Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Pokročilé reporty o spotrebe

Lekcia 10 z 14 Aktualizované 29. júla 2026 Vývojár
Na tejto strane
  1. Tvorba reportov o spotrebe
  2. Porovnávací mesačný report
  3. Detekcia anomálií
  4. Rozdelenie podľa modelu
  5. Automatizovaný týždenný report
  6. Granularita a výkon
  7. Kľúčové poznatky

Tvorba reportov o spotrebe

Údaje o spotrebe, na ktoré sa nikto nepozrie, sú zbytočné. Report má zmysel len vtedy, ak odpovedá na konkrétnu otázku, a také sú iba tri: rastie spotreba, stalo sa niečo neobvyklé a kam smerujú peniaze.

Nasledujúce tri sekcie sa zaoberajú týmito otázkami presne v tomto poradí. Každá z nich ti poskytne číslo, na základe ktorého môžeš konať – nie len ďalší graf.

Porovnávací mesačný report

Spotreba dáva zmysel len v porovnaní. Suma 400 $ za mesiac nie je ani dobrá, ani zlá sama o sebe: podstatné je, či nasleduje po mesiaci so spotrebou 200 $, alebo 600 $. Zmeny vždy kontextualizuj podľa toho, čo vieš o aktivite – nárast o 40 % po spustení novej funkcie je očakávaný, rovnaký nárast bez akýchkoľvek noviniek si vyžaduje prejsť na ďalšiu sekciu.

import requests
import json

MANAGEMENT_API = "https://management-api.x.ai"
MGMT_KEY = "xai-mgmt-..."
TEAM_ID = "team-..."

def get_monthly_usage(year, month):
    """Retrieves total consumption for a given month."""
    next_month = month + 1 if month < 12 else 1
    next_year = year if month < 12 else year + 1

    response = requests.post(
        f"{MANAGEMENT_API}/v1/billing/teams/{TEAM_ID}/usage",
        headers={
            "Authorization": f"Bearer {MGMT_KEY}",
            "Content-Type": "application/json"
        },
        json={
            "analyticsRequest": {
                "timeRange": {
                    "startTime": f"{year}-{month:02d}-01 00:00:00",
                    "endTime": f"{next_year}-{next_month:02d}-01 00:00:00",
                    "timezone": "Europe/Paris"
                },
                "timeUnit": "MONTH",
                "values": [
                    {"name": "tokens", "aggregation": "SUM"},
                    {"name": "requests", "aggregation": "COUNT"}
                ],
                "groupBy": ["model"]
            }
        }
    )
    return response.json()

# Compare March and April 2026
march = get_monthly_usage(2026, 3)
april = get_monthly_usage(2026, 4)

print("=== Comparative Report March vs April 2026 ===")
print(json.dumps(march, indent=2))
print(json.dumps(april, indent=2))

Detekcia anomálií

Štandardná odchýlka tu definuje pojem „neobvyklý“ bez potreby nastavovať ľubovoľný prah: deň, ktorý sa od priemeru líši o viac ako dve štandardné odchýlky, vypadáva z bežného vzorca bez ohľadu na tvoj objem. Toto je metóda, ktorá sa automaticky prispôsobuje rastu tvojej aktivity, zatiaľ čo peňažný prah sa už nasledujúci mesiac stane zastaraným.

import requests
import statistics

MANAGEMENT_API = "https://management-api.x.ai"
MGMT_KEY = "xai-mgmt-..."
TEAM_ID = "team-..."

# Retrieve daily consumption for the month
response = requests.post(
    f"{MANAGEMENT_API}/v1/billing/teams/{TEAM_ID}/usage",
    headers={
        "Authorization": f"Bearer {MGMT_KEY}",
        "Content-Type": "application/json"
    },
    json={
        "analyticsRequest": {
            "timeRange": {
                "startTime": "2026-03-01 00:00:00",
                "endTime": "2026-04-01 00:00:00",
                "timezone": "Europe/Paris"
            },
            "timeUnit": "DAY",
            "values": [{"name": "tokens", "aggregation": "SUM"}]
        }
    }
)

data = response.json()
daily_values = [point.get("value", 0) for point in data.get("dataPoints", [])]

if daily_values:
    mean = statistics.mean(daily_values)
    stdev = statistics.stdev(daily_values) if len(daily_values) > 1 else 0
    threshold = mean + 2 * stdev  # Threshold at 2 standard deviations

    for i, val in enumerate(daily_values):
        if val > threshold:
            print(f"Day {i+1}: {val} tokens (anomaly, threshold = {threshold:.0f})")

