AWS vs Azure vs GCP: 실제 클라우드 가격 비교
요약
AWS, Azure, GCP의 클라우드 비용 구조를 단순 요율이 아닌 할인 모델과 약정 유연성 관점에서 비교합니다. 각 제공업체의 Savings Plans, Hybrid Benefit, Sustained Use Discounts의 특징을 분석하여 최적의 비용 효율을 찾는 방법을 제시합니다.
핵심 포인트
- AWS는 Savings Plans를 통해 인스턴스 유형 간 유연한 할인을 제공함
- Azure는 기존 라이선스를 활용한 Hybrid Benefit으로 비용 절감 가능
- GCP는 약정 없이도 자동 할인이 적용되는 Sustained Use Discounts가 특징
- 단순 사양 비교보다 프로세서 세대와 약정 구조를 고려한 비교가 필수적임
AWS, Azure, Google Cloud 중에서 선택하는 것은 단순히 가장 저렴한 시간당 요율을 고르는 문제가 아닙니다. 세 제공업체 모두 확장 가능한 컴퓨팅 (Compute), 스토리지 (Storage), 네트워킹 (Networking)을 제공하지만, 실제 차이점은 할인 구조가 어떻게 구성되어 있는지, 약정 (Commitment) 방식이 어떻게 작동하는지, 그리고 사용량이 변할 때 사용자가 얼마나 많은 리스크를 부담해야 하는지에서 나타납니다.
이 비교는 이러한 메커니즘, 즉 가격 모델 (Pricing models), 약정 유연성 (Commitment flexibility), 그리고 커버리지 (Coverage)와 활용도 (Utilization)를 고려했을 때
- AWS는 Reserved Instances (특정 인스턴스 패밀리 및 리전에 고정됨)와 Savings Plans (지출 기반, 인스턴스 유형 간 유연함)를 제공합니다. Savings Plans는 일반적으로 현대적인 워크로드(Workloads)에 더 실용적인 옵션입니다. 3년 약정 시 온디맨드 (On-demand) 대비 최대 72%의 할인을 받을 수 있습니다.
- Azure는 Reserved VM Instances와 Compute를 위한 Savings Plan을 제공합니다. 또한 Azure Hybrid Benefit도 보유하고 있습니다. 조직이 이미 Windows Server 또는 SQL Server 라이선스를 보유하고 있다면, 이를 적용하여 실질적인 컴퓨팅 요율을 낮출 수 있습니다. 이는 단순 요율 비교에서는 나타나지 않는, Microsoft 중심 기업들을 위한 가격 우위를 만들어냅니다.
- GCP는 약정 사용 할인 (Committed Use Discounts, 리소스 기반 또는 지출 기반)과 더불어, 약정 없이도 과금 월의 대부분을 실행하는 VM에 대해 자동으로 요율을 낮춰주는 Sustained Use Discounts를 제공합니다. 이는 독특한 점입니다. GCP는 활용도 기반 할인과 선택적인 장기 약정을 결합합니다.
Spot/Preemptible 용량은 세 곳 모두에 존재하지만, 약정의 대체재가 아닌 확률적 용량 (Probabilistic capacity)으로 취급해야 합니다. 할인율은 매우 높지만, 워크로드가 중단을 견딜 수 있어야 합니다.
Savings Plans가 Reserved Instances와 어떻게 다른지 이해하려고 한다면, 여기 AWS Savings Plans vs Reserved Instances: A Practical Guide에서 트레이드오프 (Tradeoffs)를 자세히 다루었습니다.
[
"동등한" 인스턴스가 항상 동등한 것은 아니다
모든 가격 비교에서 본능적으로 하는 행동은 4 vCPU, 16 GB RAM과 같은 사양을 맞춘 뒤 시간당 요율을 비교하는 것입니다. 이는 합리적인 시작이지만, 실제로 중요한 몇 가지 변수를 놓치게 됩니다.
