aws-cost-optimize

AWS コスト最適化

このワークフローでは、Infrastructure-as-Code（IaC）ファイルと AWS リソースを分析し、コスト最適化の推奨事項を生成します。最適化の機会ごとに個別の GitHub issue を作成し、実施の調整用に EPIC issue を 1 件作成することで、コスト削減施策を効率的に追跡して実行できるようにします。

前提条件

• AWS CLI が設定済みで、認証されている（aws sts get-caller-identity が成功する）
• GitHub MCP サーバーが設定済みで、認証されている
• 対象の GitHub リポジトリが特定されている
• AWS リソースがデプロイされている（IaC ファイルは任意ですが、あると便利です）

ワークフローの手順

ステップ 1：AWS コスト最適化のベストプラクティスを取得する

アクション：分析の前にコスト最適化のベストプラクティスを取得します
ツール：AWS ドキュメントの取得に fetch を使用します
プロセス：

1. ベストプラクティスを読み込む：
   • https://docs.aws.amazon.com/cost-management/latest/userguide/cost-optimization-best-practices.html を取得します
   • AWS Well-Architected のコスト最適化の柱の概要を取得します
   • 以降の分析と推奨事項の作成には、これらのプラクティスを活用します

ステップ 2：AWS インフラストラクチャを検出する

アクション：AWS リソースと設定を動的に検出して分析します
ツール：AWS CLI とローカルファイルシステムへのアクセス
プロセス：

1. アカウントとリージョンの検出：

   • aws sts get-caller-identity を実行してアカウントを確認します
   • aws configure get region を実行してデフォルトのリージョンを特定します

2. リソースの検出（リージョンごと）：

   • EC2 インスタンス：aws ec2 describe-instances --query 'Reservations[].Instances[].[InstanceId,InstanceType,State.Name,Tags]'
   • RDS インスタンス：aws rds describe-db-instances --query 'DBInstances[].[DBInstanceIdentifier,DBInstanceClass,Engine,MultiAZ]'
   • Lambda 関数：aws lambda list-functions --query 'Functions[].[FunctionName,Runtime,MemorySize,Architectures]'
   • ECS クラスター／サービス：aws ecs list-clusters を実行してから aws ecs describe-services を実行します
   • S3 バケット：aws s3api list-buckets --query 'Buckets[].Name'
   • ElastiCache クラスター：aws elasticache describe-cache-clusters
   • NAT ゲートウェイ：aws ec2 describe-nat-gateways
   • ロードバランサー：aws elbv2 describe-load-balancers

3. IaC の検出：

   • IaC ファイルを検索します：**/*.tf、**/*.yaml（CloudFormation／SAM）、**/*.json（CloudFormation）、**/cdk.json、lib/**/*.ts（CDK）
   • リソース定義を解析し、意図された設定を把握します
   • アプリケーションコードのファイルは使用せず、信頼できる情報源として IaC ファイルのみを使用してください
   • IaC ファイルが見つからない場合：停止してユーザーに報告します

ステップ 3：使用状況のメトリクスを収集し、現在のコストを検証する

アクション：使用率データを収集し、実際のリソースコストを確認します
ツール：AWS CLI（CloudWatch、Cost Explorer）
プロセス：

1. CloudWatch メトリクス（過去 7 日間）：

   # EC2 CPU utilization
   aws cloudwatch get-metric-statistics \
     --namespace AWS/EC2 --metric-name CPUUtilization \
     --dimensions Name=InstanceId,Value=<id> \
     --start-time $(date -u -d '7 days ago' +%Y-%m-%dT%H:%M:%SZ) \
     --end-time $(date -u +%Y-%m-%dT%H:%M:%SZ) \
     --period 3600 --statistics Average
   
   # Lambda duration
   aws cloudwatch get-metric-statistics \
     --namespace AWS/Lambda --metric-name Duration \
     --dimensions Name=FunctionName,Value=<name> \
     --start-time $(date -u -d '7 days ago' +%Y-%m-%dT%H:%M:%SZ) \
     --end-time $(date -u +%Y-%m-%dT%H:%M:%SZ) \
     --period 86400 --statistics Average,Maximum
   

2. AWS Cost Explorer：

   aws ce get-cost-and-usage \
     --time-period Start=$(date -u -d '30 days ago' +%Y-%m-%d),End=$(date -u +%Y-%m-%d) \
     --granularity MONTHLY --metrics BlendedCost \
     --group-by Type=DIMENSION,Key=SERVICE
   

