Você está pagando 100% On-Demand na AWS enquanto 75% de sua infraestrutura roda 24x7? A escolha entre Reserved Instances e On-Demand não é binária, e essa percepção equivocada custa às empresas brasileiras milhões anualmente. Organizações maduras em FinOps não escolhem um modelo único, mas orquestram portfolios híbridos onde cada workload usa o pricing model que maximiza economia sem sacrificar agilidade. Este artigo detalha a metodologia de otimização que líderes de infraestrutura utilizam para reduzir custos AWS entre 45-65%, com análise comparativa de cenários reais, cálculos práticos e decision trees para diferentes perfis de uso.
A escolha entre modelos de billing AWS representa uma das decisões mais impactantes na otimização de custos cloud, com potencial de economia entre 40-75% comparado ao modelo On-Demand puro.
Reserved Instances (RIs) oferecem descontos significativos em troca de compromisso de uso, enquanto On-Demand proporciona máxima flexibilidade sem contratos.
A estratégia ideal raramente é binária. Ambientes de produção maduros adotam abordagens híbridas que balanceiam previsibilidade de custo com agilidade operacional. Segundo análises da Infomach, clientes que implementam estratégias FinOps estruturadas alcançam redução média de 28% nos custos AWS nos primeiros 3 meses, com otimização contínua elevando esse número para 45-60% após 12 meses.
Comparação Estruturada dos Modelos
| Dimensão | On-Demand | RI 1 ano | RI 3 anos | Savings Plans | Spot |
|---|---|---|---|---|---|
| Desconto vs OD | Baseline (0%) | ~30-40% | ~50-65% | ~30-66% (flexível) | ~60-90% |
| Compromisso | Zero | 1 ano | 3 anos | 1 ou 3 anos | Zero |
| Flexibilidade | Total (start/stop sob demanda) | Limitada (tipo/região/SO fixo) | Limitada | Alta (família de instâncias) | Limitada (interrupções) |
| Pagamento | Por hora consumida | All/Partial/No Upfront | All/Partial/No Upfront | Por hora, compromisso $/h | Por hora (leilão) |
| Melhor para | Dev/Test, cargas imprevisíveis | Produção estável (acima de 75% uptime) | Infraestrutura crítica 24x7 | Workloads dinâmicos (containers) | Batch, Big Data, CI/CD |
| Break-even | - | ~8-10 meses de uso contínuo | ~14-18 meses | ~6-9 meses | Imediato |
| Risco de desperdício | Baixo (paga só o que usa) | Médio (paga se não usar) | Alto | Médio | Baixo |
| Marketplace | N/A | Sim (revenda de RIs não usados) | Sim | Não | Não |
| Tipos disponíveis | Todos | Standard / Convertible | Standard / Convertible | Compute / EC2 Instance | Tipos variáveis |
Notas importantes:
Convertible RIs permitem mudança de família de instância com pequena redução de desconto (~5%)
Valores variam por região e tipo de instância (ex: m5.large vs c5.xlarge)
Cenários de Otimização Financeira
Caso 1: Startup em crescimento.
10x m5.large (8vCPU, 32GB RAM)
Uso 24x7 em produção
Região: us-east-1
Cálculo de custos mensais:
ON-DEMAND 10 instâncias x $0.096/hora x 730 horas = $700.80/mês RESERVED 1 ANO (No Upfront) 10 instâncias x $0.063/hora x 730 horas = $459.90/mês ECONOMIA: $240.90/mês (34%) ou $2.890/ano RESERVED 3 ANOS (All Upfront) 10 instâncias x $0.054/hora x 730 horas = $394.20/mês Pagamento único: $14.185 (equivalente a ~36 meses) ECONOMIA: $306.60/mês (44%) ou $11.037 em 3 anos SAVINGS PLAN (Compute, 1 ano) Compromisso: $450/mês ($0.0616/hora normalizado) Flexibilidade: pode migrar para m5a.xlarge, c5.large, Fargate ECONOMIA: ~$250/mês (36%) + agilidade arquitetural
Recomendação: Savings Plan de 1 ano, melhor balanço entre economia e flexibilidade para startup que ainda ajusta arquitetura.
