Se você lidera engenharia de plataforma ou de dados e está avaliando ferramentas de otimização de custos do Databricks, comece perguntando o que uma ferramenta paga acrescenta além do próprio Databricks. O anúncio do Governance Hub da Databricks descreve líderes de FinOps (operações financeiras) detalhando os gastos e identificando o que os impulsiona sem precisar manter dezenas de queries e dashboards. O Governance Hub traz essa análise para o console da conta.
A ferramenta certa para você depende do seu ambiente e de quanto controle você quer dar a ela sobre seus recursos do Databricks. Este guia compara quatro categorias com base em acesso de escrita, escopo e preços públicos. O acesso de escrita mostra o que a ferramenta pode alterar, enquanto o escopo indica se ela funciona apenas com o Databricks ou em várias plataformas. Cada ferramenta é classificada pelo modelo de acesso de escrita que o próprio fornecedor descreve.
TL;DR
- Os controles nativos e o Governance Hub (Beta) mostram seu gasto total com o Databricks e quanto dele tem tags aplicadas.
- Plataformas de inteligência de custos, como o LakeSentry, oferecem atribuição por job e por time, detecção de anomalias e ações priorizadas para o seu time aplicar.
- Mecanismos autônomos, como Sedai, Altimate, Capital One Slingshot, Unravel e SELECT, podem modificar seus recursos do Databricks para você, com níveis de aprovação que variam conforme a ferramenta.
- Plataformas de FinOps abrangentes, como a Flexera, combinam seus custos do Databricks com os gastos de nuvem e de plataformas de dados.
- Escolher entre elas se resume a quanta autoridade você dá a uma ferramenta para modificar seus recursos do Databricks.
Você ainda precisa de ferramentas de otimização de custos do Databricks em 2026?
Você ainda precisa de uma ferramenta paga se o Governance Hub deixar trabalho pendente para o seu time. O Governance Hub entrou em Beta em julho de 2026 e foi anunciado publicamente em agosto.
O Governance Hub muda a forma de avaliar ferramentas pagas. A página Cost mostra para onde o seu dinheiro vai. Se você precisa de atribuição no nível do usuário ou da query, ou quer que as otimizações sejam aplicadas aos seus recursos para você, vai precisar de mais do que a página Cost oferece.
Para descobrir o que você precisa, comece pelos cinco hábitos em Otimização de custos do Databricks explicada de verdade, que descrevem o trabalho envolvido em reduzir custos do Databricks. As fases de Inform, Optimize e Operate da FinOps Foundation mostram onde esse trabalho se encaixa: Inform examina dados de custo e uso, Optimize identifica oportunidades de eficiência e Operate implementa as mudanças. Tudo o que o Governance Hub não cobre nesses hábitos e fases é o que uma ferramenta paga precisa acrescentar.
Quais são as quatro categorias de ferramentas de custos do Databricks?
As ferramentas de otimização de custos do Databricks se dividem em quatro categorias: controles nativos, plataformas de inteligência de custos, mecanismos de otimização autônoma e plataformas de FinOps abrangentes. Cada uma é classificada pelo que a ferramenta tem permissão para alterar e por quantas plataformas cobre. A página de comparação do LakeSentry usa uma divisão em quatro grupos quase idêntica, então esse framework não é exclusivo deste guia — e também não é um padrão do setor.
Controles nativos são as ferramentas de custo incluídas no Databricks. As tabelas de sistema e o Governance Hub Cost leem seus dados de uso e não podem alterar sua computação, enquanto orçamentos e políticas de computação são os limites que você mesmo define.
Plataformas de inteligência de custos partem desses dados e acrescentam atribuição, detecção de anomalias e ações priorizadas. O LakeSentry é um exemplo exclusivo para Databricks, e é somente leitura por padrão, então seu time decide se vai agir.
Mecanismos de otimização autônoma podem fazer alterações em recursos. Sedai, Altimate, Capital One Slingshot, Unravel e SELECT podem redimensionar warehouses ou ajustar clusters, com controles que vão de aprovações obrigatórias até execução automática.