프로세서 세대 (Processor generation)는 제공업체 내부 및 업체 간에도 차이가 있습니다. AWS는 Intel, AMD, 그리고 Graviton (ARM) 변형 모델을 제공합니다. Azure는 D-시리즈 세대를 특정 CPU 유형과 연결합니다. GCP는 Intel, AMD, 그리고 Google 맞춤형 프로세서를 지원합니다. vCPU 수가 일치하는 두 인스턴스라도 동일한 싱글 스레드 성능 (single-thread performance)이나 네트워크 처리량 (network throughput)을 제공하지 않을 수 있으며, 이는 더 저렴한 시간당 요율이 동일한 워크로드를 처리하기 위해 더 많은 인스턴스를 필요로 할 수 있음을 의미합니다.
지역별 가격 변동 (Regional pricing variance)은 세 플랫폼 모두에서 상당합니다. US-East에서는 더 저렴해 보이는 제공업체가 Europe-West에서는 더 비쌀 수 있습니다. 전 세계적으로 분산된 아키텍처의 경우, 지역 선택은 인스턴스 패밀리 (instance family) 선택만큼이나 중요할 수 있습니다.
과금 세분성 (Billing granularity)은 현대적인 AWS, Azure, GCP 인스턴스 전반에서 대체로 초 단위로 이루어지지만, 수천 번의 스케일링 이벤트 (scaling events)가 발생하는 탄력적 워크로드 (elastic workloads)에서는 반올림 동작이 누적될 수 있습니다.
부수적 비용 (Attached costs)인 블록 스토리지 (block storage), 네트워크 이그레스 (network egress), 로드 밸런서 (load balancers), 모니터링 (monitoring)은 컴퓨팅 비교에서 제외되는 경우가 많지만, 실제 워크로드 비용의 일부입니다.
클라우드 예산 관리 도구가 이에 어떻게 부합하는지에 대한 맥락은 AWS Budgets vs Cost Explorer: Key Differences Explained를 참조하세요.
약정 모델링 (Commitment Modeling): 실제 수치가 존재하는 곳
공개 가격 페이지는 온디맨드 (on-demand) 요율을 보여줍니다. 실제로 대부분의 프로덕션 환경은 온디맨드, 1년 약정, 3년 약정, 그리고 스팟 용량 (spot capacity)이 혼합된 형태로 운영됩니다.
경제적 결과는 두 가지, 즉 할인 폭 (discount depth)과 커버리지 비율 (coverage ratio)에 달려 있습니다.
커버리지 비율 (Coverage ratio) = 약정된 용량 / 대상 사용량
만약 500개의 인스턴스를 실행하고 약정이 그중 350개를 커버한다면, 커버리지는 70%입니다. 나머지 30%는 온디맨드로 실행됩니다.
혼합 요율 (Blended rate) = (커버된 사용량 × 할인 요율 + 커버되지 않은 사용량 × 온디맨드 요율) / 총 사용량
이를 구체화하기 위해, 연간 온디맨드 비용이 84만 달러인 500개 인스턴스, 24/7 운영, US-East 워크로드를 가정해 보겠습니다. 이때 1년 약정은 30% 할인, 3년 약정은 55% 할인이 적용됩니다:
- 100% 온디맨드 (on-demand): $840,000
- 50% 커버리지 (coverage), 1년 약정: ~$714,000 (~15% 절감)
- 75% 커버리지 (coverage), 3년 약정: ~$558,000 (~33% 절감)
- 85% 커버리지 (coverage), 3년 약정: ~$516,000 (~39% 절감)
핵심 요점: 85% 커버리지에서 55% 할인을 적용받을 경우, 전체 절감액은 55%가 아니라 39%가 됩니다. 커버리지 (coverage)는 할인율의 영향력을 배가시키거나 제한하는 역할을 합니다.
