StackPractices
intermediate Por Mathias Paulenko

Guía Completa de Optimización de Costos en AWS

Reduce el gasto en AWS entre un 30 y un 50%: dimensiona EC2, usa instancias Spot, Reserved Instances, Savings Plans, ciclo de vida de S3, RDS y monitoreo.

Introducción

Las facturas de AWS crecen en silencio: recursos sin usar, instancias sobredimensionadas y transferencia de datos sin control pueden inflar los costos un 40% o más sobre lo que debería costar la misma carga de trabajo. Esta guía recorre las tácticas que de verdad mueven el número: dimensionamiento de EC2, instancias Spot, Reserved Instances, Savings Plans, políticas de ciclo de vida de S3, optimización de RDS, costos de red y monitoreo automatizado.

Todos los comandos usan AWS CLI v2 y asumen credenciales con permisos de facturación, EC2 y CloudWatch. Los precios son cifras ilustrativas on-demand de us-east-1: consulta las páginas de precios de AWS para las tarifas vigentes en tu región.

Cuándo usar esta guía

Úsala cuando ejecutas cargas reales en AWS y la factura es más alta de lo que debería:

  • Heredaste una cuenta de AWS y necesitas una primera auditoría de costos.
  • Tu factura de EC2 crece cada mes pero el tráfico no.
  • Estás a punto de comprar Reserved Instances y quieres evitar comprometerte con la familia equivocada.
  • Finanzas pregunta por qué el presupuesto de nube se desvía siempre.

Si tu problema es más amplio — distribuir el gasto entre equipos, FinOps multi-cloud o construir un modelo de chargeback — empieza por la guía de optimización de costos cloud, que cubre estrategia en lugar de tácticas específicas de AWS.

Una advertencia antes de nada: no compres compromisos primero. Limpia el desperdicio (instancias paradas, volúmenes desasociados, snapshots olvidados) antes de comprometerte con Reserved Instances o Savings Plans: los compromisos comprados sobre una línea base hinchada solo congelan el desperdicio durante uno a tres años.

Empieza por la visibilidad: Cost Explorer, Budgets y el CUR

No puedes optimizar lo que no ves. Tres herramientas cubren casi todo: Cost Explorer para análisis interactivo, Budgets para alertas y el Cost and Usage Report (CUR) para análisis profundos.

Analizar el gasto

# Instalar AWS CLI
pip install awscli

# Desglose de costos por servicio
aws ce get-cost-and-usage \
  --time-period Start=2026-01-01,End=2026-02-01 \
  --granularity MONTHLY \
  --metrics BlendedCost \
  --group-by Type=SERVICE

# Costo por etiqueta
aws ce get-cost-and-usage \
  --time-period Start=2026-01-01,End=2026-02-01 \
  --granularity MONTHLY \
  --metrics BlendedCost \
  --group-by Type=TAG Key=Environment

Agrupa primero por SERVICE y después por TAG (Environment, Team, Project) una vez activadas las etiquetas de asignación de costos en la consola de Billing. La primera ejecución casi siempre saca sorpresas: un NAT Gateway olvidado, un RDS de desarrollo corriendo 24/7, un bucket de S3 guardando años de logs.

Configurar presupuestos

# Crear una alerta de presupuesto mensual
aws budgets create-budget \
  --account-id 123456789012 \
  --budget '{
    "BudgetName": "MonthlyBudget",
    "BudgetLimit": {"Amount": "5000", "Unit": "USD"},
    "TimeUnit": "MONTHLY",
    "BudgetType": "COST"
  }' \
  --notifications-with-subscribers '[
    {
      "Notification": {
        "NotificationType": "ACTUAL",
        "ComparisonOperator": "GREATER_THAN",
        "Threshold": 80
      },
      "Subscribers": [{
        "SubscriptionType": "EMAIL",
        "Address": "ops@example.com"
      }]
    }
  ]'

Los dos primeros presupuestos por cuenta son gratuitos; los adicionales cuestan unos $0.02/día cada uno. Pon umbrales al 80% y al 100% del gasto esperado y añade una notificación de gasto previsto para que te avisen antes de que acabe el mes, no después.

