Optimización de recursos con AWS Compute Optimizer - Dimensionamiento correcto de instancias

Analiza las métricas de CloudWatch con ML y genera recomendaciones que optimizan el tamaño de los recursos de EC2 / Lambda / EBS / ECS Fargate. Se explica cómo aprovechar las recomendaciones de migración a Graviton y la mejora de la precisión con las métricas extendidas.

Unos 8 min de lecturaÚltima actualización: 2026-10-31

Descripción general de Compute Optimizer

AWS Compute Optimizer es un servicio que analiza las métricas de CloudWatch con ML y proporciona recomendaciones que optimizan el tamaño de los recursos de instancias EC2, funciones Lambda, volúmenes EBS y tareas ECS Fargate. Detecta los recursos sobreaprovisionados y presenta las oportunidades de reducción de costes en importes monetarios. Las recomendaciones se generan hacia la reducción de los costes manteniendo el rendimiento actual. Trusted Advisor también proporciona recomendaciones de optimización de recursos, pero Compute Optimizer analiza el uso con ML y llega a mostrar candidatos concretos de tipos de instancia. Mientras que las recomendaciones de Cost Explorer se centran en optimizar la compra de instancias reservadas y Savings Plans, Compute Optimizer se enfoca en ajustar el tamaño de los recursos.

Tipos de recomendaciones y migración a Graviton

Las recomendaciones de EC2 presentan una comparación entre el tipo de instancia actual y el tipo recomendado, la reducción de costes estimada y el riesgo de rendimiento. Entre los ejemplos de recomendaciones están el cambio de familia de instancias (m5 → m6i), el cambio de tamaño (xlarge → large) y la migración a Graviton (m5 → m6g). AWS indica que las instancias basadas en Graviton cuestan hasta un 20% menos que instancias EC2 comparables basadas en x86 (a fecha de octubre de 2026). Las recomendaciones de Lambda presentan la optimización del tamaño de memoria, lo que permite reducir la asignación excesiva de memoria. Como Lambda asigna CPU en proporción a la memoria, optimizar la memoria también conduce a acortar el tiempo de ejecución. Las recomendaciones de EBS proponen la migración de gp2 a gp3 y la optimización de IOPS y rendimiento. Como gp3 tiene un rendimiento base más alto que gp2 y permite configurar IOPS y rendimiento de forma independiente, pasar de gp2 puede reducir los costes en algunos casos.

Métricas extendidas y aplicación de recomendaciones

De forma predeterminada, las recomendaciones se generan a partir de las métricas de CloudWatch de los últimos 14 días, pero si se activan las métricas de infraestructura extendidas se pueden obtener recomendaciones más precisas basadas en 93 días de datos. Se generan recomendaciones que tienen en cuenta patrones de uso que no se captan en un periodo corto, como el procesamiento por lotes de fin de mes o los picos del cierre trimestral. Las recomendaciones van acompañadas de una evaluación del riesgo de rendimiento, y una forma de proceder es aplicar primero las recomendaciones de riesgo bajo. Una práctica posible es revisar las recomendaciones periódicamente (por ejemplo, cada mes) y cambiar los tipos de instancia de forma gradual. Con la integración con Organizations, puede gestionar de forma centralizada las recomendaciones de todas las cuentas y hacer visibles las oportunidades de reducción de costes de toda la organización.

Precios de Compute Optimizer

Las funciones básicas de Compute Optimizer se pueden usar de forma gratuita. Las métricas de infraestructura extendidas (análisis de métricas de 93 días) son de pago, a aproximadamente 0.0003360215 USD por recurso y por hora de funcionamiento (a fecha de octubre de 2026). Como el cargo es proporcional al número de recursos y a las horas de funcionamiento, una forma de usarlas es limitar su activación a los recursos que necesitan métricas de un periodo largo. Existe una función para añadir métricas de herramientas APM como Datadog y Dynatrace a los datos de entrada de las recomendaciones.

Cómo leer las recomendaciones y decidir

Compute Optimizer analiza si un recurso está sobreaprovisionado o infraaprovisionado y presenta candidatos de tamaño adecuado. Al revisar las recomendaciones, se comprueba no solo el importe de ahorro estimado que se muestra, sino también los riesgos de rendimiento que conlleva el cambio. Los recursos sobreaprovisionados se pueden reducir para bajar los costes, pero los recursos insuficientes provocan problemas de rendimiento si no se amplían. Como las recomendaciones indican en qué métricas se basan, se juzga su validez comparándolas con las características de su propia carga de trabajo. Es importante no seguirlas de forma mecánica, sino decidir si se adopta una recomendación teniendo en cuenta también la carga en los picos y el crecimiento futuro.

Flujo de trabajo para aplicar las recomendaciones

Al aplicar las recomendaciones, se siguen pasos cuidadosos en lugar de llevarlas a producción de inmediato. Primero, se comprueba en un entorno de pruebas que la carga de trabajo objetivo funciona sin problemas con el tamaño recomendado. Sobre todo cuando se reduce el tamaño, se determina si el rendimiento es suficiente incluso en los picos. Si no hay problemas, se aplican los cambios de forma gradual empezando por los de impacto pequeño y se miden el rendimiento y el coste después del cambio. Se avanza comprobando si se obtiene el efecto esperado y si no se ha degradado el rendimiento. Como cambiar muchos recursos a la vez dificulta aislar el impacto, repetir el ciclo de validación / aplicación gradual / medición conduce a una optimización segura.

