Blog · FinOps · · 6 min de lecture
Aurora I/O-Optimized : le calcul à faire avant de basculer
I/O-Optimized supprime la facture d’I/O d’Aurora, mais majore le calcul et plus que double le stockage. La règle des 25 % ne suffit pas : il faut faire le calcul cluster par cluster, et le juger au bon niveau.
Aurora propose deux types de stockage, réglés cluster par cluster. En Standard, chaque opération d’I/O est facturée, autour de 0,20 $ par million. En I/O-Optimized, les I/O sont incluses, mais le calcul coûte environ 30 % plus cher et le stockage 125 % plus cher.
La bascule se fait en ligne, sans interruption. La documentation AWS donne une règle simple : passer en I/O-Optimized quand l’I/O dépasse 25 % de la facture Aurora. Nous l’avons appliquée à plusieurs parcs, et elle ne suffit pas.
Aurora Standard
Calcul au tarif de base
Stockage au tarif de base
I/O facturées à l’unité
Coût proportionnel à l’activité
Aurora I/O-Optimized
Calcul majoré d’environ 30 %
Stockage majoré de 125 %
I/O incluses
Coût prévisible, plus lourd au repos
La formule de break-even
L’écart mensuel d’une bascule, à partir de la facture Standard, s’écrit :
Δ = 0,30 × calcul + 1,25 × stockage − I/O
Un Δ négatif est une économie. La bascule est donc rentable quand l’I/O dépasse 30 % du calcul plus 125 % du stockage.
La règle des 25 % suppose que le calcul domine la facture. Dès que le stockage pèse, elle se trompe. Prenons un exemple fictif, en Aurora Serverless v2, avec les prix unitaires que nous avons relevés en eu-central-1 (0,140 $ l’ACU-heure en Standard contre 0,190 $ en I/O-Optimized, 0,119 $ le Go-mois contre 0,268 $, 0,22 $ le million d’I/O). Sur l’ACU, la majoration réelle atteint près de 36 %, pas 30 % : utilisez toujours vos prix unitaires plutôt que les pourcentages ronds.
| Exemple : 2 000 ACU-h, 300 Go | Standard | I/O-Optimized |
|---|---|---|
| Calcul | 280 $ | 380 $ |
| Stockage | 36 $ | 80 $ |
| I/O (600 millions) | 132 $ | inclus |
| Total | 448 $ | 460 $ |
L’I/O représente ici près de 30 % de la facture. La règle des 25 % recommande de basculer, et la bascule coûterait plus cher. Avec 900 millions d’I/O par mois, le même cluster gagnerait une cinquantaine de dollars. La marge entre les deux est étroite, d’où l’intérêt de mesurer plutôt que d’estimer.
Trois cas où Standard gagne presque toujours
Les bases hors production qui se mettent en pause. Un cluster Serverless v2 qui descend à 0 ACU la nuit et le week-end ne coûte presque plus que son stockage. La majoration de 125 % s’applique alors à la quasi-totalité de la facture, pour rendre gratuites des I/O qui n’existent pas. En pratique, nous réservons I/O-Optimized à la production. Encore faut-il que la pause fonctionne : nous avons décrit pourquoi un writer Aurora peut refuser de dormir.
Les gros volumes. Au-delà de quelques centaines de gigaoctets, le surcoût de stockage pèse lourd. Et il n’est réduit par aucun engagement : les Savings Plans ne couvrent que le calcul.
Les clusters dont le calcul augmente. Une montée en charge ou une migration relève le calcul, donc la majoration de 30 %. Un cluster gagnant peut redevenir marginal. Le calcul se refait après chaque changement de charge.
Un piège s’ajoute sur les chaînes de rafraîchissement. Un restore de snapshot ou à un instant donné reprend le type de stockage de la source si le paramètre StorageType n’est pas fourni. Dès que la production passe en I/O-Optimized, chaque copie de recette qui en descend hérite du stockage majoré, sans que personne l’ait demandé. Passez --storage-type aurora au moment du restore plutôt que de corriger après : la modification est refusée sur un cluster arrêté, et le passage en I/O-Optimized n’est autorisé qu’une fois tous les 30 jours.