Rozdelenie podľa modelu

Toto je report, ktorý sa najviac oplatí, pretože ukazuje na konkrétne kroky. Celkové náklady ti nepovedia, čo robiť; rozdelenie podľa modelu áno – odhalí jednoduché úlohy smerované do najdrahšieho modelu, čo sú najľahšie úspory, ktoré môžeš na faktúre za API realizovať.

curl -X POST "https://management-api.x.ai/v1/billing/teams/$TEAM_ID/usage" \
  -H "Authorization: Bearer $MANAGEMENT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "analyticsRequest": {
      "timeRange": {
        "startTime": "2026-03-01 00:00:00",
        "endTime": "2026-04-01 00:00:00",
        "timezone": "UTC"
      },
      "timeUnit": "MONTH",
      "values": [
        {"name": "tokens", "aggregation": "SUM"},
        {"name": "cost", "aggregation": "SUM"}
      ],
      "groupBy": ["model"]
    }
  }'

Táto analýza môže odhaliť príležitosti na optimalizáciu: ak veľká časť tvojich požiadaviek využíva grok-4.20-0309-reasoning na jednoduché úlohy, prechod na grok-4.3 by mohol výrazne znížiť náklady.

Automatizovaný týždenný report

Automatické doručovanie mení povahu celej veci: report, ktorý si musíš sám vyhľadať, si pozrieš až po incidente, zatiaľ čo report, ktorý ti príde, si prečítaš vopred. Týždenná frekvencia je pre spotrebu API tá správna – dostatočne častá na to, aby zachytila odklon pred vyúčtovaním, no dostatočne rozostrená, aby si ju stále otváral.

import requests
from datetime import datetime, timedelta

MANAGEMENT_API = "https://management-api.x.ai"
MGMT_KEY = "xai-mgmt-..."
TEAM_ID = "team-..."

# Previous week
end = datetime.now().replace(hour=0, minute=0, second=0, microsecond=0)
start = end - timedelta(days=7)

response = requests.post(
    f"{MANAGEMENT_API}/v1/billing/teams/{TEAM_ID}/usage",
    headers={
        "Authorization": f"Bearer {MGMT_KEY}",
        "Content-Type": "application/json"
    },
    json={
        "analyticsRequest": {
            "timeRange": {
                "startTime": start.strftime("%Y-%m-%d %H:%M:%S"),
                "endTime": end.strftime("%Y-%m-%d %H:%M:%S"),
                "timezone": "Europe/Paris"
            },
            "timeUnit": "DAY",
            "values": [
                {"name": "tokens", "aggregation": "SUM"},
                {"name": "requests", "aggregation": "COUNT"}
            ],
            "groupBy": ["model"]
        }
    }
)

report = response.json()
print(f"=== Weekly Report {start.date()} → {end.date()} ===")

# Format report for email/Slack
# ... send via your preferred notification tool

Granularita a výkon

Výber správnej granularity

Prípad použitiaOdporúčaná granularita
Mesačný reportMONTH
Denné sledovanieDAY
Analýza špičiekHOUR alebo QUARTER_HOUR
Ladenaie v reálnom časeMINUTE
Detailná analýza incidentovSECOND

Čím jemnejšia granularita, tým väčší objem vrátených dát: pri mesačnom období granularita SECOND vyprodukuje milióny bodov s odpovedajúcim časom odozvy a spotrebou pamäte. Zlaté pravidlo znie: vyber granularitu podľa dĺžky trvania javu, ktorý hľadáš – niekoľkominútová špička je pri granularite MONTH neviditeľná a pri granularite SECOND sa utopí v šume.

Kľúčové poznatky

  • Kombinuj SUM (súčet), COUNT (počet) a groupBy: ["model"] pre kompletné reporty
  • Detekcia anomálií pomocou štandardnej odchýlky identifikuje dni s nadmernou spotrebou
  • Rozdelenie podľa modelu odhaľuje príležitosti na optimalizáciu nákladov
  • Prispôsob časovú granularitu prípadu použitia: MONTH pre reporty, HOUR pre ladenie
  • Automatizuj týždenné reporty, aby si mal spotrebu pod kontrolou