El Cost and Usage Report para análisis profundos

Cost Explorer conserva ~13 meses de datos diarios. Cuando necesitas granularidad por recurso —qué instancia, bucket o Lambda concreto provocó un pico—, exporta el CUR a S3 y consúltalo con Athena:

# Exportar CUR diario con IDs de recurso a S3 (Parquet)
aws cur put-report-definition --report-definition '{
  "ReportName": "monthly-cur",
  "TimeUnit": "DAILY",
  "Format": "Parquet",
  "Compression": "Parquet",
  "S3Bucket": "my-cur-bucket",
  "S3Prefix": "cur",
  "S3Region": "us-east-1",
  "ReportVersioning": "OVERWRITE_REPORT",
  "AdditionalSchemaElements": ["RESOURCES"]
}'

El elemento RESOURCES es lo que añade líneas por recurso; sin él solo obtienes agregados por servicio. Combínalo con la receta de scripts AWS CLI para comandos reutilizables de informes de costos.

Dimensionamiento de EC2 (right-sizing)

Dimensionar es ajustar el tamaño de la instancia a la carga real. Es la mayor fuente de ahorro en la mayoría de las cuentas: los análisis de AWS y los datos de Compute Optimizer marcan habitualmente entre un 20 y un 40% de las instancias como sobredimensionadas.

Encontrar instancias infrautilizadas

# Utilización de CPU de todas las instancias EC2
aws cloudwatch get-metric-statistics \
  --namespace AWS/EC2 \
  --metric-name CPUUtilization \
  --dimensions Name=InstanceId,Value=i-1234567890abcdef0 \
  --start-time 2026-01-01T00:00:00Z \
  --end-time 2026-02-01T00:00:00Z \
  --period 86400 \
  --statistics Average \
  --output table

Una CPU por debajo del 10-15% de media con picos bajos es la señal clásica para reducir tamaño. Mira también la memoria: CloudWatch no la recoge por defecto, así que instala el agente de CloudWatch antes de concluir que una instancia está parada; muchas máquinas “al 5% de CPU” están limitadas por memoria.

Dimensionar con AWS Compute Optimizer

# Habilitar Compute Optimizer
aws compute-optimizer enable-compute-optimizer

# Obtener recomendaciones
aws compute-optimizer get-ec2-instance-recommendations \
  --filters name=finding,values=Underprovisioned,Overprovisioned

Compute Optimizer es gratuito y también cubre volúmenes EBS, memoria de Lambda y servicios ECS. Necesita unas 30 horas de métricas de CloudWatch antes de producir recomendaciones, así que actívalo y vuelve al día siguiente en lugar de esperar resultados inmediatos.

Acciones típicas de dimensionamiento

Ahorros mensuales ilustrativos a precios on-demand de us-east-1:

ActualRecomendaciónAhorro mensual
m5.2xlarge (media 5% CPU)t3.large~$200
c5.4xlarge (media 10% CPU)c5.xlarge~$250
r5.xlarge (media 15% CPU)t3.medium~$150

Dos precauciones. Primero, redimensiona en una ventana de mantenimiento: cambiar el tipo de instancia exige parar/arrancar en instancias con EBS y provoca un corte breve. Segundo, vigila los créditos de ráfaga en las familias t3/t4g: una carga dimensionada que pica de vez en cuando puede acabar más lenta y más cara en modo unlimited que la instancia original sobredimensionada.

Instancias Spot

Las instancias Spot venden capacidad EC2 sobrante con hasta un 90% de descuento sobre on-demand, a cambio de la posibilidad de un aviso de interrupción de dos minutos. Son la opción por defecto para cualquier cosa sin estado y reiniciable: trabajos batch, runners de CI, procesamiento de datos, capas web sin estado detrás de un balanceador.

