Se guida un team di platform o data engineering e sta valutando strumenti di ottimizzazione dei costi Databricks, parta da una domanda: cosa aggiunge uno strumento a pagamento rispetto a Databricks? L'annuncio di Governance Hub di Databricks descrive responsabili FinOps (Financial Operations) che analizzano la spesa e ne individuano i driver senza dover mantenere decine di query e dashboard. Governance Hub porta questa analisi direttamente nella console dell'account.
Lo strumento giusto dipende dall'ambiente e dal livello di controllo che si intende concedergli sulle risorse Databricks. Questa guida confronta quattro categorie in base ad accesso in scrittura, ambito e prezzi pubblici. L'accesso in scrittura indica cosa lo strumento può modificare, mentre l'ambito segnala se funziona solo con Databricks o su più piattaforme. Ogni strumento è classificato secondo il modello di accesso in scrittura descritto dal suo vendor.
In sintesi
- I controlli nativi e Governance Hub (Beta) mostrano la spesa Databricks complessiva e quanta parte è taggata.
- Le piattaforme di cost intelligence come LakeSentry offrono attribuzione a livello di job e di team, rilevamento delle anomalie e azioni ordinate per priorità che il team applica in autonomia.
- I motori autonomi come Sedai, Altimate, Capital One Slingshot, Unravel e SELECT possono modificare direttamente le risorse Databricks, con livelli di approvazione che variano da strumento a strumento.
- Le piattaforme FinOps generaliste come Flexera uniscono i costi Databricks alla spesa cloud e delle piattaforme dati.
- La scelta dipende da quanta autorità si è disposti a concedere a uno strumento per modificare le risorse Databricks.
Servono ancora strumenti di ottimizzazione dei costi Databricks nel 2026?
Uno strumento a pagamento serve ancora se Governance Hub lascia al Suo team del lavoro ancora da fare. Governance Hub è entrato in Beta a luglio 2026 ed è stato annunciato pubblicamente ad agosto.
Governance Hub cambia il modo di valutare gli strumenti a pagamento. La sua pagina Cost mostra dove va il denaro. Se serve un'attribuzione fino al singolo utente o alla singola query, o se si desidera che le ottimizzazioni vengano applicate automaticamente alle risorse, serve più di quanto offre la pagina Cost.
Per capire di cosa si ha bisogno, si parta dalle cinque abitudini descritte in l'ottimizzazione dei costi Databricks spiegata davvero, che delineano il lavoro necessario per ridurre i costi Databricks. Le fasi Inform, Optimize e Operate della FinOps Foundation mostrano dove si colloca questo lavoro: Inform esamina i dati di costo e utilizzo, Optimize individua le opportunità di efficienza e Operate implementa le modifiche. Tutto ciò che Governance Hub non copre tra queste abitudini e fasi è ciò che uno strumento a pagamento deve aggiungere.
Quali sono le quattro categorie di strumenti per i costi Databricks?
Gli strumenti di ottimizzazione dei costi Databricks rientrano in quattro categorie: controlli nativi, piattaforme di cost intelligence, motori di ottimizzazione autonomi e piattaforme FinOps generaliste. Ogni categoria è ordinata in base a ciò che lo strumento può modificare e a quante piattaforme copre. La pagina di confronto di LakeSentry usa una suddivisione in quattro gruppi quasi identica, quindi questo framework non è esclusivo di questa guida, né è uno standard di settore.
I controlli nativi sono gli strumenti di gestione dei costi inclusi in Databricks. Le system tables e Governance Hub Cost leggono i dati di utilizzo e non possono modificare il compute, mentre budget e compute policy sono i limiti che si impostano in autonomia.
Le piattaforme di cost intelligence si basano su questi dati e aggiungono attribuzione, rilevamento delle anomalie e azioni ordinate per priorità. LakeSentry è un esempio dedicato esclusivamente a Databricks, ed è in sola lettura per impostazione predefinita, quindi è il team a decidere se agire.
I motori di ottimizzazione autonomi possono apportare modifiche alle risorse. Sedai, Altimate, Capital One Slingshot, Unravel e SELECT possono ridimensionare warehouse o regolare cluster, con controlli che vanno dai gate di approvazione all'esecuzione automatica.
