aws-cost-optimization

AWS 成本优化与 FinOps

用于 AWS 成本优化和财务运营管理的系统化工作流。

成本优化工作流

1. 发现 — 使用 aws ec2 和 aws ce CLI 命令查找浪费，识别未使用的资源和成本异常
2. 分析 — 使用 aws compute-optimizer、aws cloudwatch 和 aws ce，寻找调整实例规格、升级代际、Spot 和 RI 建议等优化机会
3. 确定优先级 — 优先处理速赢事项（风险低、节省高），然后是容易实现的改进，最后是战略性改进
4. 实施 — 删除未使用的资源、调整实例规格、购买承诺、迁移到新代际
5. 监控 — 每月审查成本、检查标签合规性、跟踪预算偏差

---

核心工作流

工作流 1：每月成本优化审查

频率：每月运行一次（每月第一周）

步骤 1：查找未使用的资源

# Find unattached EBS volumes
aws ec2 describe-volumes --filters Name=status,Values=available \
  --query 'Volumes[].{ID:VolumeId,Size:Size,Created:CreateTime}' --output table

# Find unused Elastic IPs
aws ec2 describe-addresses --filters Name=domain,Values=vpc \
  --query 'Addresses[?AssociationId==null].{IP:PublicIp,AllocationId:AllocationId}' --output table

# Find idle EC2 instances (low CPU over 14 days)
aws cloudwatch get-metric-statistics --namespace AWS/EC2 \
  --metric-name CPUUtilization --period 86400 --statistics Average \
  --start-time $(date -u -v-14d +%Y-%m-%dT%H:%M:%S) --end-time $(date -u +%Y-%m-%dT%H:%M:%S) \
  --dimensions Name=InstanceId,Value=INSTANCE_ID

# Find old snapshots (>90 days)
aws ec2 describe-snapshots --owner-ids self \
  --query 'Snapshots[?StartTime<=`2025-01-01`].{ID:SnapshotId,Size:VolumeSize,Date:StartTime}' --output table

# Find unused load balancers (no healthy targets)
aws elbv2 describe-target-health --target-group-arn TARGET_GROUP_ARN

步骤 2：分析成本异常

# Get daily costs for the past 30 days
aws ce get-cost-and-usage \
  --time-period Start=$(date -u -v-30d +%Y-%m-%d),End=$(date -u +%Y-%m-%d) \
  --granularity DAILY --metrics BlendedCost \
  --group-by Type=DIMENSION,Key=SERVICE

# Get cost forecast for the next 30 days
aws ce get-cost-forecast \
  --time-period Start=$(date -u +%Y-%m-%d),End=$(date -u -v+30d +%Y-%m-%d) \
  --granularity MONTHLY --metric BLENDED_COST

# Compare month-over-month costs
aws ce get-cost-and-usage \
  --time-period Start=$(date -u -v-60d +%Y-%m-01),End=$(date -u +%Y-%m-%d) \
  --granularity MONTHLY --metrics BlendedCost

步骤 3：识别调整实例规格的机会

# Get Compute Optimizer rightsizing recommendations
aws compute-optimizer get-ec2-instance-recommendations \
  --query 'instanceRecommendations[].{Instance:instanceArn,Finding:finding,Current:currentInstanceType,Recommended:recommendationOptions[0].instanceType}'

# Check CPU utilization for a specific instance (past 30 days)
aws cloudwatch get-metric-statistics --namespace AWS/EC2 \
  --metric-name CPUUtilization --period 3600 --statistics Average Maximum \
  --start-time $(date -u -v-30d +%Y-%m-%dT%H:%M:%S) --end-time $(date -u +%Y-%m-%dT%H:%M:%S) \
  --dimensions Name=InstanceId,Value=INSTANCE_ID

# Get RDS rightsizing recommendations
aws compute-optimizer get-ecs-service-recommendations 2>/dev/null || \
  echo "Check RDS CPU/memory in CloudWatch manually"

步骤 4：生成月度报告

# Use the template to compile findings
cp assets/templates/monthly_cost_report.md reports/$(date +%Y-%m)-cost-report.md

# Fill in:
# - Findings from AWS CLI analysis
# - Action items
# - Team cost breakdowns
# - Optimization wins

步骤 5：团队审查会议

• 向工程团队展示发现
• 分配优化任务
• 跟踪待办事项直至完成

---

工作流 2：承诺购买分析（RI／Savings Plans）

时间：每季度一次，或在使用模式趋于稳定时

步骤 1：分析当前使用情况

# Get EC2 RI purchase recommendations
aws ce get-reservation-purchase-recommendation --service "Amazon Elastic Compute Cloud - Compute" \
  --lookback-period-in-days SIXTY_DAYS --term-in-years ONE_YEAR --payment-option NO_UPFRONT

