Cloud vs Bare Metal vs VPS

গল্পে বুঝি

ফাতিমা আল-ফিহরি রোজ শহরের এ-মাথা ও-মাথা ঘোরেন — কখনো বাজারে, কখনো লাইব্রেরিতে, কখনো ছাত্রদের ক্লাসে। শুরুতে তিনি যখনই বের হন তখনই রাস্তা থেকে একটা রিকশা ডেকে নেন — হাত তুললেই সামনে হাজির, কোনো ঝামেলা নেই, দরকার শেষে ছেড়ে দিলেই হলো। কিন্তু যেদিন সারাদিন এখানে-ওখানে দৌড়াতে হয়, দিনশেষে ভাড়ার হিসাব করে তাঁর মাথায় হাত — প্রতিটা ট্রিপ আলাদা করে গুনলে খরচ চড়া হয়ে যায়।

তাই তিনি ভাবতে বসেন। একদিকে ইবনে সিনা তাঁকে বলেন নিজের একটা গাড়ি কিনে নিতে — অনেক চললে প্রতি কিলোমিটারে খরচ সবচেয়ে কম পড়ে, কিন্তু একবারে মোটা টাকা গুনতে হয়, আর তেল-মেরামত-পার্কিং সব ফাতিমার নিজেকেই সামলাতে হবে। অন্যদিকে আল-খোয়ারিজমি বলেন মাঝামাঝি পথ ধরতে — মাসিক ভাড়ায় একটা গাড়ি নিয়ে নাও, খরচ ফিক্সড ও আগে থেকে জানা, কিছুটা স্বাধীনতাও থাকে, অথচ মালিকানার মাথাব্যথা নেই।

গল্পের এই তিন পথই আসলে তিন deployment model। যখন-তখন রিকশা ডাকা হলো cloud — pay-as-you-go, ভীষণ flexible, তাৎক্ষণিক provisioning, কিন্তু প্রতি unit-এ দামি, আর সারাদিন চড়লে বিল আকাশছোঁয়া। নিজের গাড়ি কেনা হলো bare metal — scale-এ প্রতি unit-এ সবচেয়ে সস্তা, তবে বড় upfront খরচ আর পুরো maintenance নিজের কাঁধে। মাসিক ভাড়ার গাড়িটা হলো VPS — মাঝের predictable পথ, fixed খরচে কিছুটা flexibility, মালিকানার ঝক্কি ছাড়া। বাস্তবেও ঠিক তাই: startup যখন ছোট আর traffic অনিশ্চিত, তখন cloud-এ শুরু করাই বুদ্ধিমানের; load যখন steady আর predictable হয়ে আসে, VPS-এ গেলে খরচ অনেকটা কমে; আর সত্যিই বিশাল, টানা compute (যেমন ML training বা video transcoding) লাগলে bare metal-ই সবচেয়ে সাশ্রয়ী।

তিনটি Model

Cloud (AWS, GCP, Azure):

• ব্যবহারের প্রতি ঘণ্টায় pay — কোনো upfront cost নেই
• মিনিটে provision, সাথে সাথে deprovision
• সবকিছুর জন্য managed service (RDS, ElastiCache, S3)
• Premium pricing: সমতুল্য bare metal-এর খরচের 3-5x

VPS (Hetzner, Linode, DigitalOcean, Vultr):

• একটা virtual machine-এর জন্য fixed monthly cost
• ভালো managed add-on (managed Postgres, load balancer)
• সমতুল্য spec-এ AWS-এর চেয়ে 60-80% সস্তা
• কোনো spot instance নেই, সীমিত auto-scaling

Bare Metal (Hetzner Dedicated, OVH, Equinix):

• Physical server, ভাড়া করা বা মালিকানার
• Scale-এ per-core আর per-GB-RAM সবচেয়ে সস্তা
• কোনো virtualization overhead নেই
• Provision করতে lead time: কয়েক দিন থেকে সপ্তাহ
• OS level-এ সবকিছু আপনাকেই manage করতে হয়

Unit Cost তুলনা

মোটামুটি সমতুল্য 8-core / 32GB RAM setup-এর তুলনা (2024 pricing):

Provider	Type	Monthly Cost	Notes
AWS (m7g.2xlarge)	Cloud	~$230 on-demand	data transfer সহ আরও বেশি
AWS (m7g.2xlarge)	Reserved 1yr	~$140	upfront commit
Hetzner CX52	VPS	~$55	ARM-based, EU/US region
DigitalOcean	VPS	~$96	বেশি region, ভালো support
Hetzner AX102	Bare Metal	~$90	14-core, 64GB, NVMe

যে একই workload AWS on-demand-এ মাসে $2,000 খরচ করে, সেটা Hetzner-এ চলে মাসে $500-600-তে। data transfer আর managed service-এর খরচ যোগ হলে ফারাক আরও বাড়ে।

Cloud-এর আসল খরচ

Cloud bill-এ কিছু multiplier থাকে যা headline instance price লুকিয়ে রাখে:

Data transfer (egress):

AWS: $0.09/GB out to internet
At 10TB/month: $900/month just for egress

Hetzner: 20TB included in VPS plans, $1/TB after
Cloudflare (for static): free egress

Managed service premium:

RDS db.t3.medium (2 vCPU, 4GB):
  AWS RDS:        $60/month
  Self-hosted Postgres on $6 VPS: $6/month

ElastiCache cache.t3.micro (1 vCPU, 0.5GB):
  AWS ElastiCache: $25/month
  Self-hosted Redis on shared VPS: ~$5/month amortized