Le piattaforme FinOps generaliste combinano Databricks con la spesa di AWS (Amazon Web Services), Azure, GCP (Google Cloud Platform), Snowflake e altre piattaforme. Flexera ne è un esempio, e in questa vista Databricks è una voce tra tante.
Le categorie si distinguono soprattutto per accesso in scrittura e ambito. La tabella seguente riassume queste differenze insieme ai modelli di prezzo.
| Categoria | Accesso in scrittura | Ambito | Modello di prezzo |
|---|---|---|---|
| Controlli nativi | Nessuna modifica al compute (è possibile impostare budget) | Solo Databricks | Incluso in Databricks |
| Cost intelligence | Sola lettura per impostazione predefinita | Solo Databricks | Pubblico e consultabile |
| Motori di ottimizzazione autonomi | Da approvazione obbligatoria ad applicazione automatica | Multipiattaforma | Varia in base al vendor |
| FinOps generalista | Solo raccomandazioni | Multipiattaforma | Non pubblicato sulla pagina prodotto |
Cosa coprono le System Tables e il nuovo Governance Hub?
I controlli nativi offrono una visibilità dettagliata sulla spesa Databricks. Le system tables forniscono i dati di fatturazione sottostanti, mentre Governance Hub aggiunge una vista a livello di account.
Nelle system tables di fatturazione, system.billing.usage registra l'utilizzo fatturabile, incluse le Databricks Unit (DBU) consumate, e il join con system.billing.list_prices converte quell'utilizzo in dollari a prezzo di listino. La spesa si attribuisce a un team o a un progetto tramite i tag, che le compute policy applicano sul compute classico e le serverless usage policy sul compute serverless.
Governance Hub include le pagine Data, AI (intelligenza artificiale), Cost e Tags, e Cost è quella rilevante in questo contesto. Aggiunge uno spend explorer per visualizzare i costi per prodotto, workspace, risorsa o tag, oltre al monitoraggio della spesa taggata e ai budget che gli amministratori di workspace creano e gestiscono per i propri workspace. Le sue raccomandazioni sui costi sono in sola lettura e ogni importo nella pagina Cost è mostrato a prezzo di listino, quindi gli sconti negoziati non compaiono.
In Governance Hub è possibile porre a Genie domande come il motivo di un picco di costi e ottenere risposte basate sui propri dati di governance. L'annuncio di Databricks di agosto 2026 afferma che Genie potrà presto eseguire azioni come configurare policy, impostare avvisi e implementare raccomandazioni. Alla data di quell'annuncio, Genie spiega ma non agisce.
system.billing.usage copre solo gli addebiti Databricks, mentre il compute classico genera anche costi del cloud provider per le macchine virtuali sottostanti. Chi utilizza il compute classico ha bisogno sia dei dati di fatturazione Databricks sia dei costi del cloud provider per calcolare il costo di compute completo. Il post di Databricks di febbraio 2026 su come unificare i costi di Databricks e dell'infrastruttura cloud presenta una soluzione open source che unisce i due su AWS e Azure.
Cosa aggiunge LakeSentry nella categoria cost intelligence dedicata a Databricks?
LakeSentry aggiunge attribuzione a livello di job e di team, rilevamento delle anomalie e azioni ordinate per priorità sopra i dati delle system tables. Si connette tramite un service principal in sola lettura e la sua scheda su GetApp indica che attribuisce la spesa tra workspace e ambienti per job e per team.
Per i picchi di costo, LakeSentry confronta la spesa recente con una baseline tramite z-score, con soglie di costo minime affinché i workloads di piccole dimensioni non generino segnalazioni, come descrive la sua documentazione sul rilevamento delle anomalie. Ogni segnalazione mostra le proprie evidenze, come la baseline e l'aumento di costo.
Il prezzo è pubblico e basato sul numero di utenti. Free supporta un utente, Standard costa 499 $ al mese per un massimo di cinque utenti e Pro costa 849 $ al mese per utenti illimitati, con i piani a pagamento fatturati annualmente. Tutti i piani includono workspace illimitati e il prezzo non dipende dall'utilizzo di DBU né dal numero di workspace. La pagina dei prezzi elenca inoltre la "Safe optimization" su ogni piano, quindi conviene chiedere al vendor cosa include e quale modello di accesso in scrittura si applica prima di effettuare la connessione.
