本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 了解大小优化建议计算
<a name="understanding-rr-calc"></a>

此部分提供了在规模优化建议算法中使用的节省计算方法的概述。

## 整合账单系列
<a name="consolidated-fam"></a>

为识别整合账单系列中所有账户的所有实例，规模优化建议会查看各个账户过去 14 天的使用情况。如果实例已停止或终止，我们将不再考虑它。对于所有剩余的实例，我们调用 CloudWatch 以获取最大 CPU 使用率数据、内存利用率（如果启用in/out, local disk input/ output (I/O）、网络）以及过去 14 天内连接的 EBS 卷的性能。这是为了提出保守的建议，而不是建议可能会损害应用程序性能或者对性能产生意外影响的实例修改。

## 确定实例为空闲、未充分利用还是两者都不是
<a name="determine-status"></a>

我们查看实例过去 14 天的最大 CPU 利用率以执行下列评估：
+ **Idle（空闲）**– 最大 CPU 利用率等于或低于 1%。此时将生成终止建议并计算节省额。有关更多信息，请参阅 [节省额计算](#savings-calc)。
+ **Underutilized（未充分利用）**– 如果最大 CPU 利用率超过 1%，并且可以通过修改实例类型来节省成本，则会生成修改建议。

如果实例既不空闲也不是未充分利用，我们不生成任何建议。

## 生成修改建议
<a name="generating-mod"></a>

这些建议使用机器学习引擎来确定特定工作负载的最佳 Amazon EC2 实例类型。实例类型包括属于 Amazon Auto Scaling 组的实例类型。

推荐引擎分析工作负载的配置和资源使用情况，以识别数十个定义特征。例如，它可以确定工作负载是否为 CPU 密集型，或者它是否表现出每日模式。推荐引擎分析这些特性，并确定工作负载需要的硬件资源。

最后，它总结了工作负载在各种 Amazon EC2 实例上的执行情况，以便为特定工作负载的最佳 Amazon 计算资源提供建议。

## 节省额计算
<a name="savings-calc"></a>

首先，我们检查过去 14 天中运行的实例来确定 RI、Savings Plans 或按需运行是否部分或全部涵盖了这些实例。其他因素包括 RI 是否具有灵活大小。运行实例的成本根据按需时数以及实例类型的费率来计算。

对于每个建议，我们计算操作新实例的成本。我们假设，如果新实例位于相同的实例系列中，则大小灵活的 RI 采用与以前的实例相同的方式覆盖新实例。根据按需运行时数和按需费率的差异计算估计节省额。如果 RI 不具备灵活的大小，或者如果新实例位于不同的实例系列中，则根据是否在过去 14 天内以按需方式运行了新实例来计算估计节省值。

Cost Explorer 仅提供估计节省额大于或等于 0 美元的建议。这些建议是 Compute Optimizer 结果的子集。有关可能导致成本增加的更多基于性能的建议，请参阅 [Compute Optimizer](https://www.amazonaws.cn/compute-optimizer/)。

您可以选择查看考虑或不考虑 RI 或 Savings Plans 折扣的节省。建议默认考虑两种折扣。考虑 RI 或 Savings Plans 折扣可能会导致一些建议显示的节省值为 0 美元。要更改此选项，请参阅[使用规模优化建议](rr-use.md)。

**注意**  
规模优化建议不会捕获规模优化的二阶效应，例如得到的 RI 时数可用性以及它们如何应用到其他实例。计算中不包括基于 RI 时数重新分配的潜在节省额。