Self-hosting-এর operational overhead:

Self-hosted Postgres:
  Backup setup: 4 hours
  Monitoring setup: 4 hours
  Ongoing ops: 1-2 hours/month

RDS buys back this time — worth it until you're large enough to hire DBAs

আসল Decision Framework

Cloud ব্যবহার করুন যখন:

• Team ছোট এবং ops bandwidth সীমিত — managed service premium-এর যোগ্য
• Traffic spiky বা unpredictable — auto-scaling আর pay-per-use গুরুত্বপূর্ণ
• আপনার দ্রুত global region দরকার
• আপনি early stage-এ আছেন আর runway পুড়ছে — time-to-market cost optimization-এর চেয়ে বড়
• আপনার নির্দিষ্ট managed service দরকার (ML, analytics, compliance tool)

VPS ব্যবহার করুন যখন:

• Steady, predictable load
• নিজের infra manage করার ops bandwidth আছে
• Cost গুরুত্বপূর্ণ — Series A এবং তার পরে সাধারণ
• Cloud primitive-এর জটিলতা ছাড়া simplicity চান

Bare metal ব্যবহার করুন যখন:

• High, sustained compute দরকার (ML training, video transcoding, বড় database)
• আপনার team-এর infrastructure engineering capacity আছে
• Workload যাচাই করেছেন — অব্যবহৃত capacity-তে over-provisioning নেই
• Per-core performance গুরুত্বপূর্ণ (কোনো virtualization overhead নেই)

Spot / Preemptible Instance

Cloud provider-রা তাদের বাড়তি capacity 70-90% discount-এ spot (AWS) বা preemptible (GCP) instance হিসেবে বিক্রি করে — কিন্তু ২ মিনিটের warning দিয়ে এগুলো terminate করে দেওয়া হতে পারে।

ভালো ব্যবহার:

• Queue থেকে টানা stateless worker (terminate হওয়া worker শুধু তার বর্তমান job হারায়, যা retry হয়)
• Progress checkpoint করে এমন batch processing job
• CI/CD runner

খারাপ ব্যবহার:

• Primary database — write-এর মাঝে termination corruption ঘটায়
• দ্রুত failover ছাড়া stateful service
• Checkpointing ছাড়া ২ মিনিটের বেশি লম্বা job

# Kubernetes: mix of on-demand and spot
nodeGroups:
  - name: on-demand
    instanceType: m5.xlarge
    minSize: 2 # always-on baseline
    maxSize: 10

  - name: spot
    instanceTypes: [m5.xlarge, m5.2xlarge, m4.xlarge]
    spot: true
    minSize: 0
    maxSize: 20 # burst on spot
    taints:
      - key: spot
        effect: NoSchedule

বাস্তবে Rightsizing

বেশিরভাগ team 2-4x overprovision করে। আগে measure করুন:

# AWS Cost Explorer: rightsizing recommendations
aws ce get-rightsizing-recommendation \
  --service EC2 \
  --configuration '{"RecommendationTarget": "SAME_INSTANCE_FAMILY"}'

# Actual CPU use across your fleet
aws cloudwatch get-metric-statistics \
  --namespace AWS/EC2 \
  --metric-name CPUUtilization \
  --period 3600 \
  --statistics Average Maximum \
  --dimensions Name=InstanceId,Value=i-xxxx

যদি আপনার instance-গুলো 10-15% CPU-তে চলে, আপনি বিশাল overprovision করেছেন। Downsize করুন বা প্রতি instance-এ আরও বেশি workload pack করুন।

Workload packing (একই host-এ multi-tenancy):

Instead of: 4 × m5.xlarge (4 vCPU, 16GB each) for 4 services at 20% CPU
Consider:   1 × m5.4xlarge (16 vCPU, 64GB) running all 4 services

Cost: ~4x cheaper, same total resources
Trade-off: one noisy neighbor affects all, less blast radius isolation

Reserved Instance-এর হিসাব

যদি আপনার baseline compute দরকার predict করতে পারেন, ১ বা ৩ বছরের reserved instance-এ commit করুন:

On-demand m5.xlarge: $0.192/hr = $140/month
1-year reserved:     $0.122/hr = $89/month  (35% savings)
3-year reserved:     $0.077/hr = $56/month  (60% savings)

Annual savings on a single instance: $612 (1yr) or $1,008 (3yr)
For 10 instances: $6,120 or $10,080/year

আপনার steady-state baseline-এর জন্য reserved instance কিনুন। Baseline-এর উপরের burst-এর জন্য on-demand বা spot ব্যবহার করুন।

North Star হিসেবে Cost Per Request

Raw cloud spend track করার বদলে cost per 1000 requests (CPR) track করুন:

Monthly spend: $5,000
Monthly requests: 50,000,000

CPR = $5,000 / 50,000 (thousands) = $0.10 per 1000 requests

আপনি যত scale করবেন, CPR তত কমা উচিত (economies of scale)। যদি CPR flat বা বাড়তে থাকে, আপনার architecture efficiently scale করছে না — query cost, caching, বা instance type খতিয়ে দেখুন।

// Dashboard metric
const costPerThousandRequests = totalMonthlyCostUsd / (totalMonthlyRequests / 1000);

এটা সাপ্তাহিক track করুন। এটা বলে দেয় আপনার infrastructure spend usage-এর সাথে সমানুপাতিকভাবে বাড়ছে (প্রত্যাশিত) নাকি তার চেয়ে দ্রুত (একটা সমস্যা)।