AWS账单太高？这些省钱方法帮我们省了40%

说个真事：我们AWS账单从5万降到3万

去年我们公司AWS账单每月5万美元，老板看着肉疼，让我想办法优化。

我花了3个月时间，做了这些事：

买了Savings Plans（省了30%）
把闲置资源全清理了（省了5%）
优化了存储策略（省了10%）

结果：每月账单降到3万美元，一年省了24万刀。

这篇文章把我的经验全分享出来。

AWS的几种付费方式，哪个最省钱？

先搞清楚AWS有哪些付费方式，才知道怎么省钱。

方式	适合什么情况	能省多少	灵活度	风险
按需	临时用用，不确定要用多久	0%（原价）	超高	无
Savings Plans	长期用，但配置可能变	省30-72%	高	低
预留实例RI	配置固定，长期用	省37-75%	中	中
Spot实例	能接受随时被中断	省50-90%	中	高
专用主机	有特殊合规要求	看情况	低	无

我的建议：

刚开始用AWS → 先用按需，摸清楚用量
用了3个月以上 → 买Savings Plans，最划算
特别稳定的服务 → 买预留实例
跑批处理任务 → 用Spot实例

你现在处于哪个阶段？

阶段1 - 刚开始用

特征：只看月度账单，不知道钱花哪了
能省：30-40%
下一步：搞清楚钱都花在哪些服务上

阶段2 - 开始管

特征：设了预算提醒
能省：20-30%
下一步：给资源打标签，分类管理

阶段3 - 在优化

特征：用了RI或SP，定期看报表
能省：15-20%
下一步：自动化清理闲置资源

阶段4 - 很专业

特征：有专人负责成本优化，用数据预测
能省：10-15%
下一步：架构层面优化

最重要的：优化EC2实例

EC2是大头，优化好了能省一大笔。

怎么选实例类型？

别乱选，根据实际需求来：

跑代码比较多 → 用C系列（C5, C6g），CPU强
需要大内存 → 用R系列（R6i），内存大
存数据多 → 用I系列（I3），硬盘快
跑AI模型 → 用P/G系列（P4, G5），有GPU
普通应用 → 用M或T系列（M6i, T4g），够用就行

**我踩过的坑：**刚开始图省事，全用m5.xlarge，结果发现很多服务根本用不到那么大，换成t3.medium后省了一半钱。

实例配置太大了？看这些指标

看什么	怎么算浪费	怎么办	能省多少
CPU使用率	连续7天低于20%	换小一号的实例	省20-30%
内存使用率	连续7天低于30%	换内存小的	省15-25%
网络流量	峰值都用不到10%	不需要增强网络	省10-15%
硬盘性能	IOPS一直很低	换便宜的硬盘类型	省30-40%

**实操建议：**装个CloudWatch，看一周的监控数据，CPU和内存都很低的话，果断换小实例。

Savings Plans：最划算的省钱方式

Savings Plans（SP）是我最推荐的，灵活又便宜。

**简单说：**你承诺每小时花多少钱（比如$10/小时），AWS给你打折，最多能省72%。

买多少合适？

根据月度账单来：

月账单	买什么SP	买多久	怎么付	覆盖多少
$5000以下	Compute SP	1年	一次付清最便宜	40-50%
$5000-2万	Compute SP	1年	分期付	50-60%
$2万-10万	1年+3年搭配	混合	分期付	60-70%
$10万以上	EC2 Instance SP	3年	一次付清	70-80%

我的经验：

别一次买太多，先买50%的量
观察3个月，看实际用量
再补充购买

我们公司第一次买SP时太激进，买了80%的覆盖率，结果业务调整，有些浪费了。

预留实例高级策略

RI vs SP决策框架

选择Reserved Instances的场景：

固定实例类型和区域的长期需求
需要容量预留保证
RDS、ElastiCache等托管服务

选择Savings Plans的场景：

实例类型可能变化
跨区域部署需求
容器化工作负载（Fargate）

第三章：存储成本优化

S3智能分层策略

存储类别选择指南

访问频率	推荐存储类	相对成本	检索费用	最小存储期
每日访问	Standard	100%	无	无
每月1-2次	Standard-IA	45%	$0.01/GB	30天
每季度访问	Glacier Instant	32%	$0.03/GB	90天
每年访问	Glacier Flexible	10%	$0.01-0.03/GB	90天
长期归档	Deep Archive	5%	$0.02/GB	180天

S3生命周期自动化配置

{
  "Rules": [
    {
      "Id": "AutoTiering",
      "Status": "Enabled",
      "Transitions": [
        {
          "Days": 30,
          "StorageClass": "STANDARD_IA"
        },
        {
          "Days": 90,
          "StorageClass": "GLACIER_IR"
        },
        {
          "Days": 365,
          "StorageClass": "DEEP_ARCHIVE"
        }
      ],
      "NoncurrentVersionTransitions": [
        {
          "NoncurrentDays": 7,
          "StorageClass": "GLACIER_IR"
        }
      ]
    }
  ]
}

EBS优化最佳实践

卷类型选择决策

使用场景	推荐类型	IOPS	吞吐量	成本对比
系统盘	gp3	3000-16000	125-1000 MB/s	基准
数据库	io2	64000	1000 MB/s	10x
大数据分析	st1	500	500 MB/s	0.45x
冷数据备份	sc1	250	250 MB/s	0.25x

