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

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

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。对于所有剩余实例，我们要求 CloudWatch 获取过去 14 天的最大 CPU 利用率数据、内存利用率（如果启用） in/out、网络、本地磁盘输入/输出（I/O）以及附加 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

我们查看实例过去 14 天的最大 CPU 利用率以执行下列评估：

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

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 AWS Auto Scaling 群组的实例类型。

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存在 CPU-intensive 或是否呈现每日模式。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，为特定工作负载的最佳 AWS 计算资源提出建议。

节省额计算

我们首先检查过去 14 天内运行的实例，以确定它是否部分或全部由注册回报计划或储蓄计划承保，或者是否正在运行 On-Demand。其他因素包括 RI 是否具有灵活大小。运行实例的成本是根据实例类型的 On-Demand 小时数和费率计算的。

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。预计节省的费用是根据 On-Demand 运行时数和 On-Demand 费率差异计算得出的。如果 RI 的大小不灵活，或者新实例属于不同的实例系列，则预计节省的费用将基于新实例在过去 14 天内是否运行过。On-Demand

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。

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。