云计算省钱：Airbnb 实战

MofCloud
FinOps
18 Feb, 2025

在全球旅行行业中，Airbnb（爱彼迎）绝对是绕不开的名字。自 2007 年成立以来，Airbnb 已扩展至全球 191 个国家和地区，拥有超过 700 万个房源，并累计接待了超过 15 亿次入住。每秒钟就有一位新客人在 Airbnb 上办理入住，平台上的 5 百万+ 房东每年创造着巨大的价值。Airbnb 在度假租赁市场中占据了 20% 的市场份额，为全球旅行者提供了前所未有的体验。2022 年，Airbnb 的年收入同比增长了 40%，达到了 84 亿美元，其全球用户数已超过 1.5 亿。这些惊人的数据足以证明，Airbnb 已经成为了全球旅行行业不可忽视的力量。

Airbnb 在云端的支出同样不容忽视。根据报道，Airbnb 计划到 2027 年，在 AWS 上的总支出将达到 12 亿美元，意味着每年大约有 1.5 亿美元用于运行平台的关键服务，包括支付、搜索、预订和消息传递等。值得注意的是，Airbnb 完全依赖于 AWS 这一公有云平台来支持其全球化运营的各个方面，确保数百万用户和房东能够顺畅地连接与互动。

Airbnb 的钱花在了哪里？

Airbnb 的云支出主要集中在以下几个领域：

计算与存储服务： Airbnb 使用 AWS 提供的强大计算能力，特别是在其 Amazon EC2 实例和 Amazon S3 存储上，支持平台上数百万的房源和数据处理。通过计算和存储服务，Airbnb 能够为全球用户提供及时的搜索结果和精准的房源推荐。
数据分析与机器学习： Airbnb 利用 AWS 的数据分析服务如 Amazon Redshift 和 AWS Lambda，处理来自全球的用户行为数据，为其个性化推荐引擎提供支持。此外，机器学习模型也帮助 Airbnb 预测价格波动、用户需求等，提高平台的整体运营效率。
服务的弹性与可扩展性： 随着 Airbnb 的业务迅速扩展，AWS 提供了灵活的 Auto Scaling 和 Elastic Load Balancing，确保平台在全球范围内始终保持高可用性。尤其是对于日常高峰时段，Airbnb 依赖这些服务来保证其应用的稳定性和响应速度。

总的来说，Airbnb 在 AWS 上的开销，除了承担日常运营的计算需求外，还投入了大量资金用于提升用户体验，特别是在搜索、支付和预订等核心业务功能上。

Airbnb 如何实现云成本优化

Step 1: 组建成本效率团队

在云计算的初期，Airbnb 并没有完全意识到云成本控制的重要性。随着业务的不断扩展，云成本逐渐成为公司关注的焦点。然而，面对庞大的云资源，如何找到真正的成本浪费点，并在不影响业务增长的前提下降低开支，成为了 Airbnb 待解决的问题。

于是，Airbnb 组建了一支 7 人的跨部门团队，专门“严密”监视云计算成本。这个团队的目标是建立一个完整的云成本管理系统，确保平台高效运行的同时，最大化降低不必要的支出。团队成员来自财务、工程、云架构等多个部门，他们的任务不仅是减少浪费，还要确保公司在云计算上的投资真正带来业务价值。

📍 效果：
团队成立后，Airbnb 终于拥有了完整的成本可视化系统，能够实时追踪云支出，并为后续优化制定明确的 KPI。仅在第一年，他们就成功削减了 15% 的云计算开销，节省了数千万美元。而这与马斯克目前在白宫推行的政府效率改革如出一辙：有了团队和 KPI，成本优化才能被一步步推进，而不是流于表面。

Step 2: 云成本监控与可视化 — 利用 AWS CUR

Airbnb 意识到要有效地管理云开销，必须拥有全面的可视化监控工具。为此，他们采用了 AWS Cost and Usage Report (CUR)，该工具为他们提供了详细的云资源使用和费用数据。通过 CUR，Airbnb 能够清晰地了解每项服务的花费，并识别出哪些服务的成本不成比例地高，从而找到优化的切入点。

CUR 的细致数据帮助 Airbnb 识别了无效或过度使用的资源，并确保团队能够及时调整策略，减少不必要的开销。通过这些实时的监控和报告，Airbnb 实现了对云成本的高效追踪和管理，最大限度地优化了开销。

📍 效果：
有了 AWS CUR 的支持，Airbnb 建立了一套完整的数据归因系统，可以准确地追踪每个团队、每个业务模块的云成本分布。例如，他们可以清晰地看到支付、搜索、预订、消息传递等核心业务的成本占比，并进一步优化关键支出项。此外，CUR 还帮助 Airbnb 发现了非生产环境（如测试和开发环境）中的云资源浪费，从而制定了更加精细化的资源管理策略。

