 0.50 + 1,400 / (7,200 × U).

দুটি সমান ধরলে break-even utilisation পাওয়া যায়:

// Cost per USEFUL server-hour as utilisation changes (assumed prices)
const FLEET = 10, HOURS = 720, usefulMax = FLEET * HOURS;
const capex = 60000, ownRun = 2500;      // $ and $/month
let lifeYears = 5;                       // try 3 or 4 as well
const cloudRate = 0.50, cloudFixed = 1400;   // $/VM-hour, $/month

function curve(life) {
  const ownM = capex / (life * 12) + ownRun;        // depreciation + running
  return {
    ownM,
    own: (u) => ownM / (usefulMax * u),
    cloud: (u) => (cloudRate * usefulMax * u + cloudFixed) / (usefulMax * u),
    breakEven: (ownM - cloudFixed) / (cloudRate * usefulMax),
  };
}

const c = curve(lifeYears);
console.log("own per month $" + c.ownM.toFixed(0) + "  (life " + lifeYears + " years)");
console.log(" util    own/hr  cloud/hr  cheaper  own bar (* = $0.25)");
for (const u of [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0]) {
  const a = c.own(u), b = c.cloud(u);
  console.log((u * 100).toFixed(0).padStart(4) + "%" + a.toFixed(3).padStart(10)
    + b.toFixed(3).padStart(10) + (a < b ? "    own  " : "    cloud")
    + "  " + "*".repeat(Math.round(a / 0.25)));
}
console.log("break-even utilisation = " + (c.breakEven * 100).toFixed(1) + "%");
for (const life of [3, 4, 5, 6])
  console.log("  hardware life " + life + " years -> " + (curve(life).breakEven * 100).toFixed(1) + "%");

own per month $3500  (life 5 years)
 util    own/hr  cloud/hr  cheaper  own bar (* = $0.25)
  10%     4.861     2.444    cloud  *******************
  20%     2.431     1.472    cloud  **********
  30%     1.620     1.148    cloud  ******
  40%     1.215     0.986    cloud  *****
  50%     0.972     0.889    cloud  ****
  60%     0.810     0.824    own    ***
  70%     0.694     0.778    own    ***
  80%     0.608     0.743    own    **
  90%     0.540     0.716    own    **
 100%     0.486     0.694    own    **
break-even utilisation = 58.3%
  hardware life 3 years -> 76.9%
  hardware life 4 years -> 65.3%
  hardware life 5 years -> 58.3%
  hardware life 6 years -> 53.7%

৭ · Elasticity — ঈদের আগের ভিড়ের হিসাব

ঈদের আগে বাসের টিকিটের ভিড় মনে করুন। বছরের কয়েকটি দিনের জন্য পরিবহন কোম্পানি কি সারা বছর দ্বিগুণ বাস কিনে রাখবে? রাখলে বাকি সময় বাস অলস। না রাখলে যাত্রী ফিরে যায়। Elasticity মানে চাহিদা বুঝে ক্ষমতা বাড়ানো ও কমানো, আর এই “কমানো”-তেই আসল সাশ্রয়। NIST-এর সংজ্ঞায় একে rapid elasticity বলা হয়েছে, যা cloud computing-এর পাঁচ বৈশিষ্ট্যের একটি।

Load কতটা ওঠানামা করে, সেটি এক সংখ্যায় ধরে peak-to-average ratio (PAR): সর্বোচ্চ চাহিদাকে গড় চাহিদা দিয়ে ভাগ। নিজের server কিনতে হয় peak-এর মাপে, কারণ ভিড়ের সময় তো থাকতেই হবে। তখন utilisation দাঁড়ায় U = 1 / PAR.

একটি দিনের হিসাব দেখুন। অ্যাপটিকে ৪ ঘণ্টা করে ৬টি ভাগে দেখা হচ্ছে। এখানে দুই পক্ষেই ঘণ্টায় $০.৫০ ধরা হয়েছে, যাতে শুধু ক্ষমতার পার্থক্য চোখে পড়ে।

এবার সাধারণ নিয়মটি লিখি। Fixed ক্ষমতার ঘণ্টাপ্রতি দাম p_f, elastic-এর p_e, আর সময় T ঘণ্টা।