Optimización continua en la organización

La optimización de recursos no es algo que se haga una sola vez, sino una tarea en la que se debe trabajar de forma continua. Como las cargas de trabajo cambian con el tiempo, se revisan las recomendaciones periódicamente y se ajusta al tamaño óptimo en cada momento. En las organizaciones que operan varias cuentas, se obtiene una visión de las recomendaciones de forma transversal y se atienden primero las de gran efecto de ahorro. Si no se deja la optimización al criterio de cada responsable y se incorpora a la organización como un proceso de revisión periódica, se puede evitar que se acumulen costes innecesarios. Un mecanismo de optimización continua es la clave para mantener bajos los costes de la nube a largo plazo.

Integración con otras herramientas de costes

Compute Optimizer aumenta su efecto cuando se combina con otros métodos de gestión de costes. Se reparten las funciones de este modo: una herramienta de visualización de costes muestra la tendencia general del gasto, Compute Optimizer determina el tamaño óptimo de cada recurso y los descuentos por compromiso bajan el precio unitario del uso estable. Si primero ajusta los recursos a un tamaño adecuado y después compra descuentos para ese uso estable, puede contener los costes sin desperdicio. Combinar estos elementos y hacer girar la visualización / el ajuste de tamaño / la compra de descuentos como un ciclo continuo es la práctica de una optimización de costes sistemática.

Resumen

AWS Compute Optimizer es un servicio que reduce los costes manteniendo el rendimiento mediante recomendaciones de optimización de recursos basadas en ML. Analiza el tamaño de los recursos de EC2, Lambda, EBS y ECS Fargate y presenta recomendaciones concretas, incluida la migración a Graviton. Si se activan las métricas extendidas, se pueden obtener recomendaciones basadas en 93 días de datos, que sirven de material para un ajuste de tamaño gradual.

Referencias (recursos oficiales de AWS)

Las fuentes primarias de esta página son el sitio web y la documentación oficiales de AWS. Consulta las páginas oficiales siguientes para conocer las especificaciones y los precios más recientes.

Si esta página y la documentación oficial difieren, prevalece la documentación oficial.

El interior del cálculo de tarifas de AWS - Cómo se miden la facturación por segundo, por 100ms y por solicitudExplicamos cómo se miden, agregan y facturan las diversas granularidades de cobro de AWS, como la facturación por segundo de EC2, por 1ms de Lambda y por solicitud de S3, desde el mecanismo del sistema de metering.El 90% de AWS nace de la voz del cliente - Working Backwards y la innovación centrada en el clienteExplicamos cómo el proceso Working Backwards y el principio Customer Obsession moldean el desarrollo de servicios de AWS. Presentamos el mecanismo de innovación que comienza con el documento PR/FAQ y el proceso de incorporación del feedback de los clientes.La cultura de reducción de precios de AWS - El efecto flywheel y las economías de escala que respaldan 100 o más reducciones desde 2006Analizamos la cultura de reducción de precios de AWS, que devuelve a los clientes los beneficios de escala, y las economías de escala, la renovación generacional del hardware y la estrategia competitiva que hay detrás. También presentamos los principales casos de reducciones de precios del pasado y su impacto.Por qué el modelo de precios de AWS es complejo - La economía y la teoría de juegos detrás del pago por usoDesciframos la estructura de precios de tres niveles (bajo demanda, instancias reservadas y Spot Instances) desde la perspectiva de la gestión de rendimiento de la industria aérea y la economía de predicción de demanda, explicando las razones racionales de la complejidad de precios.Gestión de costos con AWS Budgets - Alertas de presupuesto y acciones automatizadasConfigure alertas tanto en valores reales como previstos, y use Budget Actions para aplicar automáticamente políticas IAM o detener instancias. Integre con Slack para aumentar la conciencia de costos en todo el equipo.Gestión de presupuestos de costes en la nube - Control del gasto y alertas con AWS BudgetsSe explican la configuración de presupuestos / las alertas de costes / las acciones automáticas con AWS Budgets. Se presentan la elección entre Budgets y Cost Explorer, la selección del tipo de presupuesto y la gestión de presupuestos de toda la organización mediante la integración con Organizations.Por qué los costos de CloudWatch Logs se vuelven inesperadamente altos - Estructura de costos de ingesta, almacenamiento y análisisExplicamos la estructura de precios donde el costo de ingesta de CloudWatch Logs es más de 20 veces el costo de almacenamiento, la explosión de costos causada por VPC Flow Logs y logs de Lambda, y las estrategias de optimización con la clase Infrequent Access y la exportación a S3.Optimización de recursos de cómputo - Dimensionamiento correcto con AWS Compute OptimizerSe explica el dimensionamiento correcto de recursos con AWS Compute Optimizer. Se presentan las recomendaciones para EC2 / Lambda / EBS / ECS on Fargate / Aurora / RDS, la estimación del efecto de reducción de costes y los pasos de implementación.