Fatura e impostosComunidade
Nível de dificuldade: Intermediário (3 de 5)
Correção de custo na AWS só sobrevive se entrar no Terraform, não no console
O resize que não durou três semanas
Um post publicado pela CloudBudgie na comunidade DEV conta um cenário que qualquer time que opera AWS em produção já viveu. Alguém encontra uma instância m6i.2xlarge rodando muito abaixo da capacidade, redimensiona para m6i.xlarge direto no console e economiza cerca de 140 dólares por mês. Três semanas depois, um colega roda terraform apply para uma mudança sem relação nenhuma com aquilo, e o plano traz uma linha a mais: instance_type = "m6i.xlarge" -> "m6i.2xlarge", perdida no meio de outras dezenas. Ninguém percebe, o apply segue, e a instância (e a fatura) voltam ao tamanho antigo.
A CloudBudgie resume o problema numa frase que vale repetir:
Um ajuste que só existe no console é um ajuste com prazo de validade.
A fix that only exists in the console is a fix with an expiry date.CloudBudgie, post na comunidade DEV
Por que o Terraform desfaz o que você mudou no console
Se a infraestrutura é descrita em Terraform ou CloudFormation, o código é a fonte da verdade, não o recurso rodando. Mudar algo fora do código não é uma correção: é drift de configuração, a divergência entre o que o state (ou a stack) descreve e o que está de fato no ar.
Com Terraform, o próximo apply resolve essa divergência a favor do código: se o .tf ainda diz m6i.2xlarge, é para m6i.2xlarge que o recurso volta. Com CloudFormation, a stack simplesmente passa a descrever algo que não existe mais daquele jeito, e a detecção de drift (documentada pela própria AWS em Detect unmanaged configuration changes to stacks and resources) vai sinalizar a discrepância, mas não corrige nada sozinha.
Para quem desenha ambiente multiconta com Organizations e várias equipes compartilhando módulo, isso é familiar: a verdade nunca é o console, é o repositório. Economia de custo não foge à regra. Enquanto o instance_type não for trocado no .tf e passar por pull request, review e merge, a economia é temporária, por mais real que pareça no dashboard de FinOps.
O backlog que ninguém assume
Uma revisão de custo em algumas contas AWS não produz uma mudança, produz dezenas: instância superdimensionada, log group do CloudWatch sem retenção configurada, bucket S3 acumulando multipart upload incompleto, repositório ECR sem lifecycle policy. Cada um mora num repositório diferente, de um time diferente.
Nenhuma dessas correções é tecnicamente difícil, mas cada uma pede o mesmo roteiro:
- Achar o recurso no código
- Fazer a mudança
- Validar que não quebra nada
- Abrir pull request
- Levar para review
Multiplicado por dezenas de recursos espalhados em repositórios distintos, isso vira um backlog sem dono. O caminho de menor resistência é clicar no console de novo, e o ciclo recomeça.
Como a correção fica no código na prática
Para o caso em que o recurso é gerenciado por Terraform ou CloudFormation, a CloudBudgie oferece o BudgieBot: ele transforma recomendação de economia em pull request validado, sem ninguém escrever o diff à mão. Existem três modos de uso, segundo o post: aprovação individual por recomendação, aprovação em lote (até 50 recomendações do mesmo tipo, agrupadas por repositório) e política de automação sem clique para uma lista curta de otimizações de baixo risco, como liberar Elastic IP não usado, remover volume EBS não anexado e ajustar a retenção de log do CloudWatch (com Preview Mode para ver o efeito antes de ligar de verdade).
O diff que o bot propõe para o caso da instância é exatamente o que um engenheiro escreveria:
resource "aws_instance" "application" {
ami = var.ami_id
- instance_type = "m6i.2xlarge"
+ instance_type = "m6i.xlarge"
tags = {
Name = "application-server"
}
}Antes de abrir o PR, o bot roda um conjunto de validações: terraform fmt nos arquivos que já estavam formatados (para não reformatar o que não tocou), terraform init -backend=false para inicializar sem conectar ao backend de state configurado, e terraform validate para checar a sintaxe. No caso de CloudFormation, a checagem equivalente é cfn-lint nos templates afetados. Essas validações sintáticas não substituem a análise de impacto: nem terraform validate nem cfn-lint dizem se a instância menor aguenta o pico de tráfego de segunda-feira, nem garantem que o deploy vai passar sem incidente. Isso continua sendo julgamento de engenharia, não automação.
| Correção no console | Correção via pull request (BudgieBot) | |
|---|---|---|
| Onde fica registrada | Só no estado real do recurso | No repositório, versionada |
| Sobrevive ao próximo deploy | Não, se o código não mudar | Sim, uma vez mergeada |
| Passa por review | Normalmente não | Sim, branch protection e CI de sempre |
| Exige saber Terraform | Depende de quem mexe | Não, para quem só aprova a recomendação |
Os limites que valem a pena notar
A CloudBudgie é explícita sobre o que o BudgieBot não faz: ele não tem permissão irrestrita para alterar infraestrutura AWS como parte do fluxo de IaC, nunca faz merge dos próprios pull requests, e o PR automático sem revisão humana fica restrito à lista curta de otimizações de baixo risco. Nem toda recomendação de otimização da ferramenta suporta remediação via IaC; para o que não está em código, o caminho ainda é a remediação direta por API.
Isso importa porque instance_type em configuração real raramente é um valor solto: vem de variável, módulo compartilhado ou arquivo .tfvars. Quando a mudança mexe num valor usado por outros recursos, o pull request precisa deixar isso visível, porque é exatamente o tipo de diff que parece pequeno e não é. Um PR de otimização de custo que silenciosamente refatora rede ou reorganiza módulo é o oposto do que se quer de automação confiável.
Para quem fecha a fatura, o que muda
Quem reconcilia a fatura da AWS no fim do mês, bate os números contra o centro de custo e responde pelo imposto sobre a nota de serviço na cloud, costuma olhar para o percentual de economia reportado no dashboard de FinOps como se já fosse fato consumado. Esse post lembra que não é: economia em dashboard é estimativa até virar linha de código mergeada e sobreviver a um deploy.
Na prática, vale pedir ao time de engenharia o status real da recomendação, não só o valor projetado: PR aberto, PR revisado, PR mergeado, ou ainda pendente no backlog. Para arquitetos e times de DevOps/SRE que já tratam Terraform como fonte de verdade e drift como incidente a ser detectado (não ignorado), a lição central do material é simples e nada nova em espírito, só pouco praticada em escala: toda economia de custo é, antes de mais nada, um pull request que ainda não foi mergeado.
Fonte: DEV Community — #aws
Serviços neste textoFatura e impostos
Leve para a sua IA
Decida com o seu assistente, com o contexto deste texto já montado.
1. O que você quer saber
Ver o prompt
Li no AWS Hub: "Correção de custo na AWS só sobrevive se entrar no Terraform, não no console" (https://awshub.com.br/comunidade/correcao-de-custo-na-aws-so-sobrevive-se-entrar-no-terraform-nao-no-console). Resumo: Resize de instância feito direto no console da AWS é revertido no próximo terraform apply sem ninguém perceber. Um post da CloudBudgie na comunidade DEV explica por que a correção precisa virar pull request, não clique. Serviços: Fatura e impostos Minha stack: [descreva em uma linha: serviços, linguagem, volume, região] Isso muda alguma coisa na minha arquitetura? O que eu faria diferente a partir de amanhã?