EC2 Fleet y grupos de autoescalado mixtos

Spot Fleet es la API heredada; AWS recomienda EC2 Fleet o un grupo de autoescalado con política de instancias mixtas. Un EC2 Fleet con la estrategia capacity-optimized elige los pools con menos probabilidad de interrupción — mejor que perseguir el pool más barato, que también es el que más probabilidades tiene de desaparecer:

aws ec2 create-fleet --cli-input-json '{
  "TargetCapacitySpecification": {
    "TotalTargetCapacity": 10,
    "DefaultTargetCapacityType": "spot"
  },
  "LaunchTemplateConfigs": [{
    "LaunchTemplateSpecification": {
      "LaunchTemplateId": "lt-0123456789abcdef0",
      "Version": "$Latest"
    },
    "Overrides": [
      {"InstanceType": "t3.medium", "SubnetId": "subnet-12345678"},
      {"InstanceType": "t3.large",  "SubnetId": "subnet-87654321"},
      {"InstanceType": "t3a.medium", "SubnetId": "subnet-12345678"}
    ]
  }],
  "SpotOptions": {
    "AllocationStrategy": "capacity-optimized"
  }
}'

No fijes un precio máximo de Spot (SpotPrice). Los precios Spot ya no pegan picos como hace años; un tope añade riesgo de interrupción sin ahorrar dinero. Diversifica entre al menos 3-4 tipos de instancia para que un solo pool saturado no pueda drenar tu capacidad.

Spot con grupos de autoescalado

# Terraform — ASG mixto on-demand + Spot
resource "aws_autoscaling_group" "spot" {
  mixed_instances_policy {
    instances_distribution {
      on_demand_base_capacity                  = 1
      on_demand_percentage_above_base_capacity = 0
      spot_allocation_strategy                 = "capacity-optimized"
    }

    launch_template {
      launch_template_specification {
        launch_template_id = aws_launch_template.app.id
        version            = "$Latest"
      }

      override {
        instance_type = "t3.medium"
      }
      override {
        instance_type = "t3.large"
      }
    }
  }

  min_size         = 2
  max_size         = 10
  desired_capacity = 4
}

on_demand_base_capacity = 1 mantiene un suelo estable para que una interrupción masiva de Spot no tumbe toda la capa. Activa el rebalanceo de capacidad en el ASG para reemplazar instancias antes de que sean interrumpidas, no después. Si gestionas este stack con módulos de Terraform, la guía de módulos de Terraform explica cómo estructurar la launch template y los overrides.

Gestión de interrupciones de Spot

Spot te da un aviso de dos minutos a través de los metadatos de instancia. Consúltalo con IMDSv2 (token obligatorio) y drena el nodo cuando aparezca un aviso:

import json
import urllib.error
import urllib.request

def _imds(path):
    token = urllib.request.urlopen(
        urllib.request.Request(
            "http://169.254.169.254/latest/api/token",
            method="PUT",
            headers={"X-aws-ec2-metadata-token-ttl-seconds": "21600"},
        )
    ).read()
    req = urllib.request.Request(
        f"http://169.254.169.254/latest/meta-data/{path}",
        headers={"X-aws-ec2-metadata-token": token},
    )
    return urllib.request.urlopen(req, timeout=1).read()

def check_spot_interruption():
    try:
        action = json.loads(_imds("spot/instance-action"))
    except urllib.error.HTTPError as e:
        if e.code != 404:  # 404 = no hay interrupción programada
            raise
        return
    if action["action"] == "terminate":
        graceful_shutdown()  # drenar conexiones, persistir estado

Un except: vacío aquí ocultaría fallos reales (problemas de red, IMDS deshabilitado): solo traga el 404 esperado. Para la mayoría de las cargas, el rebalanceo de capacidad del ASG hace innecesario el polling manual; gestiónalo tú solo en trabajos largos que necesiten checkpoints.

Reserved Instances y Savings Plans

Con la línea base limpia, compromete capacidad para lo que quede. Tanto las RI como los Savings Plans cambian flexibilidad por descuentos de hasta el 72%.