LakeSentry pubblica anche un confronto tra strumenti per i costi Databricks, aggiornato l'ultima volta il 5 agosto 2026. Colloca LakeSentry in una categoria di cost intelligence e raggruppa Unravel con le piattaforme di efficienza e FinOps più ampie. Questa guida colloca Unravel tra i motori autonomi perché il suo motore Arvix AI può applicare modifiche, mentre la stessa tabella di LakeSentry descrive Unravel come dotato di remediation autonoma.
Poiché LakeSentry vende uno dei prodotti messi a confronto, è bene considerare quella categorizzazione come il punto di vista del vendor e verificarla con fonti indipendenti.
Come gestiscono l'ottimizzazione autonoma Sedai, Altimate, Slingshot e Unravel?
Sedai, Altimate, Slingshot e Unravel permettono di delegare al software le modifiche di ottimizzazione di Databricks, ma differiscono per il livello di controllo che lasciano all'utente: dall'esecuzione automatica ai gate di approvazione, fino alle impostazioni per singolo job.
Sedai
Sedai afferma che è possibile connettere gli account cloud e di monitoraggio in meno di 15 minuti. In modalità copilot si approva ogni modifica con un clic, oppure si può lasciare che le ottimizzazioni vengano eseguite automaticamente. L'annuncio di lancio di Sedai di giugno 2025 colloca Databricks accanto ad AWS, Azure, GCP e Kubernetes e cita riduzioni dei costi cloud del 30% o più sull'intera piattaforma. La sua pagina dedicata a Databricks pubblicizza dal 30 al 50%.
Altimate
Gli agenti Auto Tune di Altimate usano gate di approvazione, con controlli disponibili per singolo job, task e warehouse, secondo la guida di Altimate. La pagina Databricks di Altimate riporta una riduzione tipica dal 20 al 35% e Auto Tune annulla automaticamente le modifiche che degradano le prestazioni.
Capital One Slingshot
Slingshot offre un controllo a livello di job grazie alla tecnologia di Sync Computing, il cui team è entrato in Capital One Software nel 2025. Secondo l'annuncio di Capital One su Databricks, è possibile applicare un'ottimizzazione con un clic o automatizzarla completamente, e la documentazione di Slingshot mostra che il progetto di ogni job ha una propria impostazione di auto-apply, così job diversi nello stesso deployment possono funzionare con livelli di automazione differenti.
Unravel
Unravel copre Databricks, Snowflake e BigQuery. Il suo motore Arvix AI può riscrivere il codice, ridimensionare il compute e ripulire lo storage. Testa ogni modifica rispetto al comportamento dei workloads prima di applicarla e la annulla automaticamente se le prestazioni peggiorano.
Cosa verificare prima di automatizzare le modifiche
I vendor offrono livelli di controllo diversi sulle modifiche automatizzate, dalle approvazioni manuali all'esecuzione automatica. Prima di connettere uno strumento, conviene confermare quando una modifica richiede approvazione, quando può agire automaticamente e cosa succede se una modifica causa problemi.
Per qualsiasi strumento preso in considerazione, SELECT incluso, vanno verificati i permessi che detiene, le risorse che può modificare, le capacità di rollback e l'audit trail che fornisce. Occorre inoltre controllare come queste modifiche entrano nel processo di deployment, perché le impostazioni modificate al di fuori dell'infrastructure as code possono andare in drift rispetto alla configurazione definita. La guida alla configurazione di SELECT richiede CAN_MANAGE su job, cluster e warehouse quando Automated Savings è abilitato.
Dove si colloca Flexera nel FinOps multi-cloud generalista?
Flexera è indicata quando si vogliono i costi Databricks nella stessa vista del resto della spesa cloud e delle piattaforme dati, e il suo prodotto per Databricks raccomanda le modifiche invece di eseguirle. I motori autonomi descritti sopra sono progettati per modificare le risorse, mentre Flexera si concentra sul FinOps su più piattaforme cloud e dati e offre un'unica vista consolidata dei costi.