# Get RDS RI purchase recommendations
aws ce get-reservation-purchase-recommendation --service "Amazon Relational Database Service" \
  --lookback-period-in-days SIXTY_DAYS --term-in-years ONE_YEAR --payment-option NO_UPFRONT

# Get Savings Plans recommendations
aws ce get-savings-plans-purchase-recommendation \
  --savings-plans-type COMPUTE_SP --lookback-period-in-days SIXTY_DAYS \
  --term-in-years ONE_YEAR --payment-option NO_UPFRONT

步骤 2：审查建议

评估每项建议：

✅ Good candidate if:
  - Running 24/7 for 60+ days
  - Workload is stable and predictable
  - No plans to change architecture
  - Savings > 30%

❌ Poor candidate if:
  - Workload is variable or experimental
  - Architecture changes planned
  - Instance type may change
  - Dev/test environment

步骤 3：选择承诺类型

预留实例：

• 标准 RI：折扣最高（63%），不具备灵活性
• 可转换 RI：折扣适中（54%），可更改实例类型
• 最适用于：特定实例类型、稳定的工作负载

Savings Plans：

• Compute SP：可灵活用于不同实例类型和区域（节省 66%）
• EC2 Instance SP：可灵活用于同一系列中的不同规格（节省 72%）
• 最适用于：在约束条件内变化的工作负载

决策矩阵：

Known instance type, won't change → Standard RI
May need to change types → Convertible RI or Compute SP
Variable workloads → Compute Savings Plan
Maximum flexibility → Compute Savings Plan

步骤 4：购买并跟踪

• 通过 AWS Console 或 CLI 购买
• 使用购买日期和负责人为承诺添加标签
• 每月监控使用率
• 目标使用率 >90%

参考：详细的承诺策略请参见 references/best_practices.md

---

工作流 3：实例代际迁移

时间：架构审查或优化冲刺期间

步骤 1：检测旧实例

# Find old-generation instances (t2, m4, c4, r4, etc.)
aws ec2 describe-instances --filters Name=instance-state-name,Values=running \
  --query 'Reservations[].Instances[?starts_with(InstanceType, `t2.`) || starts_with(InstanceType, `m4.`) || starts_with(InstanceType, `c4.`) || starts_with(InstanceType, `r4.`)].{ID:InstanceId,Type:InstanceType,Name:Tags[?Key==`Name`]|[0].Value}' \
  --output table

# Find all running instance types to review generations
aws ec2 describe-instances --filters Name=instance-state-name,Values=running \
  --query 'Reservations[].Instances[].{ID:InstanceId,Type:InstanceType,Name:Tags[?Key==`Name`]|[0].Value}' \
  --output table
# Look for: t2→t3, m4→m6i, c4→c6i, r4→r6i, Intel→Graviton (20% savings)

步骤 2：确定迁移优先级

速赢事项（风险低）：

t2 → t3: Drop-in replacement, 10% savings
m4 → m5: Better performance, 5% savings
gp2 → gp3: No downtime, 20% savings

中等工作量（需要测试）：

x86 → Graviton (ARM64): 20% savings
- Requires ARM64 compatibility testing
- Most modern frameworks support ARM64
- Test in staging first

步骤 3：执行迁移

EC2 迁移（x86 到 x86）：

1. 停止实例
2. 更改实例类型
3. 启动实例
4. 验证应用程序

Graviton 迁移：

1. 创建 ARM64 AMI 或 Docker 镜像
2. 启动新的 Graviton 实例
3. 彻底测试
4. 切换流量
5. 终止旧实例

步骤 4：验证节省效果

• 在 Cost Explorer 中监控新成本
• 确认性能可接受
• 记录迁移情况，供其他团队参考

参考：请参见 references/best_practices.md → 计算优化

---

工作流 4：评估 Spot 实例

适用场景：用于容错型工作负载或 Auto Scaling 组

步骤 1：识别候选项

# Check current Spot pricing vs On-Demand for target instance types
aws ec2 describe-spot-price-history --instance-types m5.large m5.xlarge m6i.large \
  --product-descriptions "Linux/UNIX" --start-time $(date -u +%Y-%m-%dT%H:%M:%S) \
  --query 'SpotPriceHistory[].{Type:InstanceType,AZ:AvailabilityZone,Price:SpotPrice}' --output table