TipoCompromisoDescuentoIdeal para
Standard RI1 o 3 añosHasta 72%Cargas estables
Convertible RI1 o 3 añosHasta 54%Cargas que pueden cambiar
Scheduled RI1 añoVariableVentanas de tiempo predecibles
flowchart diagram: Carga de trabajo

Savings Plans

Las compras se hacen en la consola (o desde las recomendaciones de Cost Explorer), pero puedes inspeccionar ofertas y tu cobertura actual desde la CLI:

# Preguntar a AWS qué compromiso recomendaría
aws ce get-savings-plans-purchase-recommendation \
  --savings-plans-type COMPUTE_SP \
  --term-in-years ONE_YEAR \
  --payment-option NO_UPFRONT \
  --lookback-period-in-days THIRTY_DAYS

# Listar los planes contratados
aws savingsplans describe-savings-plans

La unidad de compromiso es $/hora de gasto, no número de instancias: un --commitment "0.50" significa “gastaré al menos $0.50/hora en cómputo cubierto”, no cincuenta dólares. Empieza por la salida de la recomendación y luego infra-compromete: compra para el 60-70% del uso estable y deja el resto en on-demand. Si el uso baja, un infra-compromiso no desperdicia nada; un sobre-compromiso te factura capacidad que nadie usó.

Cuándo usar cuál

  • EC2 estable — Standard Reserved Instances (mayor descuento)
  • Cargas flexibles — Compute Savings Plans (valen para cualquier familia y región)
  • Fargate/Lambda — Compute Savings Plans (la única opción que los cubre)
  • S3, DynamoDB — No hay RI disponibles; optimiza con políticas de ciclo de vida y modos de capacidad

Optimización de costos de S3

S3 parece barato por GB y acaba siendo un top-3 de la factura sin ruido. Los arreglos son políticas de ciclo de vida y elegir la clase de almacenamiento correcta — pero ojo con las tarifas de recuperación, que castigan los datos que creías fríos y no lo eran.

Políticas de ciclo de vida

{
  "Rules": [
    {
      "ID": "MoveToIAAfter30Days",
      "Status": "Enabled",
      "Filter": { "Prefix": "logs/" },
      "Transitions": [
        { "Days": 30, "StorageClass": "STANDARD_IA" },
        { "Days": 90, "StorageClass": "GLACIER" },
        { "Days": 365, "StorageClass": "DEEP_ARCHIVE" }
      ]
    },
    {
      "ID": "DeleteTempFiles",
      "Status": "Enabled",
      "Filter": { "Prefix": "temp/" },
      "Expiration": { "Days": 7 }
    }
  ]
}

Ojo con las duraciones mínimas de almacenamiento: STANDARD_IA factura 30 días como mínimo, GLACIER 90 y DEEP_ARCHIVE 180. Transicionar un objeto el día 30 y borrarlo el 45 igualmente cuesta el mínimo completo; para objetos efímeros suele salir más barato expirarlos directamente desde STANDARD.

Clases de almacenamiento de S3

Costo relativo de almacenamiento (us-east-1, solo almacenamiento; las tarifas de recuperación no están incluidas):

ClaseCosto vs StandardCaso de uso
STANDARD1xAcceso frecuente
STANDARD_IA0.5xAcceso infrecuente (30+ días)
ONEZONE_IA0.4xAcceso infrecuente, no crítico
GLACIER0.17xArchivo (90+ días)
DEEP_ARCHIVE0.04xArchivo a largo plazo (365+ días)
INTELLIGENT_TIERINGVariablePatrones de acceso desconocidos

Intelligent-Tiering

aws s3api put-bucket-intelligent-tiering-configuration \
  --bucket my-bucket \
  --id MoveToArchive \
  --intelligent-tiering-configuration '{
    "Status": "Enabled",
    "Tierings": [
      { "Days": 90, "AccessTier": "ARCHIVE_ACCESS" },
      { "Days": 180, "AccessTier": "DEEP_ARCHIVE_ACCESS" }
    ]
  }'

Intelligent-Tiering cobra una tarifa de monitoreo (~$0.0025 por cada 1.000 objetos/mes) y no cobra por recuperación. Es la respuesta correcta cuando los patrones de acceso son desconocidos; con millones de objetos diminutos la tarifa de monitoreo puede superar el ahorro en almacenamiento, así que haz primero las cuentas con tu número de objetos.