第四章：网络和数据传输优化

数据传输成本控制

传输成本优化策略

传输类型	成本	优化方法	预期节省
跨区域传输	$0.02/GB	VPC Peering/Transit Gateway	20-30%
Internet出站	$0.09/GB	CloudFront CDN	40-50%
跨AZ传输	$0.01/GB	同AZ部署/缓存策略	60-70%
NAT Gateway	$0.045/h+流量	NAT实例/VPC Endpoints	30-40%

CDN和边缘优化

CloudFront成本优化技巧：

设置合理的TTL值（静态内容>24小时）
使用Origin Shield减少回源
启用压缩（Gzip/Brotli）
实施智能缓存策略

第五章：数据库成本优化

RDS优化策略

实例优化检查清单

使用Aurora Serverless处理可变负载
启用自动停止开发环境实例
购买RDS预留实例（最高72%折扣）
使用只读副本分散读负载
定期清理未使用的快照

Aurora vs RDS选择指南

考虑因素	Aurora	RDS	建议
数据量	>100GB	<100GB	大数据选Aurora
并发连接	>1000	<1000	高并发选Aurora
可用性要求	99.99%	99.95%	关键业务选Aurora
成本敏感度	中	高	预算有限选RDS

DynamoDB成本控制

按需vs预配置容量决策：

流量可预测：使用预配置+自动扩展
流量不规则：使用按需模式
混合策略：基线预配置+峰值按需

第六章：自动化成本优化

自动化优化工具矩阵

工具类别	AWS原生	第三方	主要功能
成本分析	Cost Explorer	CloudHealth	可视化和预测
资源优化	Trusted Advisor	Spot.io	自动化建议
预算管理	AWS Budgets	Cloudability	告警和控制
标签管理	Tag Editor	Cloud Custodian	合规性检查

Lambda自动化优化脚本示例

import boto3
import datetime

def auto_stop_dev_instances(event, context):
    """自动停止开发环境EC2实例"""
    ec2 = boto3.client('ec2')

    # 查找标记为dev的运行实例
    instances = ec2.describe_instances(
        Filters=[
            {'Name': 'tag:Environment', 'Values': ['dev']},
            {'Name': 'instance-state-name', 'Values': ['running']}
        ]
    )

    instance_ids = []
    for reservation in instances['Reservations']:
        for instance in reservation['Instances']:
            # 检查运行时间
            launch_time = instance['LaunchTime']
            running_hours = (datetime.now() - launch_time).hours

            if running_hours > 8:  # 运行超过8小时
                instance_ids.append(instance['InstanceId'])

    if instance_ids:
        ec2.stop_instances(InstanceIds=instance_ids)
        return f"Stopped {len(instance_ids)} instances"

    return "No instances to stop"

第七章：组织级成本管理

FinOps实践框架

成本责任矩阵

角色	职责	KPI指标
财务团队	预算管理、账单审核	预算准确率
工程团队	资源优化、架构改进	资源利用率
产品团队	功能成本评估	单位成本
FinOps团队	协调优化、工具建设	优化节省额

成本文化建设

建立成本意识的关键步骤：

可见性：每周发送团队成本报告
责任制：设立成本优化OKR
激励机制：节省成本的奖励制度
培训体系：定期AWS成本优化培训
工具支持：提供自助成本分析工具

第八章：案例研究

案例1：SaaS企业年省$500K

背景：

月度AWS支出：$150K
主要服务：EC2(60%)、RDS(20%)、S3(20%)

优化措施：

购买3年期Compute Savings Plan（覆盖70%）
实施S3智能分层（节省35%存储成本）
迁移到Aurora Serverless（节省40%数据库成本）
使用Spot实例处理批处理任务

成果：

月度成本降至$108K
年度节省：$504K（28%）
ROI：实施成本3个月回收

案例2：游戏公司优化实践

挑战：

峰谷流量差异大（10倍）
全球多区域部署
实时性要求高

解决方案：

混合使用按需+Spot+预留实例
实施自动扩缩容（基于玩家数量）
使用CloudFront加速全球访问
数据库读写分离+缓存优化

效果：

成本降低35%
性能提升20%
可用性达到99.99%

第九章：持续优化路线图

季度优化计划模板

Q1：建立基础

Week 1-2：成本基线评估
Week 3-4：标签策略实施
Week 5-8：成本可见性建设
Week 9-12：初步优化实施

Q2：深度优化

预留容量规划和购买
存储分层优化
网络架构优化

Q3：自动化建设

自动化脚本开发
监控告警完善
成本异常检测

Q4：持续改进

架构现代化评估
明年预算规划
优化效果复盘

总结：从哪开始省钱？

各种优化方法能省多少

方法	能省多少	难不难	多久见效
买Savings Plans	20-30%	简单	买了就省
优化实例配置	15-25%	中等	1-2周
存储分层	30-50%	简单	1个月
网络优化	20-30%	复杂	2-3个月
架构改造	40-60%	很复杂	3-6个月

我的建议：分三步走

第一步（这周就做）：

看看AWS账单，找出最贵的10个服务
清理不用的资源（闲置EC2、旧快照等）
设置预算提醒，防止超支

第二步（下个月做）：

买Savings Plans，先买50%的量
优化实例大小，用监控数据说话
存储用分层策略

第三步（长期做）：

每个月看一次账单，持续优化
考虑架构改造（比如用Serverless）
建立省钱文化，让团队都有成本意识

**最重要的：**省钱是持续的事，不是一次性的。每个月花半小时看看账单，一年下来能省不少钱。

提示：AWS的价格和服务一直在变，建议每季度回来看看这个指南，更新你的优化策略。