Flexera One Data Cloud Optimization è il prodotto precedentemente noto come Chaos Genius, acquisito da Flexera a gennaio 2026. Fornisce indicazioni di right-sizing per Databricks e Snowflake all'interno di una suite FinOps per budgeting e forecasting. Le release notes di Flexera di giugno 2026 descrivono una dashboard Databricks Analyzer che combina la spesa in DBU con il costo di compute dell'infrastruttura cloud sottostante, offrendo una vista unificata della spesa per piattaforma e compute.
L'annuncio dell'acquisizione di Flexera afferma che Chaos Genius ha aiutato aziende Fortune 500 a ridurre i costi fino al 30% e descrive il prodotto come ottimizzazione autonoma e agentica. La sua documentazione di Data Cloud Optimization si concentra su visibilità, allocazione e raccomandazioni di risparmio, quindi questa guida considera il suo workflow Databricks documentato come guidato dalle raccomandazioni, a meno che Flexera non documenti azioni di scrittura specifiche. Flexera non pubblica i prezzi sulla pagina prodotto.
Dove si colloca SELECT e quali sono i suoi limiti?
SELECT è indicato quando si vogliono modifiche continue e controllate da toggle al numero di worker e all'autoscaling di Databricks. Non riporta la fattura dell'infrastruttura cloud né riscrive il codice. Le domande chiave sono cosa può vedere, cosa può modificare e quali sono i suoi limiti.
SELECT scompone la spesa Databricks per workspace, tipo di workload, job, cluster, utente e query, secondo il suo changelog di lancio su Databricks. Una volta configurato, Automated Savings regola il numero di worker e l'autoscaling per All-Purpose Compute e SQL Warehouse senza tuning quotidiano. Questa guida colloca SELECT nella categoria dei motori autonomi perché quell'accesso in scrittura è continuo e controllato da toggle. SELECT dichiara risparmi fino al 30% sui workloads idonei.
SELECT riporta la spesa della piattaforma Databricks usando le system tables di fatturazione e dei prezzi di listino di Databricks, quindi i costi dell'infrastruttura cloud vanno contabilizzati separatamente. La guida di SELECT all'ottimizzazione dei costi Databricks offre una regola pratica per stimare questi costi insieme alla fattura in DBU.
Governance Hub va considerato la baseline. La sua pagina Cost mostra gli importi a prezzo di listino, mentre i custom rates di SELECT permettono di includere gli sconti negoziati nei propri numeri. SELECT inoltre attribuisce la spesa fino al singolo utente e alla singola query, e Automated Savings agisce dove si fermano le raccomandazioni in sola lettura di Governance Hub.
Conviene conoscere i limiti prima dell'acquisto. SELECT non riscrive il codice, mentre il materiale di lancio di Unravel di maggio 2026 afferma che Arvix AI lo fa. I prezzi partono da 1.499 $ al mese e il preventivo finale dipende dall'ambiente, quindi per un ambiente più piccolo Governance Hub potrebbe essere sufficiente.
Quale categoria è adatta al Suo team?
La scelta dipende da quanta autorità si è disposti a concedere a uno strumento per modificare le risorse Databricks. Se serve soprattutto una migliore visibilità, si parta dai controlli nativi e da Governance Hub, che lasciano le modifiche nelle mani del team. Governance Hub è in Beta a ottobre 2026. Se servono anche attribuzione e rilevamento delle anomalie mantenendo le modifiche all'interno del team, si aggiunga una piattaforma di cost intelligence come LakeSentry.
Se si desidera che le modifiche vengano applicate automaticamente, si scelga un motore autonomo. Il controllo varia da strumento a strumento, dai gate di approvazione all'esecuzione automatica con rollback, quindi occorre decidere quanta automazione assegnare a ciascun workload. Se Databricks convive con altre piattaforme, si scelga una piattaforma FinOps generalista come Flexera, che affianca Databricks al resto della spesa cloud e delle piattaforme dati.
Prima di pagare per un altro strumento, verifichi cosa offre già Governance Hub e cosa aggiunge lo strumento in più. Il post di SELECT su cosa fare oltre i risparmi più facili copre il livello successivo una volta messe a posto le basi. Per valutare SELECT nel proprio ambiente, è possibile connettere un workspace, operazione che secondo SELECT richiede circa 20 minuti, oppure prenotare una demo.