AWS Primeros Pasos
IdiomaEspañol
Gestión de operaciones

AWS Compute Optimizer

Servicio que analiza métricas de CloudWatch mediante machine learning y presenta recomendaciones de optimización de tamaño de recursos para EC2, EBS, Lambda y ECS

Unos 4 min de lectura

Descripción general

AWS Compute Optimizer es un servicio que analiza métricas como utilización de CPU, uso de memoria y E/S de red recopiladas de CloudWatch mediante modelos de machine learning, presentando recomendaciones de right-sizing para instancias EC2, volúmenes EBS, funciones Lambda y tareas ECS. No solo detecta recursos sobreaprovisionados para mostrar oportunidades de reducción de costos, sino que también identifica recursos con recursos insuficientes que podrían estar afectando el rendimiento, proporcionando recomendaciones de optimización bidireccionales.

Cómo el modelo ML deriva la solución óptima a partir de métricas históricas

Compute Optimizer analiza de forma predeterminada los últimos 14 días de datos de métricas de CloudWatch para comprender los patrones de uso de los recursos y recomendar el tipo y tamaño de instancia óptimos. Las recomendaciones se clasifican en tres categorías: Over-provisioned (recursos excesivos, oportunidad de reducción de costos), Under-provisioned (recursos insuficientes, riesgo de rendimiento) y Optimized (configuración actual apropiada). Cada recomendación incluye el ahorro estimado de costos y el impacto en rendimiento, permitiendo tomar decisiones informadas. La función Enhanced Infrastructure Metrics extiende el período de análisis a 93 días, lo que permite tener en cuenta cargas de trabajo con patrones estacionales. La integración con Organizations permite analizar todas las cuentas de la organización de forma centralizada, identificando oportunidades de optimización a nivel organizacional.

Puntos frecuentemente pasados por alto en el right-sizing de Lambda y ECS

Para funciones Lambda, Compute Optimizer analiza la duración de ejecución, uso de memoria y número de invocaciones para recomendar la configuración de memoria óptima. En Lambda, la asignación de memoria también determina la CPU asignada proporcionalmente, por lo que aumentar la memoria puede reducir el tiempo de ejecución y potencialmente reducir el costo total. Un punto frecuentemente pasado por alto es que funciones con tiempos de ejecución muy cortos (menos de 100ms) pueden no beneficiarse de más memoria ya que el overhead de inicialización domina. Para tareas ECS, analiza la utilización de CPU y memoria a nivel de tarea para recomendar la combinación óptima de CPU y memoria. En Fargate, donde se paga por los recursos reservados, el right-sizing tiene un impacto directo en los costos. Sin embargo, las recomendaciones se basan en métricas históricas y no consideran picos futuros de tráfico o requisitos de escalado, por lo que se debe mantener un margen apropiado para cargas de trabajo con alta variabilidad.

Recomendaciones de Savings Plans y despliegue a nivel organizacional

Compute Optimizer se centra en recomendaciones de tamaño por recurso; las recomendaciones de compra de Savings Plans son una función de la consola de Billing and Cost Management (Cost Explorer). Dichas recomendaciones se consultan en el menú Savings Plans de la misma consola. Para el despliegue organizacional, se habilita Compute Optimizer a nivel de Organizations y se configura la recopilación de métricas en todas las cuentas miembro. Los resultados se pueden exportar a S3 en formato CSV para análisis personalizado o integración con herramientas de BI. La integración con Cost Explorer permite correlacionar las recomendaciones de Compute Optimizer con los datos reales de costos, priorizando las optimizaciones por impacto económico. Se recomienda establecer un proceso de revisión semanal o mensual donde el equipo de operaciones revise las nuevas recomendaciones y planifique las acciones de optimización.

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.

Compartir

Términos relacionados

AWS Cost ExplorerAmazon EC2AWS LambdaAmazon ECSAmazon EBS

Servicios relacionados

AWS Cost ExplorerAmazon EC2AWS LambdaAmazon CloudWatch

Artículos relacionados

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.Por qué Auto Scaling escala rápido hacia afuera y es cauteloso al reducir - Intención de diseño de la lógica de decisión asimétricaExplica la razón del diseño asimétrico de EC2 Auto Scaling que ejecuta el scale-out inmediatamente mientras establece un período de enfriamiento para el scale-in, el mecanismo de prevención de flapping y la lógica interna del Target Tracking Scaling.Infraestructura adaptable a la demanda con AWS Auto Scaling - Diseño y optimización de políticas de escaladoPresenta cómo utilizar los 3 tipos de políticas (Target Tracking, Predictive y Scheduled) y lograr la optimización de costos con instancias Spot mediante Mixed Instances Policy.Leyendo el futuro de AWS a 3 años desde los anuncios de re:Invent - El ciclo de vida de los servicios y las leyes de la discontinuaciónEnfrentamos el hecho de que los servicios de AWS también tienen vida útil, como la suspensión de nuevas inscripciones de CodeCommit y el fin de facto de SimpleDB, proporcionando una perspectiva de selección tecnológica para analizar el ciclo de vida de los servicios e identificar los servicios que no desaparecerán.El origen de los nombres de servicios AWS y las reglas de nomenclatura - Por qué S3 tiene 3 SProfundizamos en el origen de los nombres de servicios principales como S3, EC2, Lambda y Aurora, explicando de forma anecdótica los patrones ocultos en las reglas de nomenclatura de AWS, los ejemplos de nombres fallidos y la historia de rebranding.

Términos y artículos similares

Optimización de recursos con AWS Compute Optimizer - Dimensionamiento correcto de instanciasAnaliza 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.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.AWS Compute OptimizerUn servicio que analiza el uso de recursos con ML y recomienda tipos e instancias óptimosHerramientas de gestión de costos de AWS - La integración nativa de Cost Explorer, Budgets y Compute OptimizerAWS integra nativamente herramientas de gestión de costos como Cost Explorer, Budgets, Compute Optimizer y Trusted Advisor. Comparamos con Azure Cost Management y la gestión de facturación de GCP, analizando la ventaja de AWS en visibilidad y optimización de costos.