ある企業のインフラチームは、AWS上でさまざまなインスタンスタイプ・ファミリーのEC2インスタンスを200台管理しています。先月のコスト分析で次の問題が判明しました。 ・多くのインスタンスのCPU使用率が10%未満 ・メモリ使用率のデータがないため、インスタンスタイプの最適化判断が困難 ・手動でのインスタンスレビューに多大な工数がかかっている 最少の運用負荷で、EC2インスタンスのコストを最大限に最適化するためのアプローチとして最も適切なものはどれですか？
AWS Compute Optimizer は機械学習を使用して最大14日間（オプションで最大3ヶ月）の利用状況を分析し、EC2インスタンスの最適なインスタンスタイプを推薦します。CloudWatchエージェントでメモリメトリクスも収集することで、CPUだけでなくメモリも考慮した精度の高い推薦が得られます。Graviton（ARM64）インスタンスへの移行推薦も含まれ、さらに最大20%の追加コスト削減が可能です。EBS・Lambda・Auto Scalingグループも同時に最適化できます。 選択肢AのCloudWatchダッシュボード は手動分析が必要で200台規模では非効率であり、推薦機能がないため最適なインスタンスタイプを判断できません。 選択肢BのCost Explorerのリソース最適化推薦 はダウンサイジング推薦を提供しますが、Compute Optimizerほど詳細なML分析（複数メトリクス統合・Graviton推薦・インスタンスファミリー変更の最適化）は行えません。 選択肢DのTrusted Advisor のEC2チェック はCPU使用率のみを基準とした簡易チェックであり、最適なインスタンスタイプへの具体的な移行推薦やメモリを考慮した精度の高い分析は提供しません。