Optimización de RDS

RDS suele ser la segunda partida después de EC2, y casi siempre está sobredimensionada porque se aprovisionó “para crecer” un crecimiento que nunca llegó.

# CPU de la instancia de base de datos
aws cloudwatch get-metric-statistics \
  --namespace AWS/RDS \
  --metric-name CPUUtilization \
  --dimensions Name=DBInstanceIdentifier,Value=mydb \
  --start-time 2026-01-01T00:00:00Z \
  --end-time 2026-02-01T00:00:00Z \
  --period 86400 \
  --statistics Average,Maximum

Estrategias para reducir el costo de RDS

  • Reducir tamaño de instancias — db.t4g en lugar de db.m5 si la CPU se mantiene por debajo del 20%
  • Reserved Instances — hasta un 69% de descuento con compromiso de 3 años
  • Parar entornos no productivos de noche — RDS puede pararse hasta 7 días y luego arranca solo
  • Aurora Serverless v2 — escala hasta 0 ACU y se pausa en cargas intermitentes
  • Borrar snapshots sin usar — los snapshots viejos se acumulan en silencio
  • Usar las réplicas de lectura con criterio — cada réplica cuesta lo mismo que la principal; elimina las que no sirven tráfico de lectura

Las instancias basadas en Graviton (db.t4g, db.r6g, db.r7g) dan aproximadamente un 20% mejor relación precio-rendimiento que sus equivalentes x86 y no exigen cambios de aplicación en la mayoría de los motores: una victoria fácil antes de tocar el tamaño.

Limpieza automática de snapshots

Borra solo snapshots manual: delete_db_snapshot falla sobre backups automáticos, que de todos modos desaparecen con su periodo de retención:

import boto3
from datetime import datetime, timedelta, timezone

rds = boto3.client("rds")

def cleanup_old_snapshots(days=30):
    cutoff = datetime.now(timezone.utc) - timedelta(days=days)
    paginator = rds.get_paginator("describe_db_snapshots")

    for page in paginator.paginate(SnapshotType="manual"):
        for snap in page["DBSnapshots"]:
            if snap["SnapshotCreateTime"] >= cutoff:
                continue
            try:
                rds.delete_db_snapshot(
                    DBSnapshotIdentifier=snap["DBSnapshotIdentifier"]
                )
                print(f"Deleted: {snap['DBSnapshotIdentifier']}")
            except rds.exceptions.InvalidDBSnapshotStateException:
                continue  # snapshot en uso o copiándose

Filtra por SnapshotType="manual" en el servidor en lugar de inspeccionar atributos en el cliente, y compara fechas como valores con zona horaria: describe_db_snapshots devuelve datetimes conscientes, así que un datetime.now() ingenuo falla al comparar.

Graviton, EBS e IPs elásticas

Tres palancas silenciosas que rara vez aparecen en las tácticas estrella:

  • Graviton (m7g, c7g, r7g, t4g): ~20% mejor relación precio-rendimiento que las instancias x86 equivalentes. La migración suele ser un cambio de AMI en cargas Linux; revisa primero las dependencias específicas de arquitectura.
  • EBS gp3 sobre gp2: gp3 es ~20% más barato por GB con el rendimiento base incluido. aws ec2 modify-volume --volume-id vol-0123 --volume-type gp3 migra en caliente, sin caída.
  • Volúmenes e IPs sin asociar: los volúmenes en estado available y las Elastic IPs sin asociar facturan por no hacer nada.
# Volúmenes EBS desasociados
aws ec2 describe-volumes \
  --filters Name=status,Values=available \
  --query 'Volumes[*].VolumeId' --output text

# Elastic IPs sin usar (~$0.005/hr cada una)
aws ec2 describe-addresses \
  --query 'Addresses[?AssociationId==`null`].AllocationId' --output text

Costos de red

La transferencia de datos es el cargo más subestimado de AWS: es invisible hasta que es grande.