# List Auto Scaling Groups (good Spot candidates)
aws autoscaling describe-auto-scaling-groups \
  --query 'AutoScalingGroups[].{Name:AutoScalingGroupName,Min:MinSize,Max:MaxSize,Desired:DesiredCapacity}' --output table

# Check which ASGs already use mixed instances (Spot)
aws autoscaling describe-auto-scaling-groups \
  --query 'AutoScalingGroups[?MixedInstancesPolicy!=null].AutoScalingGroupName'

Spot 候选项：Auto Scaling 组中的实例、开发/测试/预发布环境、批处理、CI/CD 服务器。

步骤 2：评估适用性

非常适合 Spot：

• 无状态应用程序
• 批处理作业
• CI/CD 流水线
• 数据处理
• Auto Scaling 组

不适合 Spot：

• 数据库（没有副本时）
• 有状态应用程序
• 实时服务
• 任务关键型工作负载

步骤 3：实施策略

选项 1：Fargate Spot -- 设置 capacityProviderStrategy，其中 FARGATE_SPOT 权重为 70，FARGATE 权重为 30。

选项 2：使用 Spot 的 EC2 Auto Scaling -- 使用 MixedInstancesPolicy，并设置 OnDemandBaseCapacity: 2、OnDemandPercentageAboveBaseCapacity: 30、SpotAllocationStrategy: capacity-optimized，以及多个实例类型覆盖项（m5.large、m5a.large、m5n.large）。

选项 3：EC2 Spot Fleet -- aws ec2 request-spot-fleet --spot-fleet-request-config file://spot-fleet.json

步骤 4：实现中断处理 -- 轮询 /latest/meta-data/spot/instance-action 处的实例元数据，以获取 2 分钟终止通知。收到通知后：正常关闭、保存状态、排空连接并退出。

参考：参阅 references/best_practices.md → 计算优化 → Spot 实例

---

快速参考

直接使用 AWS CLI 命令 -- Claude Code 可以运行 aws ce、aws ec2、aws cloudwatch 和 aws compute-optimizer 命令来执行成本分析。

月度审查命令：

• aws ec2 describe-volumes --filters Name=status,Values=available（未使用的卷）
• aws ce get-cost-and-usage --granularity DAILY --metrics BlendedCost（成本趋势）
• aws compute-optimizer get-ec2-instance-recommendations（调整实例规格）

季度优化命令：

• aws ce get-reservation-purchase-recommendation --service EC2（RI 分析）
• 使用实例类型筛选条件运行 aws ec2 describe-instances（旧代实例）
• aws ec2 describe-spot-price-history（Spot 定价）

根据需要，为任何 AWS CLI 命令添加 --region REGION 和 --profile PROFILE。

---

特定服务优化

计算优化

关键操作：

• 迁移到 Graviton（节省 20%）
• 在容错型工作负载中使用 Spot（节省 70%）
• 为稳定的工作负载购买 RI（节省 40-65%）
• 为规格过高的实例调整规格

参考：references/best_practices.md → 计算优化

存储优化

关键操作：

• 将 gp2 转换为 gp3（节省 20%）
• 实施 S3 生命周期策略（节省 50-95%）
• 删除旧快照
• 使用 S3 Intelligent-Tiering

参考：references/best_practices.md → 存储优化

网络优化

关键操作：

• 用 VPC 端点替换 NAT 网关（每个每月节省 $25-30）
• 使用 CloudFront 降低数据传输成本
• 尽可能将资源放在同一可用区

参考：references/best_practices.md → 网络优化

数据库优化

关键操作：

• 为 RDS 实例调整规格
• 使用 gp3 存储（比 gp2 便宜 20%）
• 对工作负载变化较大的场景评估 Aurora Serverless
• 购买 RDS 预留实例

参考：references/best_practices.md → 数据库优化

---

服务替代方案决策指南

需要帮助选择服务？

问题：“我应该使用 EC2、Lambda 还是 Fargate？” 答案：参阅 references/service_alternatives.md → 计算替代方案