উদাহরণ: ধরে নিই নিজের ক্ষমতা ঘণ্টায় $০.৩০, cloud ঘণ্টায় $০.৬০, অর্থাৎ cloud দ্বিগুণ দামি। Peak ১০, গড় ৪, মাসে ৭২০ ঘণ্টা। Fixed: 10 × 720 × 0.30 = $2,160. Elastic: 4 × 720 × 0.60 = $1,728. PAR ২.৫ দামের অনুপাত ২-এর চেয়ে বড়, তাই দামি হয়েও cloud সস্তা। Cloud-এ স্থির খরচ থাকলে সীমাটি সরে যায়। অংশ ৬-এর উদাহরণে সমান হওয়ার বিন্দু U = ৫৮.৩%, মানে PAR প্রায় ১.৭১।

নিচের সিমুলেটরে একটি পুরো মাসের ৭২০ ঘণ্টা আছে: রাত, দিন, সন্ধ্যা, আর শেষ ৫ দিন ঈদের বিক্রি। Seed বদলালে নতুন চাহিদা তৈরি হবে, কিন্তু একই seed-এ ফল একই থাকবে।

// One 30-day month of hourly demand: fixed capacity vs elastic (assumed prices)
const HOURS = 720, PRICE = 0.50;     // $ per server-hour, same price for both
let seed = 7;
function rand() {                    // mulberry32: same numbers on every run
  seed = (seed + 0x6D2B79F5) | 0; let t = Math.imul(seed ^ (seed >>> 15), 1 | seed);
  t = (t + Math.imul(t ^ (t >>> 7), 61 | t)) ^ t; return ((t ^ (t >>> 14)) >>> 0) / 4294967296;
}
const demand = [];
for (let h = 0; h < HOURS; h++) {
  const hod = h % 24, day = Math.floor(h / 24);
  let d = hod < 8 ? 1 : hod < 18 ? 3 : hod < 23 ? 6 : 2;   // night, day, evening
  if (day >= 25) d *= 3;                                   // last 5 days: Eid sale
  demand.push(Math.ceil(d * (0.85 + 0.3 * rand())));       // whole servers
}
const sum = demand.reduce((a, b) => a + b, 0);
const peak = Math.max(...demand), avg = sum / HOURS;
console.log("peak " + peak + "  average " + avg.toFixed(2) + "  peak-to-average "
  + (peak / avg).toFixed(2));

function fixed(cap) {                // cap servers, all month, whatever the demand
  let idle = 0, short = 0;
  for (const d of demand) { idle += Math.max(0, cap - d); short += Math.max(0, d - cap); }
  return { cost: cap * HOURS * PRICE, idle, short, late: 100 * short / sum };
}
console.log("capacity   cost   idle srv-h  unserved srv-h");
for (const cap of [peak, Math.ceil(avg)]) {
  const f = fixed(cap);
  console.log(("fixed " + cap).padEnd(9) + ("$" + f.cost).padStart(7) + String(f.idle).padStart(12)
    + String(f.short).padStart(10) + "  (" + f.late.toFixed(1) + "%)");
}
console.log("elastic  " + ("$" + sum * PRICE).padStart(7) + "           0         0  (0.0%)");
const saved = 1 - (sum * PRICE) / (peak * HOURS * PRICE);
console.log("elastic saves " + (saved * 100).toFixed(1) + "% against fixed-at-peak");
console.log("elastic still wins if its price is up to " + (peak / avg).toFixed(2) + " times higher");

peak 20  average 4.41  peak-to-average 4.54
capacity   cost   idle srv-h  unserved srv-h
fixed 20   $7200       11225         0  (0.0%)
fixed 5    $1800        1167       742  (23.4%)
elastic  $1587.5           0         0  (0.0%)
elastic saves 78.0% against fixed-at-peak
elastic still wins if its price is up to 4.54 times higher

৮ · কখন cloud বেশি খরচের

“Cloud সবসময় সস্তা” কথাটি যেমন ভুল, “Cloud সবসময় দামি” কথাটিও তেমন ভুল। এই পর্বের সংখ্যাগুলো পাশাপাশি রাখুন:

তিন বছরে প্রথম সারিতে cloud-এর TCO $১০২,২৪০, যেখানে নিজের server-এ $১৫০,০০০। দ্বিতীয় সারিতে ফল উল্টো: $১৮০,০০০ বনাম $১৫০,০০০। অর্থাৎ স্থির, উঁচু, দীর্ঘদিনের load-এ cloud প্রায়ই বেশি খরচের। কিছু সাধারণ লক্ষণ:

• অনুমানযোগ্য load: সারাদিন প্রায় সমান ব্যস্ততা, ওঠানামা নেই।
• বিপুল data transfer: ভিডিও বা বড় ফাইল বিতরণে বাইরে যাওয়া ডেটার বিল বড় হয়ে যায়।
• দক্ষ নিজস্ব দল: Hardware আগে থেকেই সামলাতে পারেন, তাই staff-এর বাড়তি খরচ কম।
• লম্বা আয়ু: Hardware-টি ৫ বছর বা বেশি কাজ করবে বলে ভরসা আছে।

তবে শুধু সংখ্যাই সব নয়। Cloud দেয় গতি: নতুন region, managed service আর দ্রুত পরীক্ষা। নিজের server দেয় নিয়ন্ত্রণ, কিন্তু backup site আর availability zone-এর মতো নিরাপত্তা নিজেকেই বানাতে হয়। সেই খরচ উপরের টেবিলে নেই। একটি মাঝের পথও আছে: স্থির অংশ নিজের server বা অঙ্গীকারে, আর ওঠানামার অংশ on-demand cloud-এ। Hybrid নকশার কথা পর্ব ৩-এ আছে, আর স্থানান্তরের পথ পর্ব ৭৫-এ।

৯ · বিলের তিন মাত্রা — compute, storage, network

প্রায় সব cloud বিলকে তিনটি মাত্রায় ভাঙা যায়। বিদ্যুৎ বিলে যেমন ইউনিট গুনে দাম হয়, এখানেও প্রতিটি মাত্রার নিজস্ব “মিটার” আছে।

টেবিলের দ্বিতীয় আর তৃতীয় সারিই অংশ ৩-এর $২০০ আর $৩০০। Pay-as-you-go মানে এই মিটারগুলো যতটুকু ঘোরে, ততটুকুরই বিল। Provider-ভেদে নাম আলাদা, যেমন AWS EC2, Azure Virtual Machines আর Google Compute Engine; কিন্তু ধারণা একই। সাধারণত ভেতরে আসা ডেটা (ingress) অনেক ক্ষেত্রে বিনা খরচে বা কম খরচে হয়, আর বাইরে যাওয়া ডেটায় (egress) বিল বেশি পড়ে। শর্ত provider-ভেদে আলাদা, তাই pricing পাতা দেখে নিন।

কেনার ধরনও তিন রকম: on-demand (যখন খুশি, দাম বেশি), commitment বা reserved (অঙ্গীকারে ছাড়), আর spot (ফাঁকা ক্ষমতা, ছাড় বেশি, কিন্তু যেকোনো সময় ফেরত নেওয়া হতে পারে)। এখানে শুধু নাম চিনে রাখুন। পর্ব ৭২-এ বিলের প্রতিটি সারি, আর পর্ব ৭৩-এ FinOps অভ্যাস নিয়ে গভীরে যাব।

একটি ঐচ্ছিক কাজ: বড় provider-দের pricing calculator সাধারণত account ছাড়াই খোলা যায় (লেখার সময়ে)। এই পর্বের ১০টি VM-এর হিসাব সেখানে বসিয়ে দেখতে পারেন। শুধু হিসাব করলে কোনো খরচ হয় না। আসল resource চালু করবেন না, করলে টাকা কাটতে পারে; পরীক্ষা শেষে সব বন্ধ করে মুছে ফেলতে হবে।

১০ · AI-এর যুগে cloud-এর খরচ আর নিরাপত্তা

AI কয়েক সেকেন্ডে সুন্দর একটি খরচের টেবিল বা পুরো Terraform ফাইল বানিয়ে দেয়। বিপদ হলো সেটি দেখতে খুব বিশ্বাসযোগ্য। AI আপনার আসল load, চুক্তি বা আজকের দাম জানে না, আর পুরোনো দাম আত্মবিশ্বাসের সাথে লিখে দিতে পারে।

AI সাধারণত যেসব ভুল করে

AI-এর হিসাব বা cloud কোড হাতে পেলে — চেকলিস্ট

• অন্তত একটি মোট হাতে বা ক্যালকুলেটরে মিলিয়েছি
• প্রতিটি দাম provider-এর pricing পাতায় দেখেছি, আর তারিখ টুকে রেখেছি
• Data transfer, support, staff আর অলস resource-এর সারি আছে
• Utilisation আর load-এর অনুমান আমার আসল মাপ থেকে এসেছে
• terraform plan বা --dry-run আগে চালিয়েছি, আর diff পড়েছি
• * permission, 0.0.0.0/0, public storage আর hardcoded secret নেই
• Throwaway পরিবেশে পরীক্ষা করেছি, budget alert চালু আছে, আর prompt-এ কোনো secret দিইনি