EscenarioCosto
Transferencia de entradaGratis
Transferencia dentro de la misma AZGratis (IPs privadas)
Transferencia entre AZ$0.01/GB en cada dirección
Transferencia entre regiones$0.02-0.09/GB
Salida a Internet~$0.09/GB
NAT Gateway~$0.045/hr + $0.045/GB procesado

Un NAT Gateway con 1 TB/mes cuesta $45 solo en procesamiento — más que muchas instancias EC2. Dos arreglos: pon un gateway VPC endpoint para S3 y DynamoDB delante del tráfico que cruzaría el NAT (son gratuitos) y añade interface endpoints para los servicios de AWS que más consultas ($0.01/hr cada uno).

# Terraform — Gateway endpoint para S3 (gratuito)
resource "aws_vpc_endpoint" "s3" {
  vpc_id          = aws_vpc.main.id
  service_name    = "com.amazonaws.us-east-1.s3"
  route_table_ids = [aws_route_table.private.id]
}

# Interface endpoint (~$0.01/hr) para servicios muy consultados
resource "aws_vpc_endpoint" "dynamodb" {
  vpc_id            = aws_vpc.main.id
  service_name      = "com.amazonaws.us-east-1.dynamodb"
  vpc_endpoint_type = "Interface"
  subnet_ids        = aws_subnet.private[*].id
}
flowchart diagram: Subnets privadas

Más allá de los endpoints: ubica los servicios dependientes en la misma AZ (los cargos entre AZ aplican en ambas direcciones), pon CloudFront delante de los orígenes con mucha salida (la transferencia desde edge es más barata que la salida directa y el cacheo elimina hits al origen) y comprime las respuestas: menos datos es menos salida, sin más.

Monitoreo de costos automatizado

Las revisiones manuales se relajan. Dos automatizaciones detectan regresiones pronto: Cost Anomaly Detection para picos repentinos y una Lambda programada para informes periódicos.

AWS Cost Anomaly Detection

# Habilitar la detección de anomalías de costo (gratuita)
aws ce create-anomaly-monitor \
  --anomaly-monitor '{
    "MonitorName": "DailyAnomaly",
    "MonitorType": "DIMENSIONAL",
    "MonitorSpecification": "{\"Dimension\":\"SERVICE\"}"
  }'

El monitor dimensional vigila el gasto por servicio y aprende la estacionalidad, así que un pico batch de lunes no te despierta mientras que una Lambda desbocada sí. Asocia cada monitor a una suscripción de alertas (topic SNS → email/Slack): el monitor solo detecta, no notifica.

Informes de costos con Lambda

import boto3

ce = boto3.client("ce")

def lambda_handler(event, context):
    response = ce.get_cost_and_usage(
        TimePeriod={"Start": "2026-06-01", "End": "2026-07-01"},
        Granularity="MONTHLY",
        Metrics=["UnblendedCost"],
        GroupBy=[{"Type": "SERVICE", "Key": "Service"}],
    )

    costs = []
    for group in response["ResultsByTime"][0]["Groups"]:
        service = group["Keys"][0]
        amount = float(group["Metrics"]["UnblendedCost"]["Amount"])
        if amount > 100:
            costs.append(f"{service}: ${amount:.2f}")

    if costs:
        send_slack_notification("\n".join(costs))  # tu helper de webhook

    return {"statusCode": 200}

Prográmala con EventBridge el día uno de cada mes. Para dashboards más allá de los informes, la guía de observabilidad con Grafana cubre cómo conectar métricas de CloudWatch a un stack de monitoreo.