Plataformas de FinOps abrangentes combinam o Databricks com gastos de AWS (Amazon Web Services), Azure, GCP (Google Cloud Platform), Snowflake e outras plataformas. A Flexera é um exemplo, e nessa visão o Databricks é apenas uma linha entre muitas.
As categorias diferem principalmente em acesso de escrita e escopo. A tabela abaixo resume essas diferenças junto com os modelos de preço.
| Categoria | Acesso de escrita | Escopo | Modelo de preço |
|---|---|---|---|
| Controles nativos | Sem alterações de computação (orçamentos podem ser definidos) | Somente Databricks | Incluído no Databricks |
| Inteligência de custos | Somente leitura por padrão | Somente Databricks | Público, divulgado |
| Mecanismos de otimização autônoma | De aprovação obrigatória a aplicação automática | Multiplataforma | Varia por fornecedor |
| FinOps abrangente | Apenas recomendações | Multiplataforma | Não publicado na página do produto |
O que as tabelas de sistema e o novo Governance Hub cobrem?
Os controles nativos dão visibilidade detalhada sobre o gasto com o Databricks. As tabelas de sistema fornecem os dados de faturamento subjacentes, enquanto o Governance Hub acrescenta sobre eles uma visão no nível da conta.
Nas tabelas de sistema de faturamento, a system.billing.usage registra o uso faturável, incluindo as Databricks Units (DBUs) consumidas, e o join com a system.billing.list_prices converte esse uso em dólares a preço de tabela. Você atribui esse gasto a um time ou projeto com tags, que as políticas de computação impõem na computação clássica e as políticas de uso serverless aplicam na computação serverless.
O Governance Hub inclui as páginas Data, AI (inteligência artificial), Cost e Tags, e a Cost é a que importa aqui. Ela adiciona um explorador de gastos para visualizar custos por produto, workspace, recurso ou tag, além do acompanhamento de gasto com tags e de orçamentos que os administradores de workspace criam e gerenciam para seus workspaces. Suas recomendações de custo são somente leitura, e todos os valores na página Cost aparecem a preço de tabela, então seus descontos negociados não são exibidos.
No Governance Hub, você pode fazer perguntas ao Genie, como por que os custos dispararam, e obter respostas baseadas nos seus dados de governança. O anúncio da Databricks de agosto de 2026 diz que em breve o Genie executará ações como configurar políticas, criar alertas e implementar recomendações. Na data desse anúncio, o Genie explica, mas não age.
A system.billing.usage cobre apenas as cobranças do Databricks, enquanto a computação clássica também gera cobranças do provedor de nuvem pelas máquinas virtuais subjacentes. Se você usa computação clássica, precisa tanto dos dados de faturamento do Databricks quanto dos custos do provedor de nuvem para calcular o custo total de computação. O post da Databricks de fevereiro de 2026 sobre unificar os custos do Databricks e da infraestrutura de nuvem apresenta uma solução open source que faz o join dos dois na AWS e no Azure.
O que o LakeSentry acrescenta na categoria de inteligência de custos exclusiva para Databricks?
O LakeSentry adiciona atribuição por job e por time, detecção de anomalias e ações priorizadas em cima dos dados das suas tabelas de sistema. Ele se conecta por meio de um service principal somente leitura, e sua página no GetApp diz que ele atribui o gasto entre workspaces e ambientes por job e por time.
Para picos de custo, o LakeSentry compara o gasto recente com uma linha de base usando z-scores, com limites mínimos de custo para que workloads pequenas não gerem alertas, como descreve a documentação de detecção de anomalias. Cada alerta mostra suas evidências, como a linha de base e o aumento de custo.
O preço é público e baseado no número de usuários. O plano Free suporta um usuário, o Standard custa US$ 499 por mês para até cinco usuários e o Pro custa US$ 849 por mês para usuários ilimitados, com os planos pagos faturados anualmente. Todos os planos incluem workspaces ilimitados, e o preço não depende do uso de DBUs nem da quantidade de workspaces. A página de preços também lista "Safe optimization" em todos os planos, então pergunte ao fornecedor o que isso inclui e qual modelo de acesso de escrita se aplica antes de conectar.