Step 3: 采纳 AWS Saving Plans — 长期节省策略

在建立了全面的成本监控系统之后，Airbnb 进一步采取了 AWS Saving Plans，以优化计算资源的长期采购成本。Airbnb 依赖 Amazon EC2 实例来支持搜索、预订、支付和消息传递等核心服务，而 AWS Saving Plans 允许他们根据长期使用需求，以折扣价预订计算资源，从而降低整体云成本。

在实施 Saving Plans 之前，Airbnb 主要使用按需实例（On-Demand Instances），但这种模式的成本较高，且难以精准预测未来支出。因此，Airbnb 建立了一套集中的成本效率管理机制，由跨部门团队负责统一管理 Saving Plans 的采购，确保资源购买与实际业务需求相匹配，避免采购不足或浪费。

此外，为了最大化 Saving Plans 的利用率，Airbnb 采取了一系列措施：

定期监控 Savings Plan 的使用情况，确保预留资源被充分利用，减少 On-Demand 计算开销。
优化计算资源调度，当发现 Saving Plans 的利用率较低时，适当调整计算任务，确保资源利用最大化。
使用 3 年期可转换（Convertible）Saving Plans，以提高灵活性，使他们能够迁移到更新的 EC2 实例类型，而不会影响长期折扣。
与 AWS 保持紧密合作，在需求波动较大时进行调整，以避免过度采购或资源闲置。

📍 效果：

大部分 EC2 计算资源已被 Savings Plans 覆盖，显著降低了 On-Demand 实例的高额费用。
采购策略由中央团队统一管理，确保各业务团队的计算需求能得到优化匹配，避免资源浪费。
通过持续监测和调整，确保 Savings Plans 资源始终处于高利用率状态，最大化节省成本。
在业务需求发生变化时，能够灵活调整采购策略，确保计算资源既充足，又不过量。

过去，Airbnb 由于缺乏专门的成本优化团队，采购计算资源时往往依赖个别业务团队自行决策，导致资源分配不均，甚至出现采购过量或计算能力短缺的问题。如今，Airbnb 通过中央团队的统一管理，结合实时数据分析，精准预测计算需求，并确保 Savings Plans 采购始终匹配实际使用情况，实现了更高效的云成本管理。

Step 4: 资源优化 — S3 存储与数据生命周期管理

在云计算成本中，存储费用往往是一个容易被忽视但却占比不小的部分。Airbnb 经过成本归因（Tagging & Attribution）分析后发现，Amazon S3 长期以来一直是他们云支出中占比最高的部分之一。为了优化存储成本，他们采取了一系列措施，包括数据存储分层、数据生命周期管理、删除无效数据等方式，以实现显著的成本节省。

具体优化措施包括：

优化存储分层：Airbnb 依据数据访问模式，合理选择 S3 Intelligent-Tiering 和 S3 Glacier，将不常访问的数据转移到成本更低的存储层级，从而降低存储费用。
数据生命周期管理：设定数据保留策略（Data Retention Policies），自动将旧数据归档或删除，减少无用存储开销。
清理无效存储：Airbnb 清理了未使用的数据仓库存储，删除了长期闲置但仍然产生费用的数据，进一步优化了存储利用率。
合理选择存储层级：通过深入分析，Airbnb 发现存储层级的选择并非仅考虑价格，还需考虑文件大小和访问模式。例如，虽然 S3 Glacier 的存储成本比 S3 标准存储低 90%，但由于 S3 每个存入 Glacier 的对象都会额外存储 32KB 数据在 S3 Standard，如果存储大量小文件，反而会增加额外的费用。因此，Airbnb 在存储归档数据时，更加谨慎地选择最合适的存储层级，而不是仅仅追求最低价格。

📍 效果：

S3 存储成本减少 27%，成为 Airbnb 云成本优化的一大亮点。
数据分类与归档管理帮助 Airbnb 减少了无效存储开销，提高了整体数据管理效率。
避免了 Glacier 额外存储开销，确保归档数据的存储策略真正节省成本，而非“看似便宜但隐藏成本更高”。

Step 5: 资源优化 — Amazon OpenSearch Service 成本优化

在大规模的云基础设施中，日志管理是至关重要的一环，它不仅支撑着应用监控、日志分析、网站搜索等关键功能，同时也可能成为一项高昂的开销。Airbnb 在优化存储与计算资源的同时，也对日志管理基础设施进行了深入优化。

Airbnb 采用 Amazon OpenSearch Service（原 Amazon Elasticsearch Service）进行交互式日志分析、近乎实时的应用监控以及站内搜索等任务。然而，随着 Airbnb 的业务增长，日志数据的存储量急剧上升，导致 OpenSearch Service 成本持续增加。为了降低成本，他们采取了以下优化措施：