Buenas prácticas

  • Habilita Cost Explorer — la visibilidad es el primer paso para optimizar
  • Configura alertas de presupuesto — detecta desbordes antes de que ocurran
  • Redimensiona cada 3 meses — las cargas cambian, las instancias también deberían
  • Usa Spot para el 70%+ de las cargas no críticas — hasta un 90% de descuento
  • Compromete RI/Savings Plans para la línea base — cubre el 60-70% del estado estable, no todo
  • Usa políticas de ciclo de vida de S3 — mueve datos viejos a tiers más baratos automáticamente
  • Para entornos no productivos de noche — alrededor del 65% de sus horas están paradas
  • Borra volúmenes EBS sin usar — cuestan dinero incluso desasociados
  • Libera Elastic IPs sin usar — ~$0.005/hr cada una sin asociar
  • Usa VPC endpoints — evita los cargos de procesamiento del NAT Gateway
  • Prefiere Graviton y gp3 — ~20% de ahorro por un cambio de configuración
  • Etiqueta todo — habilita la asignación de costos por equipo/proyecto
  • Revisa mensualmente — los costos se deslizan sin revisión regular

Errores comunes

  • Comprar RI antes de limpiar desperdicio — comprometes una línea base hinchada durante 1-3 años
  • Dejar instancias EC2 corriendo 24/7 en desarrollo — usa programaciones de auto-parada
  • Usar S3 Standard para datos de archivo — transicionalos a Glacier/Deep Archive
  • Ignorar tarifas de recuperación y duraciones mínimas — el almacenamiento frío no es gratis de descongelar
  • Sobredimensionar RDS — reduce tamaño según CPU/memoria real
  • Ignorar los costos del NAT Gateway — usa VPC endpoints para el tráfico a servicios AWS
  • No usar Spot en trabajos batch/cron — 90% de ahorro para cargas interrumpibles
  • Fijar un precio máximo de Spot — la asignación capacity-optimized supera a los topes de precio
  • Olvidar borrar snapshots viejos — se acumulan en silencio durante meses
  • No etiquetar recursos — sin visibilidad de los costos por equipo/proyecto
  • Usar CloudWatch Logs sin retención — los volúmenes de logs crecen sin límite
  • Ignorar los costos de transferencia — entre AZ y entre regiones suman rápido

Ver también

Preguntas frecuentes

¿Cuánto puedo ahorrar optimizando costos en AWS?

Las organizaciones que optimizan por primera vez suelen recortar entre un 30 y un 50% del gasto. Las mayores victorias vienen del dimensionamiento (15-20%), las instancias Spot en cargas elegibles (10-15%) y las RI/Savings Plans en el estado estable (10-15%). El ciclo de vida de S3 y los arreglos de red añaden otro 5-10%.

¿Reserved Instances o Savings Plans?

Las Standard RI encajan en cargas EC2 estables ancladas a una familia de instancias y llegan hasta el 72% de descuento. Los Compute Savings Plans cambian unos puntos de descuento por flexibilidad entre familias, regiones, Fargate y Lambda; AWS los recomienda para la mayoría de los compromisos nuevos. Ante la duda, Savings Plans.

¿Cómo hago seguimiento de costos por equipo o proyecto?

Etiqueta cada recurso con Team, Project y Environment, y activa esas etiquetas como Cost Allocation Tags en la consola de Billing. Cost Explorer y el CUR pueden entonces filtrar y agrupar por ellas. Las etiquetas solo aplican a los datos de costo desde el momento en que se activan: no rellenan hacia atrás.

¿Son seguras las instancias Spot para producción?

Para capas sin estado detrás de un balanceador, sí: mantén una base on-demand en el ASG y activa el rebalanceo de capacidad. Para cargas con estado o singletons, no: un aviso de desalojo de dos minutos no es un modo de fallo elegante. Los trabajos batch y de CI son el punto de partida más seguro.

¿Migrar a Graviton exige cambios de código?

Normalmente no en cargas Linux con runtimes gestionados (Python, Node, Java, Go). Las extensiones C compiladas o binarios específicos de x86 necesitan recompilación para ARM. Prueba primero en una instancia t4g de ráfaga: es la forma más barata de verificar compatibilidad.

¿Cuánto cuesta realmente un NAT Gateway?

Unos $0.045/hr (~$33/mes) por gateway, más $0.045/GB procesado. Un gateway moviendo 1 TB/mes añade ~$45 en cargos de procesamiento. Los gateway VPC endpoints para S3 y DynamoDB son gratuitos y eliminan la mayor parte de ese tráfico.