[reinvent 2025] Amazon Aurora 리소스 최적화 및 비용 절감 전략

들어가며

이번 세션은 Amazon Aurora의 비용 구조를 정확히 이해하고, 컴퓨트·스토리지·I/O 전반에서 실질적인 비용 절감 전략을 도출하는 데 집중한 chalk talk 형식의 세션이었습니다.

비용이 불필요하게 발생하는 실제 고객 사례를 바탕으로, “어디서 비용이 낭비되고 있는가”를 먼저 파악하고, 운영 패턴에 맞춘 최적화 접근법을 단계적으로 제시했습니다.

Aurora I/O Optimized, Graviton 기반 인스턴스, Serverless v2, NVMe 활용 D타입 인스턴스, Global Database 구성 등 Aurora 주요 기능들을 비용 효율 관점에서 재해석 해주는 실무 중심 세션이었습니다.

Aurora 비용 구조의 핵심

Aurora는 “사용한 만큼 지불”하는 On-Demand(온디맨드) 과금 모델이며, 전체 비용의 대부분이 컴퓨트(인스턴스/ACU) 와 스토리지(GB-month) 로 결정됩니다.

스토리지는 가용성을 위해 내부적으로 6개의 복제본을 유지하지만, 과금은 1개 기준이므로 내구성 대비 비용 효율성이 높습니다.

I/O, 백업, Global Database의 리전 간 데이터 전송(Data Transfer Out) 비용 등 추가 비용 요소가 존재하며, 어떤 항목이 어떤 조건에서 급증하는지가 실제 사례를 통해 설명되었습니다.

Aurora 비용 구조는 단순해 보이지만, 운영 패턴·쿼리 패턴·데이터 증가 속도에 따라 총 비용의 양상이 크게 달라질 수 있다는 점이 강조되었습니다.

컴퓨트 최적화(Graviton, 라이트사이징, Serverless, Auto Scaling)

가장 큰 비용 절감 효과를 기대할 수 있는 요소는 인스턴스 라이트사이징으로, 실제 운영 환경에서 CPU 10%대 활용률로 대형 인스턴스를 과도하게 사용하는 사례가 반복적으로 언급되었습니다.

Aurora Graviton(g class) 인스턴스는 x86(i class) 대비 최대 55% 높은 가격 대비 성능을 제공하며, 코드 수정 없이 전환할 수 있어 가장 즉시 적용 가능한 최적화 전략으로 소개되었습니다.

세션에서는 “Intel Writer → Graviton Reader 추가 → 검증 → Writer 승격” 방식의 단계적 전환 절차가 추천되었습니다.

또한 비정상적으로 큰 Reader를 고정 운영하기보다는 Read Replica Auto Scaling을 활용하여 피크 시간 외 인스턴스를 자동 축소하는 방식이 비용 절감에 효과적이라고 설명했습니다.

Serverless v2는 ACU 단위 자동 스케일링이 가능하지만, 스케일다운 구간이 충분하지 않은 워크로드에서는 오히려 비용이 증가할 수 있어 사전 패턴 분석이 필수라고 강조되었습니다.

스토리지 및 I/O 비용 최적화

Aurora 스토리지는 6개의 복제본을 유지하지만 하나의 복사본에 대해서만 과금되며, GB-month 기반 일할 계산으로 비용이 산정됩니다.

PostgreSQL에서 DELETE 후 공간이 즉시 해제되지 않는 현상은 VACUUM 프로세스와 관련이 있으며, 이로 인해 테이블 크기가 줄지 않고 스토리지 비용에 영향을 줄 수 있습니다.

I/O 비용은 월간 비용 변동성이 매우 높아 전체 청구액의 30~40%를 차지하는 경우가 많습니다.

이를 해결하기 위해 도입된 Aurora I/O Optimized는 I/O에 대한 별도 과금이 없어, 비용 절감 효과가 크게 향상되는 모델입니다.

대신 컴퓨트 비용 +25%, 스토리지 비용 +25%가 발생하지만, 고 I/O 워크로드에서는 최대 40% 절감 효과가 있다고 설명하고 있습니다.

백업·Global Database·Clone 기능 기반 비용 최적화

Aurora 자동 백업은 데이터베이스 크기와 동일한 범위까지 무료이지만, 지정된 보존 기간(1~35일)을 넘기면 변경분에 대한 비용이 발생합니다.

특히 보존 기간이 지난 수동 스냅샷이 그대로 남아 있으면 전체 용량 기준으로 과금되기 때문에 정기 점검이 필요합니다.

Aurora Global Database는 최대 11개 리전까지 확장 가능하며, DR 목적의 보조 리전은 Headless Cluster(스토리지만 유지) 형태로 운영하고, 장애 전환 시에만 필요한 인스턴스를 붙이는 방식이 가장 비용 효율적이라고 소개되었습니다.

Aurora Clone은 Copy-on-Write 방식으로 몇 분 내 생성 가능하며, 스토리지 비용만 발생합니다. 테스트·검증 환경에서 스냅샷 복원 대비 훨씬 효율적인 접근으로 소개 되었습니다.

비용 최적화 예시 분석

세션에서는 두 이미지를 활용해 Aurora 아키텍처 조정만으로 약 62% 비용 절감이 가능한 예시 시나리오를 설명했습니다.

워크로드 자체는 변경하지 않고, 인스턴스·스토리지·I/O 옵션 구성을 재설계해 성능을 유지하면서 비용을 크게 줄이는 접근입니다.

1. 인스턴스 타입 전환
   • Graviton 기반 r6gd로 전환하여 더 좋은 가격 대비 성능 확보
   • D타입 NVMe를 활용한 메모리 압박 완화 및 I/O 감소
2. Read Replica Serverless v2 전환
   • 피크 시간 외에는 auto scaling 되어 비용 자동 절감
   • 읽기 부하 변동성이 큰 워크로드에서 비용 절감 효과가 큼
3. I/O Optimized 적용으로 I/O 비용 절감
   • I/O 요청량 기반 과금 제거 -> 비용 예측성 확보
   • 6,000 USD -> 0 USD
4. 백업 스토리지 비용 효율화
   • 필요 이상의 백업 스토리지 10TB -> 1TB 축소
   • Auto backup / Manual backup 정책 재정비

결론

이번 세션은 Aurora 비용 구조를 이해하고 즉시 적용 가능한 최적화 전략을 배우는 데 초점을 둔 실무형 Chalk Talk이었습니다.

Graviton 전환, I/O Optimized, NVMe 캐싱, Auto Scaling, Serverless v2 등 핵심 기능들을 비용 예시와 비교 중심으로 설명해, 각 기술이 비용 절감에 어떤 영향을 주는지 직관적으로 파악할 수 있었습니다.

이를 통해 컴퓨트·스토리지·I/O 비용을 체계적으로 관리하며 워크로드 특성에 맞는 최적의 비용 구조를 설계하는 데 유용한 인사이트를 얻을 수 있었습니다.