Part 2: Amazon Bedrock cost attribution with Amazon Athena and CUDOS

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

CUR 2.0의 IAM 주체 데이터를 Amazon Athena와 CUDOS에서 활용하면 Amazon Bedrock 비용을 사용자·애플리케이션·태그·모델 사용 유형별로 귀속하고 비교할 수 있다.

📌 핵심 요약

• Amazon Bedrock는 각 추론 요청을 호출한 IAM 주체와 연결하며, CUR 2.0의 line_item_iam_principal 및 IAM 주체 태그로 사용자·애플리케이션·팀·프로젝트별 비용을 귀속할 수 있다.
• CUR 2.0에서 호출자 자격 증명 할당 데이터를 켜고 시간 단위를 시간별, 파일 버전 관리를 기존 보고서 덮어쓰기로 설정해야 하며 첫 보고서는 최대 24시간 뒤 전달될 수 있다.
• 호출자 데이터를 활성화하면 사용량 행이 IAM 주체별로 확장되어 CUR 파일과 Amazon S3 저장량이 늘 수 있으므로, 사용량이 많고 주체가 다양한 환경은 저장 공간과 수명 주기 정책을 고려해야 한다.
• Amazon Athena의 세 가지 SQL 패턴은 IAM 주체·사용 유형별 비용, 활성화된 iamPrincipal 태그별 비용, UNNEST를 이용한 미지 태그별 비용을 분석하며, CUDOS는 모델·사용 유형·토큰 100만 개당 비용을 사전 구축 시각화로 제공한다.
• 예시에서는 ChatApp이 Claude 4.6 Sonnet로 80달러를 넘게 쓰고 DocProcessor가 Nova Lite로 5달러 미만을 쓰며, Amazon Athena는 스캔 데이터 TB당 5달러와 쿼리당 최소 10MB 기준으로 과금된다.

🧩 주요 포인트

1. 호출자 데이터 활성화 → line_item_iam_principal이 비용과 실행 주체를 연결해 개인·서비스 수준의 비용 책임 범위를 구체화한다.
2. 고정 태그 집계와 UNNEST 탐색 → 알려진 조직 분류뿐 아니라 팀마다 다른 iamPrincipal 태그 스키마까지 비용 관점에서 발견할 수 있다.
3. ChatApp·DocProcessor 비교와 TB당 5달러 과금 → 모델·입출력 사용 유형의 비용 차이와 Amazon Athena의 데이터 스캔량을 함께 고려해야 한다.

🧠 상세 정리

1. 세분화된 비용 귀속의 출발점

이 글은 Part 1에서 소개한 Amazon Bedrock의 세분화된 비용 귀속 기능을 실제 분석 과정으로 연결한다. Amazon Bedrock는 각 추론 요청을 호출한 IAM 주체로 자동 추적하고, CUR 2.0의 line_item_iam_principal 열을 통해 사용자와 애플리케이션 단위의 지출을 드러낸다. IAM 주체에 비용 할당 태그를 붙여 활성화하면 팀·프로젝트·테넌트 단위로도 비용을 합산할 수 있어 Claude Code·Codex 같은 외부 도구와 자체 애플리케이션을 동일한 기준으로 다룰 수 있다. 이번 글의 범위는 IAM 주체 데이터가 포함된 CUR 2.0 준비, Amazon Athena SQL 분석, 조직 구조에 맞춘 사전 구축 시각화를 제공하는 CUDOS 활용이다.

2. CUR 2.0 분석을 위한 준비 조건

Amazon Bedrock 비용을 분석하려면 먼저 CUR 2.0 데이터 내보내기를 만들고 Amazon Athena에 연결해야 한다. 준비 항목에는 청구 콘솔에 접근할 수 있는 AWS 계정, Cost and Usage Reports·Amazon S3·Amazon Athena에 대한 IAM 권한, CUR 데이터를 저장할 Amazon S3 버킷이 포함된다. 표준 SQL과 AWS Management Console에 대한 기본적인 이해도 필요하며, 필요한 IAM 권한이 실제로 부여되었는지 확인해야 한다. 자동화된 설정을 원하는 경우 Claude Code 또는 Kiro-CLI를 선택적으로 사용할 수 있지만, 비용 귀속에 필수적인 기반은 CUR 2.0과 호출자 데이터 설정이다.

3. 호출자 데이터 설정과 저장량 영향

CUR 2.0 표준 데이터 내보내기의 추가 콘텐츠 항목에서는 호출자 자격 증명인 IAM 주체 할당 데이터를 반드시 선택해야 한다. 이 설정이 line_item_iam_principal 열을 채우고, iamPrincipal/ 접두사가 붙은 IAM 주체 태그를 비용 데이터에 노출하는 핵심 조건이다. 최대한 세밀한 분석을 위해 시간 단위는 시간별로 설정하고, 중복 데이터 저장을 피하려면 파일 버전 관리를 기존 보고서 덮어쓰기로 지정한다. 호출자 데이터를 켜면 하나였던 사용량 행이 기여한 IAM 주체별 여러 행으로 확장되므로 CUR 파일이 커질 수 있으며, 주체가 많은 고사용량 환경은 Amazon S3 용량과 오래된 파일의 수명 주기 정책을 고려해야 한다. 첫 CUR 2.0 보고서가 Amazon S3 버킷에 전달되기까지는 최대 24시간이 걸릴 수 있다.

4. Amazon Athena 연결과 초기 검증

Amazon Athena를 이용하면 별도의 쿼리 인프라를 관리하지 않고 표준 SQL로 CUR 데이터를 분석할 수 있다. 선택적 자동화 방법은 sample-cur-iam-principal-bedrock-tracking 저장소를 복제한 뒤 Claude Code나 Kiro-CLI에서 agent.md의 절차를 따라 CUR 연결과 당월 Amazon Bedrock 주체별 쿼리를 실행하는 방식이다. 같은 환경은 수동으로 설정할 수도 있으며, CUDOS를 함께 배포할 경우 AWS CloudFormation이 Amazon Athena 쿼리 데이터베이스도 구성한다. 초기 검증 쿼리는 AmazonBedrock와 AmazonBedrockService 제품 코드만 선택하고 line_item_iam_principal이 비어 있지 않은 행을 조회한다. 결과에 IAM 주체 ARN과 Amazon Bedrock 사용 유형이 나타나면 더 깊은 비용 분석을 수행할 수 있는 연결 상태가 갖춰진 것이다.

5. IAM 주체와 사용 유형별 비용 분석

첫 번째 쿼리 패턴은 line_item_iam_principal과 line_item_usage_type을 기준으로 사용량과 비혼합 비용을 합산해 누가 어떤 모델을 호출하고 얼마를 지출했는지 보여 준다. 조건에는 AmazonBedrock와 AmazonBedrockService 제품 코드, 현재 청구 월, 값이 존재하는 IAM 주체가 포함되며 결과는 총비용이 큰 순서로 정렬된다. line_item_usage_type에 Sonnet 출력 또는 nova 같은 LIKE 패턴을 적용하면 특정 모델과 입출력·캐시 사용 유형으로 분석 범위를 좁힐 수 있다. line_item_iam_principal에는 전체 ARN이 저장되며, 역할을 위임받은 호출에서는 마지막 슬래시 뒤의 세션 이름으로 구체적인 사용자나 실행 세션을 식별할 수 있다. 따라서 하나의 총액을 보는 대신 IAM 역할·세션·모델 사용 유형이 결합된 비용 구조를 확인할 수 있다.