O LakeSentry também publica um comparativo de ferramentas de custos do Databricks, atualizado pela última vez em 05/08/2026. Ele posiciona o LakeSentry na categoria de inteligência de custos e agrupa o Unravel com plataformas mais amplas de eficiência e FinOps. Este guia coloca o Unravel entre os mecanismos autônomos porque seu motor de IA Arvix pode aplicar alterações, enquanto a própria tabela do LakeSentry descreve o Unravel como usando remediação autônoma.
Como o LakeSentry vende um dos produtos comparados, trate essa categorização como a visão do fornecedor e confira com fontes independentes.
Como Sedai, Altimate, Slingshot e Unravel lidam com a otimização autônoma?
Sedai, Altimate, Slingshot e Unravel permitem delegar ao software as mudanças de otimização do Databricks, mas diferem em quanto controle você mantém — de execução automática a aprovações obrigatórias e configurações por job.
Sedai
A Sedai diz que você conecta suas contas de nuvem e monitoramento em menos de 15 minutos. No modo copilot, você aprova cada mudança com um clique, ou pode deixar as otimizações rodarem automaticamente. O anúncio de lançamento da Sedai, de junho de 2025, coloca o Databricks ao lado de AWS, Azure, GCP e Kubernetes e cita reduções de custos de nuvem de 30% ou mais em toda a plataforma. Sua página de Databricks anuncia de 30% a 50%.
Altimate
Os agentes Auto Tune da Altimate usam aprovações obrigatórias, com controles disponíveis por job, tarefa e warehouse, de acordo com o guia da Altimate. A página de Databricks da Altimate reporta uma redução típica de 20% a 35%, e o Auto Tune reverte automaticamente mudanças que degradam a performance.
Capital One Slingshot
O Slingshot dá controle no nível do job por meio da tecnologia da Sync Computing, cujo time se juntou à Capital One Software em 2025. Segundo o anúncio de Databricks da Capital One, você pode aplicar uma otimização com um clique ou automatizá-la por completo, e a documentação do Slingshot mostra que o projeto de cada job tem sua própria configuração de aplicação automática, de modo que jobs diferentes na mesma implantação podem rodar com níveis diferentes de automação.
Unravel
O Unravel cobre Databricks, Snowflake e BigQuery. Seu motor de IA Arvix pode reescrever código, fazer right-sizing da computação e limpar o armazenamento. Ele testa cada mudança com base no comportamento das workloads antes de aplicá-la e reverte automaticamente se a performance cair.
O que verificar antes de automatizar mudanças
Os fornecedores oferecem níveis diferentes de controle sobre mudanças automatizadas, de aprovações manuais a execução automática. Antes de conectar uma ferramenta, confirme quando uma mudança exige sua aprovação, quando ela pode agir automaticamente e o que acontece se uma mudança causar problemas.
Para qualquer ferramenta que você considerar, incluindo o SELECT, verifique quais permissões ela tem, quais recursos pode alterar, suas capacidades de rollback e a trilha de auditoria que ela fornece. Verifique também como essas mudanças entram no seu processo de implantação, porque configurações alteradas fora da infraestrutura como código podem se desviar da configuração que você definiu. O guia de configuração do SELECT exige CAN_MANAGE em jobs, clusters e warehouses quando o Automated Savings está habilitado.
Onde a Flexera se encaixa no FinOps multi-cloud abrangente?
A Flexera se encaixa quando você quer seus custos do Databricks na mesma visão que o restante dos seus gastos de nuvem e de plataformas de dados — e seu produto para Databricks recomenda mudanças em vez de executá-las. Os mecanismos autônomos acima foram criados para alterar recursos, enquanto a Flexera foca em FinOps em várias plataformas de nuvem e dados e oferece uma visão consolidada dos seus custos.
