2. 云账单数据解剖

做云成本分摊与Showback，第一步不是写分摊规则，而是把账单“读对”。三大公有云的原始账单在结构、粒度、字段命名和交付方式上差异很大：AWS CUR 是列式明细、Azure Cost Details 是行式明细、GCP Billing Export 是带标签的宽表。如果对字段含义理解偏差，后续按标签、按项目、按资源的分摊结果就会整体失真。本节先建立“账单解剖”的统一视角，再逐家拆解关键字段与常见数据质量问题。

一、先建立统一视角：账单的四个维度

无论哪家云，账单明细都可以用四个维度来定位一条记录：时间维度（计费周期、使用起止时间）、资源维度（资源ID、资源类型、区域）、归属维度（账号、订阅、项目、标签）、金额维度（用量、单价、费用、币种、抵扣）。分摊工程真正依赖的是“归属维度”和“金额维度”的交叉：只有把每条费用准确挂到某个成本中心或业务单元，Showback 才有意义。

需要特别区分三类金额：List Cost（标价）、Effective Cost（实际成本）、Amortized Cost（摊销成本）。标价是未打折的目录价；实际成本是扣除折扣、优惠券、私有定价后的应付金额；摊销成本则把一次性预付（如 Reserved Instance、Savings Plan、CUD）按使用周期摊到每一天。做内部 Showback 时，通常应使用摊销成本，否则会出现“买预留的月份成本暴涨、后续月份成本为零”的失真现象。

二、AWS CUR：列式明细与摊销成本

AWS 的 Cost and Usage Report（CUR）以 Parquet 或 CSV 形式投递到 S3，通常配合 Athena 或 Data Exports 查询。它的核心特征是“一行一计量”，同一资源在同一小时内可能产生多行：使用行、抵扣行、税费行、退款行。关键字段包括 lineItem/UsageStartDate、lineItem/UnblendedCost、lineItem/ResourceId、product/ProductName，以及标签列 resourceTags/user:CostCenter。

做摊销时，不能直接用 UnblendedCost。正确做法是：对按需资源取 lineItem/UnblendedCost；对 RI 覆盖的资源取 reservation/EffectiveCost；对 Savings Plan 覆盖的资源取 savingsPlan/SavingsPlanEffectiveCost。这三者相加才是该资源当天的真实摊销成本。示例：某 EC2 实例当天按需部分 12.00 美元，RI 覆盖部分 EffectiveCost 为 8.50 美元，则摊销成本为 20.50 美元，而不是按需账单上显示的 12.00 美元。

三、Azure Cost Details：行式明细与标签解析

Azure 的 Cost Details 通过 Cost Management 导出到 Storage Account，字段以行式组织，一行代表某天某计量的一次费用。核心字段有 Date、CostInBillingCurrency、ResourceId、MeterCategory、Tags、PricingModel。其中 Tags 是 JSON 字符串，例如 {"CostCenter":"CC-1024","Env":"Prod"}，在入库前必须解析展开，否则无法按标签聚合。

Azure 的常见坑是标签大小写不一致：CostCenter 与 costcenter 会被视为两个不同标签，导致同一成本中心被拆成两行。建议在 ETL 阶段统一转为小写并做映射表。另外，PricingModel 为 Reservation 的行需要与按需行合并，按实际使用量做摊销，否则预留购买当月会出现成本尖峰。

四、GCP Billing Export：BigQuery 宽表与抵扣处理

GCP 的 Billing Export 直接写入 BigQuery 数据集，表按天分区，字段是嵌套结构。核心字段包括 usage_start_time、cost、currency、project.id、service.description、sku.description、labels、credits、cost_type。其中 labels 是数组，需要用 UNNEST 展开；credits 是抵扣明细数组，必须从 cost 中扣除才是净成本。

一个典型查询片段如下，用于按成本中心汇总净成本：

SELECT
  l.value AS cost_center,
  SUM(b.cost) + SUM(IFNULL(c.amount, 0)) AS net_cost
FROM `project.billing.gcp_billing_export_v1_XXXX` b
LEFT JOIN UNNEST(b.labels) AS l
  ON l.key = 'cost_center'
LEFT JOIN UNNEST(b.credits) AS c
  ON TRUE
WHERE b.usage_start_time >= '2024-06-01'
GROUP BY cost_center;

注意 credits.amount 通常为负值，直接相加即可完成抵扣。若忽略 credits，GCP 成本会被系统性高估。

五、跨云数据质量检查清单

在把三家账单接入分摊引擎前，建议先跑一遍数据质量检查。以下清单可直接作为 ETL 验收项：