成本策略

使用 AWS Cost Explorer 可视化和分析成本 - 标签策略与 Savings Plans 的活用

通过服务别、账户别、标签别的成本分析，以及基于机器学习的异常检测和成本预测来可视化 AWS 支出。详解利用预留实例和 Savings Plans 购买建议的成本优化。

約 1 分で読めます

Cost Explorer 概述

AWS Cost Explorer 是可视化和分析 AWS 使用成本和用量的服务。可从服务别、账户别、区域别、标签别等多角度分析过去 13 个月的成本数据。基于机器学习的成本预测功能可预测未来 12 个月的支出，用于预算规划。Budgets 专注于基于告警的成本管理，而 Cost Explorer 则专注于分析和可视化。

成本分析与过滤

Cost Explorer 控制台以图表显示日次和月次的成本趋势，可按服务、关联账户、区域、实例类型、使用类型等维度进行分组和过滤。启用成本分配标签后，可按项目、环境（dev/staging/prod）、团队等自定义维度分类成本。标签启用在 Billing 控制台进行，启用后约 24 小时开始在 Cost Explorer 中反映。 关于成本分析的详细信息，可参考相关书籍 (Amazon)。

购买建议与 Savings Plans

Cost Explorer 提供预留实例（RI）和 Savings Plans 的购买建议。分析过去的使用模式，提出 1 年或 3 年承诺中可实现最大成本削减的购买方案。Savings Plans 分为 Compute Savings Plans（适用于 EC2、Fargate、Lambda）和 EC2 Instance Savings Plans（限定特定实例系列和区域）两种。Compute Savings Plans 灵活性更高，即使变更实例类型或区域也能继续享受折扣。

Cost Explorer 的费用

Cost Explorer 控制台免费使用。API（GetCostAndUsage、GetCostForecast 等）按每请求约 0.01 美元计费。Cost Anomaly Detection 免费使用，无需额外费用即可接收异常检测告警。成本分配标签的启用本身免费，但标签的管理和运维需要治理机制。Organizations 集成可从管理账户查看所有成员账户的成本。

总结

AWS Cost Explorer 是通过多角度成本分析和基于机器学习的预测来可视化 AWS 支出的服务。结合成本分配标签的项目别/团队别分析、RI/Savings Plans 购买建议以及 Cost Anomaly Detection 的异常检测，推进持续的成本优化。

相关服务

AWS Cost Explorer可视化和分析 AWS 成本与使用量并识别成本优化机会的服务AWS Compute Optimizer通过 ML 分析资源使用情况并推荐最优实例类型和大小的服务AWS Organizations集中管理多个 AWS 账户的服务

相关文章

使用 AWS Compute Optimizer 实现资源优化 - 实例的合理调整通过机器学习分析 CloudWatch 指标，为 EC2、Lambda、EBS、ECS Fargate 生成资源大小优化建议。详解 Graviton 迁移建议和增强指标提升精度的活用方法。使用 AWS Budgets 实现成本管理 - 预算告警与自动操作对实际值和预测值同时设置告警，通过 Budget Actions 自动执行 IAM 策略应用和实例停止。与 Slack 集成提升团队整体的成本意识。使用 AWS Cost and Usage Report 进行详细成本分析 - Athena 查询与可视化管道通过 Athena 对资源级别的详细成本数据进行 SQL 分析，并用 QuickSight 可视化。介绍 CUR 2.0 的数据导出和分析基础设施的构建方法。

本主题的更多内容

AWS 计费计算的幕后 - 按秒计费、按 100ms 计费、按请求计费是如何计量的解析 EC2 的按秒计费、Lambda 的按 1ms 计费、S3 的按请求计费等 AWS 多样化计费粒度是如何计量、汇总和出账的，从计量系统机制进行说明。AWS 90% 的功能源自客户之声 - Working Backwards 与以客户为起点的创新解析 Working Backwards 流程和 Customer Obsession 原则如何塑造 AWS 的服务开发。介绍从 PR/FAQ 文档开始的创新机制以及客户反馈的落地流程。AWS 的降价文化 - 2006 年以来 100 多次降价背后的飞轮与规模经济分析将规模优势回馈客户的 AWS 降价文化，以及其背后的规模经济、硬件代际更替和竞争策略。介绍过去主要降价案例及其影响。AWS 的定价模型为何复杂 - 按量计费背后的经济学与博弈论从航空业收益管理和需求预测经济学的角度解读按需、预留实例、竞价实例三层定价结构，解析定价复杂性的合理原因。使用 AWS Budgets 实现成本管理 - 预算告警与自动操作对实际值和预测值同时设置告警，通过 Budget Actions 自动执行 IAM 策略应用和实例停止。与 Slack 集成提升团队整体的成本意识。云成本预算管理 - 通过 AWS Budgets 实现支出控制与告警详细介绍使用 AWS Budgets 进行预算设置、成本告警和自动操作的方法。包括与 Cost Explorer 的区分使用、预算类型的选择以及通过 Organizations 集成实现组织级预算管理。CloudWatch Logs 费用意外增高的原因 - 摄取、存储与分析的成本结构详细介绍 CloudWatch Logs 摄取费用是存储费用 20 倍以上的定价结构、VPC 流日志和 Lambda 日志引发的成本爆炸以及通过 Infrequent Access 类和 S3 导出实现的优化策略。使用 AWS Compute Optimizer 实现资源优化 - 实例的合理调整通过机器学习分析 CloudWatch 指标，为 EC2、Lambda、EBS、ECS Fargate 生成资源大小优化建议。详解 Graviton 迁移建议和增强指标提升精度的活用方法。

相似的文章与服务

成本可视化与分析 - 使用 AWS Cost Explorer 实现云支出优化详解使用 AWS Cost Explorer 进行云成本的可视化和分析方法。介绍与 CloudWatch 指标联动的用量监控以及成本优化的实践方法。AWS Cost Explorer通过图表和筛选器可视化分析 AWS 使用成本和用量，并可预测未来成本的成本管理工具成本削减策略 - Savings Plans 与 Reserved Instances 的比较与选择比较解析 AWS Savings Plans 与 Reserved Instances (RI) 的机制、折扣率、灵活性。介绍 Compute/EC2 Instance/SageMaker Savings Plans 的选择与购买策略。AWS 成本管理工具集 - Cost Explorer、Budgets、Compute Optimizer 的原生集成AWS 原生集成了 Cost Explorer、Budgets、Compute Optimizer、Trusted Advisor 等成本管理工具。通过与 Azure Cost Management 和 GCP 计费管理的比较，分析 AWS 在成本可视化与优化方面的优势。