在 AWS 雲端平台中，運算資源是所有應用的基石。根據應用需求、成本考量與維運人力的不同，AWS 提供了多種運算選項，從最基礎的虛擬機到完全無伺服器的架構，都能靈活搭配。

想像一下，你要部署一個應用程式，但不想買實體伺服器。AWS 就像是一個超大的「雲端機房租賃公司」，提供各種不同規格的運算資源，並以開發者的角度來分享我的經驗。以下是五種主要的運算服務：

1. EC2（Elastic Compute Cloud）- 雲端虛擬主機

簡單理解： 就像在雲端租一台電腦，你可以完全控制它。

適合場景：

# 例如你有一個 Django 網站需要部署
# 在 EC2 上你需要：
sudo apt update
sudo apt install python3 nginx postgresql
pip install django
# 完全像在自己電腦上操作

實際例子：

• 需要運行特定版本的資料庫（如 PostgreSQL 12.5）
• 要安裝自定義的系統軟體
• 需要 GPU 運算（機器學習訓練）
• 長時間運行的服務（24/7 線上）

優缺點：

• ✅ 完全控制權，想裝什麼就裝什麼
• ✅ 可以選擇 Reserved Instance 節省長期成本
• ❌ 需要自己管理作業系統更新、安全性
• ❌ 需要自己處理負載平衡、自動擴展

2. ECS（Elastic Container Service）- 容器編排服務

簡單理解： 如果你會用 Docker，ECS 就是幫你管理多個容器的工具。

適合場景：

# 你的 Dockerfile
FROM node:22
COPY . /app
WORKDIR /app
RUN npm install
EXPOSE 3000
CMD ["npm", "start"]

# ECS 任務定義（類似 docker-compose）
{
  "family": "my-app",
  "containerDefinitions": [
    {
      "name": "web-server",
      "image": "my-app:latest",
      "memory": 512,
      "portMappings": [{"containerPort": 3000}]
    }
  ]
}

實際例子：

• 微服務架構（前端、API、資料庫各自獨立容器）
• 需要快速擴展的網站（自動增減容器數量）
• 多環境部署（開發、測試、正式環境用同一套容器）

3. Fargate - 無伺服器容器

簡單理解： 是一個讓你可以直接運行應用程式容器，而不用管理底層伺服器的雲端服務，但必須搭配其他服務使用。如EKS、ECS。

與 EC2 的差別：

# 傳統 ECS + EC2：你要管理
- EC2 instance 的規格選擇
- 作業系統更新
- 容器調度到哪台機器

# ECS + Fargate：你只需要定義
- 容器需要多少 CPU/記憶體
- 要跑幾個副本

實際例子：

• 定期執行的批次作業（每天凌晨處理資料）
• 流量不穩定的 API（白天忙碌，晚上閒置）
• 快速原型開發（不想花時間配置伺服器）

成本比較：

假設運行一個小型 API：
- Fargate：$0.045/小時（1 vCPU, 2GB RAM）
- EC2 t3.small：$0.0208/小時 + 管理時間成本
→ 如果你的時間很寶貴，Fargate 可能更划算

4. EKS（Elastic Kubernetes Service）- 企業級容器編排

簡單理解： 如果 Docker Compose 是玩具車，Kubernetes 就是聯結車。EKS 是 AWS 代管的 K8s。

什麼時候需要？

# 當你的應用複雜到需要這樣的配置時：
apiVersion: apps/v1
kind: Deployment
metadata:
  name: microservice-a
spec:
  replicas: 5
  template:
    spec:
      containers:
      - name: api
        image: my-api:v2.1
        resources:
          limits:
            cpu: 500m
            memory: 1Gi
---
apiVersion: v1
kind: Service
# ... 還有 ConfigMap、Secret、Ingress 等等

實際場景：

• 超過 20 個微服務需要協調
• 需要複雜的網路政策
• 多租戶環境（不同客戶隔離部署）
• 已經有 DevOps 團隊熟悉 Kubernetes

學習成本：

Docker 基礎 → ECS (學習曲線：1-2週)
Docker 基礎 → Kubernetes → EKS (學習曲線：2-3個月)

5. Lambda - 無伺服器函式（推薦入門）

簡單理解： 寫一個函式，AWS 幫你跑，用多少付多少。

經典例子：

# 一個處理圖片上傳的 Lambda 函式
import json
import boto3
from PIL import Image

def lambda_handler(event, context):
    # 當有圖片上傳到 S3 時觸發
    bucket = event['Records'][0]['s3']['bucket']['name']
    key = event['Records'][0]['s3']['object']['key']

    # 下載原圖，產生縮圖
    s3 = boto3.client('s3')
    # ... 圖片處理邏輯

    return {
        'statusCode': 200,
        'body': json.dumps('縮圖產生完成!')
    }

觸發方式：

• 📧 API 呼叫：GET /api/users → 執行查詢函式
• ⏰ 定時執行：每天凌晨 3 點備份資料庫
• 📁 檔案上傳：圖片上傳後自動產生縮圖
• 📱 訊息佇列：處理來自 SQS 的訊息

成本效益：

免費額度（每月）：
- 100萬次呼叫
- 400,000 GB-秒運算時間

實際例子：
- 小型 API（每天 1000 次呼叫）→ 幾乎免費
- 圖片處理服務（每月處理 50萬張）→ 約 $10-20
- 定時任務（每小時跑 5 分鐘）→ 約 $1-5

選擇建議流程圖

以下為我使用的經驗及想法

實戰建議

新手入門路線：

1. 第一步：用 Lambda 做一個簡單的 API
2. 第二步：學習 Docker，嘗試用 Fargate 部署
3. 第三步：了解 ECS，學習容器編排
4. 進階：根據需要選擇 EKS 或深入 EC2

避免的陷阱：

• ❌ 一開始就選擇最複雜的 EKS
• ❌ 用 EC2 部署簡單的靜態網站
• ❌ 沒有監控就上線（記得設置 CloudWatch）
• ❌ 忽略安全性設定（IAM 權限很重要）

大多數個人專案和小型應用，Lambda + 一些 AWS 託管服務（如 RDS、S3）就足夠了！