采用 UltraWarm 存储：UltraWarm 是 Amazon OpenSearch Service 提供的一种经济高效的存储方式，专门用于存储只读数据。相比标准热存储（Hot Storage），UltraWarm 允许 Airbnb 以更低的成本存储大量历史日志，同时仍然能够满足查询需求。
优化日志存储策略：Airbnb 识别并清理了长期未访问的旧日志数据，并调整了日志保留策略，确保仅存储对业务分析和监控有价值的数据，进一步降低了存储成本。
提升日志查询效率：通过调整 OpenSearch Service 配置，Airbnb 优化了查询模式，减少了不必要的计算消耗，提高了日志查询的性价比。

📍 效果：

Amazon OpenSearch Service 成本减少 60%，显著降低了日志存储与查询的开销。
UltraWarm 存储方案减少了不必要的高性能存储占用，实现了存储成本与查询需求的平衡。
更精细的日志管理策略，确保 Airbnb 只为真正有价值的数据支付存储成本。

Airbnb 的云成本优化成果总结

经过一系列的优化措施，Airbnb 在云成本管理上取得了显著成效，成功打造了一种数据驱动、全公司参与的 FinOps 文化，实现了跨团队协作和资源优化。在过去的一年中，Airbnb 通过存储优化、计算资源优化、日志管理优化等策略，达成了以下成果：

27%的 S3 存储成本削减：通过数据分层存储、生命周期管理和无效数据清理，大幅降低了存储成本。
60% 的 Amazon OpenSearch Service 成本降低：采用 UltraWarm 存储，优化日志管理，减少非必要存储和计算成本。
更高效的计算资源管理：通过 AWS Saving Plans，优化 EC2 资源采购，降低了 On-Demand 成本，提高计算效率。
自定义的成本和使用数据分析系统：Airbnb 搭建了定制化的 Cost & Usage 数据管道，实现更精准的成本归因和优化策略。
云成本效率文化的建立：Airbnb 从组织架构上推动成本优化责任的分布化管理，让各业务团队能够自主优化云计算成本。

通过 9 个月，Airbnb 的云托管成本同比减少了 $63.5M，推动了公司 Cost of Revenue 下降 26%。这一优化成果主要得益于更精细的合同管理和第三方云服务的高效利用。

Airbnb 的成功经验：建立跨职能的 FinOps 文化

Airbnb 通过建立跨职能团队，将技术、数据分析和财务团队紧密结合，实现了云成本的精细化管理。这不仅仅是一个技术优化的问题，而是一个涉及全公司协作的系统工程：

建立核心 FinOps 团队：负责全局云成本优化战略，制定 KPI 和成本监控机制。
分布式责任制：不是所有优化都依赖中央团队，各业务团队都被赋能，负责自己的成本/收益权衡决策（Cost-Benefit Tradeoffs）。
持续优化与监控：通过实时云成本管理软件追踪云计算成本，并根据使用情况不断调整优化策略，确保成本控制始终与业务需求同步。

Airbnb 的经验表明，云成本优化不仅仅是“砍成本”，更是对云资源的高效利用和战略性管理。他们通过系统性规划、技术优化和组织变革，确保了在全球规模扩张的同时，仍然能够保持云计算支出的可控性和高效性。

如何让您的企业也像 Airbnb 一样优化云成本？- 让 Mof 云智能助手助您一臂之力！

Airbnb 的云成本优化之路证明了，成功的云成本管理不仅仅是削减开支，而是建立透明、可控、智能化的优化体系。然而，许多企业仍然面临以下问题：

缺乏实时成本监控，难以及时发现和优化高额开销点。
云成本归因不清晰，不同团队难以精准分摊成本，导致预算管理混乱。
优化依赖人工决策，缺少智能化建议，导致资源配置滞后或过度采购。

如果您的企业正在面临类似挑战，MofCloud 的云智能助手可以帮助您像 Airbnb 一样，实现智能化云成本管理，降低不必要的支出，同时保证业务的稳定增长。

Mof 云智能助手，让云成本管理更高效、更智能

✅ 实时云成本监控：通过精细化的成本监控系统，实时追踪云开销，确保您第一时间发现成本异常，避免超支。
✅ 精准成本分摊：通过智能成本归因，让每个业务团队清楚自己的云计算成本，优化资源分配，提高财务透明度。
✅ AI 驱动的优化建议（未来功能）：Mof 未来将引入 AI 自动优化，基于您的云使用模式智能推荐更优成本优化策略，如实例类型优化、存储分层建议、Spot 实例自动扩展等，让企业的云计算资源始终保持最优状态。

Airbnb 依靠强大的 FinOps 文化和技术策略，实现了数千万美元的云成本优化。现在，您可以借助 MofCloud 的智能账单，让您的企业也拥有同样的云成本管理能力。

📢 立即预约演示，体验 Mof 云智能助手，让您的云成本优化更智能、更高效！ 🚀