O Flexera One Data Cloud Optimization é o produto antes conhecido como Chaos Genius, que a Flexera adquiriu em janeiro de 2026. Ele fornece orientações de right-sizing para Databricks e Snowflake dentro de uma suíte de FinOps para orçamento e previsão. As notas de versão da Flexera de junho de 2026 descrevem um dashboard Databricks Analyzer que combina o gasto em DBUs com o custo de computação da infraestrutura de nuvem subjacente, dando a você uma visão unificada do gasto de plataforma e de computação.
O anúncio da aquisição da Flexera diz que o Chaos Genius ajudou empresas da Fortune 500 a reduzir custos em até 30% e descreve o produto como otimização autônoma e baseada em agentes. Sua documentação do Data Cloud Optimization foca em visibilidade, alocação e recomendações de economia, então este guia trata o fluxo documentado para Databricks como guiado por recomendações, a menos que a Flexera documente ações de escrita específicas. A Flexera não publica preços na página do produto.
Onde o SELECT se encaixa e quais são seus limites?
O SELECT se encaixa quando você quer mudanças contínuas, controladas por toggle, no número de workers e no autoscaling do Databricks. Ele não reporta sua fatura de infraestrutura de nuvem nem reescreve seu código. As perguntas-chave são o que ele consegue ver, o que pode alterar e onde estão seus limites.
O SELECT detalha o gasto do Databricks por workspace, tipo de workload, job, cluster, usuário e query, segundo seu changelog de lançamento do Databricks. Depois de configurado, o Automated Savings ajusta o número de workers e o autoscaling para All-Purpose Compute e SQL Warehouses sem necessidade de ajustes no dia a dia. Este guia coloca o SELECT na categoria autônoma porque esse acesso de escrita é contínuo e controlado por toggle. O SELECT reporta economias de até 30% em workloads elegíveis.
O SELECT reporta o gasto da plataforma Databricks usando as tabelas de sistema de faturamento e de preço de tabela do Databricks, então você contabiliza os custos de infraestrutura de nuvem separadamente. O guia do SELECT sobre otimização de custos do Databricks traz uma regra prática para estimar esses custos junto com sua fatura de DBUs.
Trate o Governance Hub como sua linha de base. A página Cost mostra valores a preço de tabela, enquanto as tarifas personalizadas do SELECT permitem incluir descontos negociados nos seus números. O SELECT também atribui o gasto até o nível de usuário e query, e o Automated Savings age onde as recomendações somente leitura do Governance Hub param.
Conheça os limites antes de comprar. O SELECT não reescreve código, e o material de lançamento do Unravel de maio de 2026 diz que o Arvix AI reescreve. Os preços começam em US$ 1.499 por mês, e a cotação final depende do seu ambiente, então o Governance Hub pode ser suficiente para um ambiente menor.
Qual categoria combina com o seu time?
Escolha com base em quanta autoridade você está disposto a dar a uma ferramenta para modificar seus recursos do Databricks. Se você precisa principalmente de mais visibilidade, comece pelos controles nativos e pelo Governance Hub, que deixam as mudanças nas suas mãos. O Governance Hub está em Beta desde outubro de 2026. Se você também precisa de atribuição e detecção de anomalias mantendo as mudanças dentro de casa, adicione uma plataforma de inteligência de custos como o LakeSentry.
Se você quer que as mudanças sejam aplicadas para você, escolha um mecanismo autônomo. O controle varia por ferramenta, de aprovações obrigatórias a execução automática e rollback, então decida quanto de automação cada workload deve receber. Se você roda o Databricks junto com outras plataformas, escolha uma plataforma de FinOps abrangente como a Flexera, que coloca o Databricks ao lado do restante dos seus gastos de nuvem e de plataformas de dados.
Antes de pagar por mais uma ferramenta, verifique o que o Governance Hub já oferece e o que a ferramenta adicional acrescenta. O post do SELECT sobre o que fazer além dos ganhos fáceis cobre a próxima camada depois que o básico está no lugar. Se você quiser avaliar o SELECT no seu ambiente, pode conectar um workspace, o que, segundo o SELECT, leva cerca de 20 minutos, ou agendar uma demonstração.