Caso 2: Empresa enterprise com workload híbrido.
Baseline constante: 50 instâncias (produção crítica)
Camada variável: 10-40 instâncias (picos diurnos)
Batch processing noturno: 20-100 instâncias (3h/dia)
Estratégia híbrida otimizada:
CAMADA 1, BASELINE (50 instâncias) Reserved 3 anos All-Upfront Economia: 65% vs On-Demand ROI garantido (uptime acima de 95%) CAMADA 2, VARIÁVEL (média 25 instâncias) Savings Plan 1 ano Compute Cobre picos com flexibilidade de tipo Economia: 40% vs On-Demand CAMADA 3, BATCH (média equivalente a 12.5 instâncias full-time) Spot Instances com Spot Fleet Economia: 70% vs On-Demand Configurar instance diversification (5+ tipos) Implementar checkpointing para tolerar interrupções CAMADA 4, SPIKES INESPERADOS On-Demand (auto-scaling) Representa menos de 5% do compute total Custo aceitável pela garantia de elasticidade
Resultado consolidado:
ANTES (100% On-Demand): $18.500/mês DEPOIS (Estratégia Híbrida) RIs (Baseline): $3.250/mês Savings Plan: $3.000/mês Spot (Batch): $450/mês On-Demand (Spikes): $600/mês TOTAL: $7.300/mês ECONOMIA TOTAL: $11.200/mês (60.5%) ou $134.400/ano
Decision Tree para Escolha de Modelo
Workload tem uso acima de 75% 24x7?
├─ SIM
│ └─ Arquitetura estável por mais de 1 ano?
│ ├─ SIM → RI 3 anos Standard (economia máxima, 65%)
│ └─ NÃO → RI 1 ano Convertible (economia + flexibilidade, 40%)
└─ NÃO
└─ Workload tolerante a interrupções?
├─ SIM → Spot Instances (economia máxima + risco, 70-90%)
└─ NÃO → On-Demand + Savings Plan (flexibilidade total)
Reserved Instances 3 anos Standard:
Uso comprovado acima de 85% por 6+ meses
Infraestrutura crítica de longo prazo (DB primário, AD controllers)
Budget aprovado para upfront payment
Reserved Instances 1 ano Convertible:
Workload estável mas arquitetura pode evoluir
Primeira compra de RIs (testar estratégia)
Possível mudança de região/tipo em 12 meses
Savings Plans:
Ambientes containerizados (ECS/EKS) com variação de tipos
Microserviços com scaling horizontal frequente
Multi-região com shifting de carga
Spot Instances:
EMR, Spark, batch ETL, rendering
Testes de carga, CI/CD runners
Dev/staging de componentes stateless
Requisito: aplicação com checkpointing ou idempotência
On-Demand:
Novos projetos em fase de sizing
Picos sazonais curtos (menos de 1 semana)
Ambientes de desenvolvimento ocasionais
Estratégias Avançadas de Otimização
RI Portfolio Management:
# Análise de Coverage e Utilization
import boto3
ce = boto3.client('ce')
# Coverage: % de horas cobertas por RIs
response = ce.get_reservation_coverage(
TimePeriod={'Start': '2024-01-01', 'End': '2024-01-31'},
Granularity='MONTHLY'
)
# Target: acima de 80% para workloads estáveis
# Utilization: % de RIs efetivamente utilizadas
response = ce.get_reservation_utilization(
TimePeriod={'Start': '2024-01-01', 'End': '2024-01-31'},
Granularity='MONTHLY'
)
# Target: acima de 95% (ou revender no Marketplace)
Right-sizing antes de comprar RIs:
# AWS Compute Optimizer, identifica over-provisioning aws compute-optimizer get-ec2-instance-recommendations \ --instance-arns arn:aws:ec2:us-east-1:123456789:instance/i-xxxxx # Exemplo de output: # i-xxxxx: m5.2xlarge para m5.large (50% economia mantendo performance)
Regra de ouro: nunca compre RIs antes de 30+ dias de análise de CloudWatch metrics (CPU, Memory, Network), pode economizar 20-40% adicional via right-sizing prévio.