활용 위험 (Utilization Risk): 대부분의 비교에서 간과하는 변수
약정 (Commitments)은 안정성을 전제로 합니다. 하지만 워크로드 (Workloads)는 1~3년의 기간 동안 일정하게 유지되지 않습니다.
만약 500개의 인스턴스를 기준으로 약정을 구매했는데, 3년 차에 사용량이 420개로 감소한다면, 실제 수요의 88%에 대해서만 사용하면서 약정된 용량의 약 100%에 대한 비용을 지불하게 됩니다. 사용되지 않은 약정은 사라지지 않으며, 실제 절감액을 갉아먹는 매몰 비용 (sunk costs)이 됩니다.
이것이 바로 숙련된 FinOps 팀이 약정을 일회성 구매가 아닌 포트폴리오 (portfolio)로 취급하는 이유입니다. 실질적인 접근 방식으로는 1년 및 3년 약정의 사다리 타기 (laddering), 구매 날짜 분산, 지출 기반 (spend-based) 및 리소스 기반 (resource-based) 약정의 혼합, 그리고 완충 장치로서 일부 온디맨드 (on-demand) 노출을 유지하는 것 등이 있습니다.
질문은 "사용 가능한 가장 높은 할인율은 무엇인가?"에서 "불확실성 속에서 유효 비용을 최적화하는 커버리지 (coverage) 수준은 무엇인가?"로 전환되어야 합니다.
리스크 전가 모델 (The Risk Transfer Model)
시장의 최신 툴들은 저활용 위험 (underutilization risk)이라는 구조적 문제를 해결하기 시작했습니다. 역사적으로 약정이 충분히 사용되지 않을 경우, 그 비용은 고객이 전적으로 부담해야 했습니다. Usage.ai와 같은 플랫폼은 AWS, Azure, GCP 전반에 걸쳐 약정 자동화 계층 (commitment automation layers) 역할을 수행합니다. 이들은 지속적인 권장 사항 갱신, 커버리지 (coverage) 최적화를 처리하며, 일부 모델에서는 약정이 과다하게 구매되었을 경우 캐시백 (cashback)이나 보호 기능을 제공합니다. 이는 활용 위험 (utilization risk)의 일부를 엔지니어링 팀으로부터 분리해 줍니다.
이는 클라우드 가격 비교를 바라보는 방식이 더 넓은 관점으로 변화하고 있음을 반영합니다. 즉, 단순히 제공업체가 공시한 할인율의 문제가 아니라, 약정 (commitments)이 시간이 지남에 따라 얼마나 효과적으로 관리되는지의 문제입니다.
비용 차이를 실제로 유발하는 요인
엔터프라이즈 규모에서는 약정 (commitments)을 모델링하고 나면 AWS, Azure, GCP 간의 경제적 격차가 종종 좁혀집니다. 실질 비용 (effective cost)에서 더 큰 변동성이 발생하는 원인은 다음과 같습니다:
- 워크로드 (workload)의 어느 정도가 안전하게 커버되는가
- 활용도 예측 (utilization forecasts)이 얼마나 정확한가
- 아키텍처 (architecture) 변경 시 약정 (commitments)이 얼마나 유연한가
- 저활용 위험 (underutilization risk)을 내부적으로 흡수하는가, 아니면 도구 (tooling)를 통해 관리하는가
공시된 가격 (Published pricing)은 하나의 변수일 뿐입니다. 약정 전략 (Commitment strategy)과 운영 규율 (operational discipline)이 대개 더 큰 영향력을 발휘하는 레버 (levers)입니다.
여러분의 경험은 어떠셨나요? 제공업체 선택과 약정 전략 중 무엇이 실제 클라우드 청구서에 더 큰 영향을 미치나요?
여기에서 전체적인 분석 내용을 확인해 보세요 → Cloud Pricing Comparison: AWS vs Azure vs GCP (A Technical Cost Modeling Guide)
AI 자동 생성 콘텐츠
본 콘텐츠는 Dev.to AI tag의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기