优化AWS使用成本中如何正确配置实例规模
今天就跟大家聊聊有关优化AWS使用成本中如何正确配置实例规模，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
正确配置实例规模。
在使用AWS的过程中，如何正确配置实例大小/规模呢？首先在使用计算资源时，实例大小和规模要和业务匹配；其次，结合不同的业务场景，选择适合的实例的使用方式，这样才能最大化的优化AWS的使用成本。
-第二部分 正确配置实例规模-
--计算选型的一些简单原则--
在实例选型时，基本上的原则是只满足业务容量需求即可，不需要过度的配置，造成成本的浪费，因为实例配置可以随时进行调整，当配置不够时在调整即可。
那如何能够正确配置实例的大小呢，利用Amazon CloudWatch，或者一些类似的监控指标，观察业务利用率，确定缩减规模。
另外呢，如果需求实在太小，可考虑容器，AWS有对应容器的服务。
还有AWS主推的无服务器计算架构，AWS Lambda，不需要购买实例，直接在Lambda上传相应的脚本完成对应的功能，只收取很少的请求和持续时间等费用，省去了大笔实例费用。比如，可以上传一个脚本，功能为当用户上传到S3文件成功时执行对应的操作等等。这块的内容比较多，感兴趣的同学可以重点看下AWS Lambda服务的内容。
--计算实例典型使用方式--
计算资源选型，AWS将实例根据负载类型分为计算/内存/通用/存储/突发性能等等类型，不同实例系列，对应着不同的优化，以及CPU虚拟核心对应内存的比例等等，用户可以根据实际的计算需求进行选择。
以下是一些计算实例典型的使用方式：
对于一些稳定的需求，可以使用RI（预留实例），比如DB、账号服务器等等，这样能享受最高达75%的优惠折扣。
对于一些可变但可预测的需求，比如业务中一些前端WEB服务器，可能根据负载情况所需的服务器数量不同，可以用AUTO SCALING服务，当负载高的时候启用更多的实例来支撑业务负载，当负载下来时自动缩减实例数量达到既满足了业务承载，又节省了成本的目标。
另外对于一些DEV/TEST等内部环境，在不使用的时候可以随时关闭节省成本，因为开着就会计算成本，在需要时在开起来。
对于一些特别临时的需求，可以使用Spot实例，最高可以节省90%的成本，这部分后面在具体讨论。
在本文的最后，我想提供一个通过CloudWatch监控到计算资源浪费后调整实例类型节约成本的一个例子，帮助大家理解本文的主题，正确配置实例的大小/规模：
配置资源时使用的是m4.4xlarge,1.72美元/小时
业务上线后通过cloudwatch等监控指标，发现服务的负载非常低
根据负载情况调整成m4.large实例，价格是0.215美元/小时
再次对性能进行观测，如无异常完成此次调整
最终成本节约87%
看完上述内容，你们对优化AWS使用成本中如何正确配置实例规模有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注行业资讯频道，感谢大家的支持。