问题：“我应该使用哪种 S3 存储类别？” 答案：参阅 references/service_alternatives.md → 存储替代方案

问题：“我应该使用 RDS 还是 Aurora？” 答案：参阅 references/service_alternatives.md → 数据库替代方案

问题：“NAT 网关、VPC 端点还是 NAT 实例？” 答案：参阅 references/service_alternatives.md → 网络替代方案

---

FinOps 治理与流程

分三个阶段逐步推行：（1）基础建设——启用 Cost Explorer，设置 Budgets，制定标签策略。（2）可见性——强制执行标签，运行 AWS CLI 成本分析命令，设置月度评审。（3）文化建设——将成本指标纳入工程 KPI、架构评审和优化冲刺。

完整指南：references/finops_governance.md

月度评审流程

第 1 周：数据收集

• 运行 AWS CLI 成本分析命令（参见工作流 1）
• 导出 Cost & Usage Reports
• 汇总调查结果

第 2 周：分析

• 识别趋势
• 寻找机会
• 确定行动优先级

第 3 周：团队评审

• 向工程团队汇报
• 讨论优化方案
• 分配行动事项

第 4 周：高管汇报

• 创建高管摘要
• 预测下一季度情况
• 汇报优化成果

模板：参见 assets/templates/monthly_cost_report.md

详细流程：参见 references/finops_governance.md → 月度评审流程

---

成本优化清单

快速见效项（优先处理）

• 删除未挂载的 EBS 卷
• 删除旧的 EBS 快照（超过 90 天）
• 释放未使用的 Elastic IP
• 将 gp2 卷转换为 gp3
• 停止／终止闲置的 EC2 实例
• 启用 S3 Intelligent-Tiering
• 设置 AWS Budgets 和提醒

中等工作量（本季度完成）

• 调整过度配置的实例规格
• 迁移到更新一代的实例
• 为稳定的工作负载购买 Reserved Instances
• 实施 S3 生命周期策略
• 在适用情况下，用 VPC Endpoints 替换 NAT Gateways
• 启用自动资源调度（开发／测试环境）
• 实施标签策略并强制执行

战略举措（持续进行）

• 迁移到 Graviton 实例
• 为可容错的工作负载使用 Spot
• 建立月度成本评审流程
• 设置按团队进行成本分摊
• 实施分摊计费／成本回报模式
• 建立 FinOps 文化与实践

---

成本问题故障排查

“我的账单突然增加了”

1. 按服务查看每日成本明细：

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

2. 在 AWS Console 中查看 Cost Explorer，了解可视化明细

3. 查看 CloudTrail 中的资源创建事件

4. 检查是否发生 AutoScaling 事件

5. 确认 Reserved Instances 均未到期

“我需要降低 X% 的成本”

按优化工作流执行：

1. 运行上方工作流 1 中的发现命令（未使用资源、成本异常、规格调整）
2. 计算潜在节省总额
3. 按以下方式确定优先级：节省金额 ×（1 / 工作量）
4. 优先处理快速见效项
5. 实施战略性变更，以实现长期优化

“如何判断 Reserved Instances 是否合适？”

运行 RI 分析：

aws ce get-reservation-purchase-recommendation \
  --service "Amazon Elastic Compute Cloud - Compute" \
  --lookback-period-in-days SIXTY_DAYS --term-in-years ONE_YEAR --payment-option NO_UPFRONT

关注以下情况：

• 实例持续运行 60 天以上
• 不会发生变化的工作负载
• 节省超过 30%

“哪些资源可以安全删除？”

查找未使用的资源：

aws ec2 describe-volumes --filters Name=status,Values=available --output table
aws ec2 describe-addresses --query 'Addresses[?AssociationId==null]' --output table
aws ec2 describe-snapshots --owner-ids self \
  --query 'Snapshots[?StartTime<=`2025-01-01`]' --output table

通常可以安全删除：

• 未挂载的 EBS 卷（核实后）
• 超过 90 天的快照（前提是在其他位置存在备份）
• 未使用的 Elastic IP（核实其未用于 DNS 后）
• 停止超过 30 天的 EC2 实例（确认已废弃后）

删除前务必向资源所有者确认！

---

更多资源

参考资料：references/best_practices.md | references/service_alternatives.md | references/finops_governance.md

模板：assets/templates/monthly_cost_report.md

CLI 工具：直接使用 AWS CLI 命令——Claude Code 可运行 aws ce、aws ec2、aws cloudwatch 和 aws compute-optimizer 命令执行成本分析。无需其他依赖。