Auto-Scaling com priorização de RIs:
# Launch Template com mixed instances policy
mixed_instances_policy:
launch_template:
launch_template_specification:
launch_template_name: prod-app-template
instances_distribution:
on_demand_base_capacity: 2 # Mínimo On-Demand
on_demand_percentage_above_base: 0 # Resto usa Spot
spot_allocation_strategy: capacity-optimized
spot_instance_pools: 5
spot_max_price: "0.05" # Limite de preço
Tag-Based Cost Allocation:
# Tagueamento obrigatório para análise de ROI Environment: Production/Staging/Development CostCenter: Engineering/Marketing/Finance RIEligible: true/false Owner: team-name # CloudWatch Dashboard personalizado por tag aws cloudwatch put-dashboard \ --dashboard-name RI-Efficiency \ --dashboard-body file://ri-dashboard.json
Considerações para Savings Plans
| Tipo | Desconto | Flexibilidade | Use case |
|---|---|---|---|
| Compute Savings Plans | Até 66% | EC2, Fargate, Lambda (qualquer região) | Arquiteturas cloud-native modernas |
| EC2 Instance Savings Plans | Até 72% | Família de instâncias específica | Workloads estáveis com tipo definido |
Cálculo de compromisso:
PASSO 1: Analise últimos 30-60 dias de uso Use AWS Cost Explorer, Savings Plans Recommendations PASSO 2: Identifique baseline consistente Piso de uso diário (exemplo: $50/dia = $1.500/mês compromisso) PASSO 3: Comece conservador (70-80% do baseline) Primeiro Savings Plan: $1.200/mês Monitore cobertura por 30 dias PASSO 4: Ajuste trimestralmente Adicione novos Savings Plans conforme crescimento Cancele apenas por não-renovação (não há cancelamento early)
Erro comum: comprar Savings Plans baseado em projeções de crescimento futuro resulta em underspending e perda de desconto. Melhor prática: base em dados históricos, adicione incrementalmente.
Melhores Práticas FinOps
Visibilidade completa: implemente AWS Cost Anomaly Detection + alertas automáticos via SNS/Slack para desvios acima de 15% vs baseline.
Revisão mensal de RI portfolio: analise utilization (abaixo de 80% é candidato a venda no Marketplace) e coverage (abaixo de 70% é oportunidade de compra).
Reserved capacity para RDS/ElastiCache: bancos de dados produção geralmente têm 90%+ uptime, RIs com 50-70% economia são no-brainer.
Automatize scheduling: use AWS Instance Scheduler para desligar dev/test environments fora do horário comercial, 65% economia adicional.
Establish showback/chargeback: dashboards por equipe/projeto criam accountability e incentivam otimização orgânica.
Da Teoria à Economia Mensurada
A otimização financeira cloud não é projeto único, mas disciplina contínua:
Análise de baseline histórico (30+ dias de CloudWatch) antes de qualquer compra de RIs evita over-commitment e permite right-sizing prévio
Estratégias híbridas (RIs para baseline + Savings Plans para variável + Spot para batch) entregam 60%+ de economia vs On-Demand puro
Governança via tags e dashboards por centro de custo cria accountability que sustenta otimização orgânica
A Infomach implementa práticas FinOps estruturadas em migrações cloud e ambientes existentes, com análise de workloads, recomendações personalizadas de purchasing strategy e dashboards de monitoramento contínuo. Nossos clientes AWS alcançam ROI médio de 28% de redução de custos nos primeiros 90 dias, com otimização progressiva chegando a 55% em 12 meses através de revisões trimestrais de RI portfolio e automação de scheduling.
Quanto sua empresa está deixando na mesa por falta de estratégia FinOps? Uma análise de 30 dias de sua infraestrutura AWS pode revelar oportunidades de economia equivalentes a meses de budget desperdiçado.