3. ベースラインのメトリクスを算出する：CPU／メモリの平均、Lambda の呼び出し頻度、データ転送のパターン、および現実的な現在の月間合計額を算出します。

ステップ 4：コスト最適化の推奨事項を生成する

アクション：リソースを分析して最適化の機会を特定します プロセス：

1. 最適化パターンを適用する：

   コンピューティング：

   • EC2：CPU／メモリに基づいて適正サイズに調整します（平均使用率が20%未満の場合はダウンサイジング）。オンデマンドをSavings Plansに変更し、Graviton／ARMに移行します（最大40%のコスト削減）。
   • Lambda：アイドル状態の関数のメモリを削減し、arm64に切り替えます（20%のコスト削減）。
   • ECS／EKS：開発／バッチのワークロードにFargate Spotを使用します。

   データベース：

   • RDS：インスタンスクラスを適正サイズに調整し、開発環境ではシングルAZに変更し、負荷が変動する場合はAurora Serverless v2を使用します。
   • DynamoDB：トラフィックが予測できない場合は、プロビジョンドからオンデマンドに切り替えます。
   • ElastiCache：メモリ使用率に基づいてノードタイプを適正サイズに調整します。

   ストレージ：

   • S3：ライフサイクルポリシーを設定します（Standardから30日後にStandard-IA、90日後にGlacier）。Intelligent-Tieringを有効にします。
   • EBS：未アタッチのボリュームを削除し、gp2からgp3に変更します（パフォーマンスは同等で、コストを20%削減）。

   ネットワーク：

   • 非本番環境ではNAT Gatewayを統合します。
   • NAT Gatewayの料金を回避するため、S3／DynamoDBにはVPCエンドポイントを使用します。

2. 優先度スコアを計算する：

   Priority Score = (Value Score × Monthly Savings) / (Risk Score × Implementation Days)
   High: Score > 20 | Medium: Score 5-20 | Low: Score < 5
   

ステップ 5：ユーザーの確認

アクション：概要を提示し、GitHubの課題を作成する前に承認を得ます。

🎯 AWS Cost Optimization Summary

📊 Analysis Results:
• Total Resources Analyzed: X
• Current Monthly Cost: $X
• Potential Monthly Savings: $Y
• Optimization Opportunities: Z
• High Priority Items: N

🏆 Recommendations:
1. [Resource]: [Current] → [Target] = $X/month savings - [Risk] | [Effort]
...

💡 This will create Y individual GitHub issues + 1 EPIC issue.

❓ Proceed with creating GitHub issues? (y/n)

続行する前に、ユーザーの確認を待ちます。

ステップ 6：最適化ごとの課題を作成する

アクション：最適化ごとに個別のGitHub課題を作成します。「cost-optimization」（緑）と「aws」（オレンジ）のラベルを付けます。

タイトル：[COST-OPT] [Resource Type] - [Brief Description] - $X/month savings

本文：

## 💰 Cost Optimization: [Brief Title]

**Monthly Savings**: $X | **Risk Level**: [Low/Medium/High] | **Effort**: X days

### 📋 Description
[Clear explanation of the optimization and why it's needed]

### 🔧 Implementation

**IaC Files Detected**: [Yes/No]

```bash
# IaC modification (preferred) or AWS CLI fallback
```

### 📊 Evidence
- Current Configuration: [details]
- Usage Pattern: [evidence from CloudWatch]
- Cost Impact: $X/month → $Y/month

### ✅ Validation Steps
- [ ] Test in non-production environment
- [ ] Verify no performance degradation via CloudWatch
- [ ] Confirm cost reduction in AWS Cost Explorer

### ⚠️ Risks & Considerations
- [Risk and mitigation]

**Priority Score**: X | **Value**: X/10 | **Risk**: X/10

ステップ 7：EPIC調整課題を作成する

アクション：マスター追跡課題を作成します。「cost-optimization」（緑）、「aws」（オレンジ）、「epic」（紫）のラベルを付けます。

タイトル：[EPIC] AWS Cost Optimization Initiative - $X/month potential savings

本文：アカウント／リージョンの詳細を含むエグゼクティブサマリー、現在のリソースを示すMermaidアーキテクチャ図、個別の課題すべてにリンクした優先度順のチェックリスト（高 → 中 → 低）、進捗状況、および成功基準（推定削減額の80%超を実現し、パフォーマンスが低下しないこと）。

エラー処理

• AWS認証の失敗：aws configureの実行方法を案内します。
• リソースが見つからない：AWSリソースのデプロイに関する情報提供用の課題を作成します。
• 権限不足：必要な読み取り専用IAM権限を一覧表示します。
• GitHubでの作成失敗：書式を整えた推奨事項をコンソールに出力します。
• Cost Explorerが有効になっていない：AWS Consoleでの有効化方法を案内します。

成功基準

• ✅ すべてのコスト見積もりが実際の構成とAWSの料金に照らして検証されている
• ✅ 最適化ごとに個別のGitHub課題が作成されている
• ✅ EPIC課題で包括的な調整と追跡が行われている
• ✅ すべての推奨事項に具体的なAWS CLIまたはIaCコマンドが含まれている
• ✅ 課題の作成前にユーザーの確認を得ている