DEVELOPER’s BLOG

技術ブログ

EC2・Fargateコスト最適化:Savings Plansとリザーブドインスタンスの使い分けガイド

2025.12.25 Momoka FUJIEDA
AWS
EC2・Fargateコスト最適化:Savings Plansとリザーブドインスタンスの使い分けガイド

  1. はじめに
  2. Savings Plansとリザーブドインスタンスの基本
  3. EC2とFargate(ECS/EKS)に対する割引プランの選び方
  4. まとめ

1. はじめに

EC2やFargate(ECS/EKS)を長期間運用する場合、Savings Plansやリザーブドインスタンスによる割引を適切に活用し、コストを抑えることが欠かせません。
本記事では、EC2・Fargate を対象に、Savings Plansとリザーブドインスタンスの基本を整理し、それぞれの特性を踏まえた割引プランの選び方を解説します。



2. Savings Plansとリザーブドインスタンスの基本

Savings Plansとは

EC2やFargateなどの複数のコンピューティングリソース全体の使用量に対し、割引が適用される仕組みです。
Billing and Cost Management(請求とコスト管理) から購入することができます。

使用後の料金に対して割引が適用されるのではなく、将来利用するコンピューティング使用量を事前に予測し、1時間あたりの使用量($)を「購入コミットメント」として設定することで割引が適用されます。

購入した使用量までは割引料金が適用され、超えた分はオンデマンド料金で請求されます。

(購入例)

Saving Plansの購入画面

EC2とFargateに関連するプランは下記の2つです。

■ Compute Savings Plans
EC2・Fargate を使用した料金全体に対して、割引が適用されます。
リージョンやインスタンスタイプ、OSを購入時に指定する必要はありません。

■ EC2 Instance Savings Plans
EC2の使用料金に対して、割引が適用されます。
リージョンとインスタンスファミリーを購入時に指定する必要がありますが、前述のプランと比べてより高い割引率が適用されます。


リザーブドインスタンスとは

EC2の画面から操作できる、購入オプションです。

リザーブドインスタンスは、購入時にインスタンスタイプ・リージョン・OS・期間を指定し、それに一致するインスタンスに対して割引が適用されます。

Savings Plansのように「時間単位($/時間)」での利用金額に対して割引が適用される仕組みとは異なります。

(購入例)
EC2 RIの購入画面

リザーブドインスタンスには、柔軟性と割引率のバランスによって2つのタイプが用意されています。

これらの上位にリージョナルリザーブドインスタンスとゾーンリザーブドインスタンスという区分もありますが、これは主にはスコープの違いによるものです。本記事ではリザーブドインスタンスとSavings Plansの比較に焦点を当てるため、説明は割愛します。

■ スタンダードリザーブドインスタンス
一度購入すると、インスタンスタイプやOSなどの変更が基本できません。
購入後に不要になった場合、マーケットプレイスに出品ができます。
柔軟性が低い反面、割引率は高いのが特徴です。

■ コンバーティブルリザーブドインスタンス
インスタンスタイプ・OS・テナンシーなど多くの属性を交換によって変更できます。
ただし、交換時にはオンデマンド料金ベースで、交換後のリザーブドインスタンスの総額が交換前と同等かそれ以上であることが前提条件となります。
また、交換は自動ではなく手動対応が必要となるため、柔軟性が高い反面、割引率は前述のプランと比べてやや低く設定されています。


購入期間と支払いオプションについて

EC2やFargateを長期間利用する場合、Savings Plansまたはリザーブドインスタンス等の活用が基本となります。

これらの割引プランでは、購入期間を 1 年または 3 年 から選択でき、 あわせて 支払い方法(全額前払い・一部前払い・前払いなし) を選ぶことが可能です。

一般的に、購入期間が長く、前払い額が多いほど割引率は高くなります。
そのため、3 年かつ全額前払いを選択した場合が、最も割引効果が高くなります。



3. EC2とFargate(ECS/EKS)に対する割引プランの選び方

下記のフローチャートを参考に割引プランを決定します。

RI・SPのフローチャート図


購入時の計算はリザーブドインスタンスが容易

リザーブドインスタンスはインスタンスタイプなどを直感的に選択するだけで購入できるため、
手続きが比較的簡単というメリットがあります。

一方で、Savings Plansは、どのリソース(EC2・Fargate・Lambda)で、どの程度のvCPU・メモリをどれくらいの時間使用するかを見積もる必要があるため、購入時に入力する購入コミットメントの計算がやや複雑です。