Mesurer sur 30 jours
Les trois termes de la formule se lisent dans CloudWatch, cluster par cluster :
- calcul :
ServerlessDatabaseCapacityen moyenne, par instance, writer et readers additionnés, puis convertie en ACU-heures ; - stockage : dernière valeur de
VolumeBytesUsed; - I/O :
VolumeReadIOPsetVolumeWriteIOPs. Malgré leur nom, elles comptent les I/O facturées par intervalle. Il faut donc les additionner, pas en faire la moyenne.
aws cloudwatch get-metric-statistics --namespace AWS/RDS \
--metric-name VolumeReadIOPs \
--dimensions Name=DBClusterIdentifier,Value=<cluster> \
--statistics Sum --period 3600 \
--start-time 2026-10-23T00:00:00Z --end-time 2026-11-22T00:00:00Z \
--query 'sum(Datapoints[].Sum)'
On applique ensuite la formule, on classe les clusters du Δ le plus négatif au plus positif, et l’on pilote sur le meilleur candidat avant de propager.
Le piège des Savings Plans
Depuis mars 2026, les Database Savings Plans couvrent Aurora : jusqu’à 35 % sur le calcul Serverless v2, environ 20 % en provisionné. Le calcul seulement, jamais le stockage ni l’I/O. Ils couvrent aussi I/O-Optimized : la remise est la même dans les deux modes.
Le piège vient de la lecture de la facture. Standard et I/O-Optimized sont deux types d’usage distincts. Après une bascule, le Savings Plan peut cesser d’être imputé au cluster basculé, et son ACU apparaît au plein tarif. Le coût attribué au cluster monte, et l’on conclut que le levier s’est retourné.
C’est faux quand le Savings Plan est saturé. Un Savings Plan est un engagement en dollars par heure. Si d’autres ressources éligibles restent non couvertes, la remise que le cluster ne reçoit plus se reporte aussitôt sur elles. Le coût total ne bouge pas de ce fait : seule l’attribution se déplace.
Deux règles en découlent :
- Raisonner en coût marginal. Avec un Savings Plan saturé, chaque ACU-heure supplémentaire se paie au tarif à la demande, dans les deux modes. L’écart pertinent est celui des tarifs à la demande.
- Appliquer la majoration sur le calcul au tarif à la demande, jamais sur le montant remisé. Partir du montant après remise fait apparaître un surcoût fantôme.
Pour vérifier, reconstruisez la facture à partir des quantités et des prix unitaires, puis comparez-la au Cost Explorer. Les prix unitaires réels se lisent en divisant le coût amorti par la quantité, par type d’usage et par type d’enregistrement :
aws ce get-cost-and-usage \
--time-period Start=2026-10-01,End=2026-11-01 --granularity MONTHLY \
--metrics AmortizedCost UsageQuantity \
--filter '{"Dimensions":{"Key":"SERVICE","Values":["Amazon Relational Database Service"]}}' \
--group-by Type=DIMENSION,Key=USAGE_TYPE Type=DIMENSION,Key=RECORD_TYPE
Quand la reconstruction colle à la facture, décomposez la variation observée : gain réel de la bascule, remise réallouée ailleurs, variation de charge, sauvegardes. Sur un cas réel, cette décomposition a montré une économie pour l’organisation là où la vue par ressource affichait une hausse.
Ce raisonnement vaut au-delà d’Aurora. Migration Graviton, changement de famille d’instances, passage du provisionné au serverless : dès qu’un Savings Plan ou une réservation saturés sont dans le décor, le coût par ressource devient un mauvais juge.
En pratique
- Calculez Δ cluster par cluster, sur 30 jours de métriques, plutôt que d’appliquer la règle des 25 %.
- Gardez Standard pour le hors production et les gros volumes.
- Déclarez le type de stockage dans le code, en option par cluster (
storage_type = "aurora-iopt1"), et passez-le explicitement à chaque restore. - Jugez le résultat sur la facture de l’organisation.
Nous faisons ce travail dans nos missions de FinOps et d’exploitation AWS. Votre facture Aurora mérite un second regard ? Parlons-en.