AWS Compute Optimizer 热门2019年〜

Q: AWS Compute Optimizer はどのような場面で使いますか？

用于识别过度配置的 EC2 实例以降低成本、发现配置不足导致性能问题的资源、 Lambda 函数的内存大小优化、EBS 卷类型的优化选择等。帮助在性能和成本之间找到最佳平衡点。

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

阅读约需 1 分钟最后更新： 2026-03-20

它能做什么

AWS Compute Optimizer 是一项使用机器学习分析 AWS 资源的使用模式，并推荐最优配置的服务。分析 EC2 实例、EBS 卷、Lambda 函数、ECS 服务等的 CPU、内存、网络等指标，识别过度配置或配置不足的资源，推荐合适的实例类型和大小。

使用场景

用于识别过度配置的 EC2 实例以降低成本、发现配置不足导致性能问题的资源、Lambda 函数的内存大小优化、EBS 卷类型的优化选择等。帮助在性能和成本之间找到最佳平衡点。

日常类比

可以将其比作汽车的油耗诊断。诊断系统分析您的驾驶习惯后建议“您主要在市区行驶，换成混合动力车更省油”或“您经常跑高速，当前的车型很合适”。Compute Optimizer 分析资源的使用模式后推荐最合适的配置。

什么是 Compute Optimizer

AWS Compute Optimizer 是一项分析资源使用情况并提供优化建议的服务。云资源的选择往往基于预估，实际运行后可能发现过度配置（浪费成本）或配置不足（性能问题）。Compute Optimizer 基于实际使用数据提供数据驱动的优化建议。

分析对象与推荐

Compute Optimizer 分析以下资源：EC2 实例（实例类型推荐）、Auto Scaling 组（组配置推荐）、EBS 卷（卷类型和大小推荐）、Lambda 函数（内存大小推荐）、ECS on Fargate 服务（CPU 和内存推荐）。每个推荐都附带预期的性能影响和成本节省估算。

工作原理

Compute Optimizer 收集过去 14 天（增强版为 93 天）的 CloudWatch 指标数据，使用机器学习模型分析使用模式。不仅看平均值，还考虑峰值和使用模式的变化，推荐能满足工作负载需求的最小配置。推荐分为“过度配置”“配置不足”“已优化”三类。关于成本优化的实践方法，也可以参考相关书籍（Amazon）。