例えば、Fargate2台が下記の設定で常時稼働しているケースを想定します。


  【 Fargate(ECS)】

  ■ リージョン:東京
  ■ タスクサイズ: vCPU:1、メモリ:2GB
  ■ 常時稼働タスク数:2タスク
  ■ 稼働時間:24時間/日

上記の例におけるオンデマンド料金は、以下のとおりです。

 
 vCPU:$0.05056 / vCPU・時間
 メモリ:$0.00553 / GB・時間

1タスクあたりの時間単価は、

 
 vCPU:1 × $0.05056  = $0.05056
 メモリ:2 × $0.00553 = $0.01106
 -----------------------------------
 合計 ≒ $0.061 / 時間

よって2タスク分の利用額は、

 
 $0.061 × 2 = $0.122 / 時間
 

だとわかります。

この値から、
将来のタスク減少を考慮し、購入分の未消化リスクを抑えたい場合は、70%程度の $0.085 / 時間
タスクが安定して稼働する見通しなら、90%程度の $0.11 / 時間

このように予測・計算した値を購入コミットメントとします。


柔軟性の観点では Savings Plansが有利

Savings Plansはインスタンスタイプやリージョン、OS に縛られず使えるため、リザーブドインスタンスより柔軟性が高いです。

そのため、購入後にコンピューティングリソース構成の変更が見込まれる場合には、まずはSavings Plansを選択しておくのも有効な方法です。



4. まとめ

以上の流れを参考にしていただくことで、EC2やFargateのどちらの場合も、迷わず割引プランを選択することができます。

※ FargateにSavings Plansを適用した際の費用の見積もりは、こちらの記事で解説しています。

弊社では、Savings Plans / リザーブドインスタンスの購入提案を含めたコスト削減のご提案も承っております。
お気軽にお問い合わせください。




X(旧Twitter)・Facebookで定期的に情報発信しています!

関連記事

踏み台EC2からセッションマネージャーへの移行の推奨

はじめに 踏み台EC2の課題 セッションマネージャーを使用した構成 セッションマネージャーの利点 まとめ はじめに アプリケーションEC2への接続手段として、従来は「踏み台EC2(Bastion Host)」を構築してSSH接続する方法が一般的でした。 しかし、現在はその手法は必ずしも効率的とは言えなくなっています。 現在はAWS Systems Manager Session Manager(SSM セッションマネージャー)を利用す

記事詳細
踏み台EC2からセッションマネージャーへの移行の推奨
AWS
SRE:AWSのインフラ費用削減の進め方紹介

目次 はじめに 進め方概要 ステップ① コスト削減 コスト最適化支援 施策実施 ステップ② 継続運用の体制を構築 運用設計支援 監視基盤構築 AWS Cost Anomaly Detection とは ステップ③ 予防処置の体制を構築 運用設計支援 AWS Budgets とは AIを活用した予兆検知基盤構築 おわりに はじめに みなさんこんにちは。インフラエンジニアの伊達です。 やはり何事もコストは最小限で済ませたいものですよね。 システムは大きな問題も

記事詳細
SRE:AWSのインフラ費用削減の進め方紹介
AWS SRE
AWSのインフラコスト見積もりでの「この値なに?」をちょっと解説(AWS Fargate編)

目次 はじめに AWS Fargateの選択・入力項目 ・説明 ・ロケーションタイプを選択 ・リージョンを選択 ・オペレーティングシステム ・CPUアーキテクチャ ・タスクまたはポッドの数 ・平均期間 ・割り当てられたvCPU の量 ・割り当てたメモリ量 ・Amazon ECS に割り当てられたエフェメラルストレージの量 まとめ はじめに AWSのインフラコスト見積もりでおなじみのAWS Pricing Calculator、 リストから選択あるいは値を入

記事詳細
AWSのインフラコスト見積もりでの「この値なに?」をちょっと解説(AWS Fargate編)
AWS
分析は、会話でできる─AIエージェントで変わる顧客データの使い方

はじめに:顧客データ活用が進まない AIエージェントを利用した顧客データ活用環境(Amazon Bedrock) AIエージェントで顧客データを分析する まとめ:スモールスタートで始める顧客データ活用 1.はじめに:顧客データ活用が進まない 「顧客データをもっと活用したい」という声をよく耳にします。購買データ、会員データ、来店履歴、キャンペーンの反応率など、日々さまざまなデータが蓄積されていますが、それらを活用して顧客理解を深め、顧客体験

記事詳細
分析は、会話でできる─AIエージェントで変わる顧客データの使い方
AWS 生成AI

お問い合わせはこちらから