AWS 盖楼,Cloudflare 修路

起家不同 ——一个搬机房,一个修路

你说 AWS 跟 Cloudflare,看着像两家做云的,实际上人家两家起家根本不是一回事。咱们先把两家的出身扒一扒,后面所有区别都从这儿衍生。

AWS:2006 年从 Amazon 内部"溢出"

AWS 2006 年从 Amazon 自己内部 IT 团队的副产品长出来 ——他们 build 了一套 internal service (S3 存东西、EC2 跑虚拟机) 给自家电商用,后来发现这套东西对外卖可能比卖书还赚钱。S3 2006 年 3 月上线,EC2 同年 8 月。这就开了"公有云"这个生意 ——核心命题是:你公司机房里那些机器、磁盘、网线,我帮你搬到云上。这就叫 IaaS,Infrastructure as a Service。

这个起点决定了 AWS 后面所有的设计选择。它的服务长得像数据中心的虚拟版:你买 EC2 (服务器)、RDS (数据库)、VPC (虚拟网络)、ELB (负载均衡)、Route 53 (DNS)、IAM (权限)。每一项都是真实数据中心里有的东西,搬到了云上。⁴ 用 AWS 写一个完整应用,你要装 12-30 个服务,再用 CloudFormation 或 Terraform 把它们拼起来。AWS 给你的是建材,不是房子。

Cloudflare:2009 年从一个反方向起家

Cloudflare 2009 年的出生完全不同。两个哈佛 MBA ——Matthew Prince 和 Michelle Zatlyn ——加上 Project Honey Pot 出身的 Lee Holloway,捣鼓了一个东西¹²。他们想做的不是给你机房,是在你网站前面架一层屏障 ——挡 DDoS、加速静态资源、防爬虫。2010 年 9 月 TechCrunch Disrupt 上正式发布免费 DDoS 防护¹。

这一开始就是 CDN + 安全的 DNA,跟 IaaS 完全不沾边。Cloudflare 的核心命题是:互联网原本是慢的、脆的、不安全的,我在中间加一层让它变快变稳。你的服务器还放原来的地方 (机房、AWS、自己家里都行),Cloudflare 在你和用户之间架了一条全球高速路。²

架构对比:region 中心化 vs edge 全球化

这是核心一节。两家所有区别 ——cold start、价格、服务设计、用户体验 ——都从这一个架构差异里长出来。

AWS:你选一个 region,代码住在那儿

用 AWS,第一件事是选 region:us-east-1 (Virginia)、eu-west-1 (Ireland)、ap-northeast-1 (Tokyo)、ap-southeast-1 (Singapore)... 选完之后,你的 EC2、Lambda、RDS 全部物理上跑在那一个 region 的数据中心里。要给全球用户用,你要么多 region 部署 (复杂、贵),要么在前面加 CloudFront 做 CDN (只解决静态内容,动态请求还是要回 region)。³

这种"region 中心化"的好处:可控、可观测、可合规 (数据落地在哪儿你说了算,GDPR 这一类合规需求容易满足)。坏处:用户离 region 越远越慢。你在上海用一个 us-east-1 的应用,光信号在太平洋一来一回最少 150-200ms,这是物理常数,你 optimize 不动。

Cloudflare:代码同时住在 330 个城市

用 Cloudflare Workers 完全反过来 ——你不选 region。代码一次部署,330+ 个城市的边缘节点同时有这份代码⁵。用户请求落到哪个城市,就在那个城市的节点上执行,平均距离 50ms 以内覆盖全球 95% 的用户⁵。🟢 high

Cold start ——V8 isolate 跟 Lambda microVM 的差距

架构差异直接显在 cold start 上。AWS Lambda 用的是 Firecracker microVM ——每个函数实例是一个轻量虚拟机,启动要 100ms 到 1s 不等⁸。Cloudflare Workers 用的是 V8 isolates (跟 Chrome 浏览器同款 JavaScript 运行时),启动 < 5ms,基本接近零⁹。🟢 high

这一刀切下去, Workers 在 web-facing 工作负载上 (API、webhook、auth、边缘逻辑) 比 Lambda 快一个数量级。但代价是限制:Workers 每个请求 128MB 内存上限、30 秒执行上限;Lambda 给你 10GB 内存、15 分钟执行⁹。所以重计算 (图像处理、ML 推理、大数据 transform) 仍然要回 Lambda。Workers 的小巧是它快的原因,也是它的边界。

服务一对一对照

两家这十几年互相伸手抓对方地盘,现在核心服务大致能一对一对应,但每一对内部哲学不同。咱们直接上表。

类别	AWS	Cloudflare	差异点
CDN	CloudFront	Cloudflare CDN	CloudFront 是 AWS 后加的,CF 是原生
边缘计算	Lambda@Edge	Workers	Workers cold start < 5ms,Lambda@Edge 100ms+
对象存储	S3	R2	R2 零 egress,S3 $0.09/GB egress
键值存储	DynamoDB	KV / Durable Objects	CF KV 全球最终一致;DDB 单 region 强一致
关系数据库	RDS / Aurora	D1 (SQLite)	D1 还在 beta;Aurora 已服务大型企业 10+ 年
DNS	Route 53	Cloudflare DNS	CF DNS 免费版业内最快;Route 53 收钱
DDoS	AWS Shield (Adv $3000/月)	Cloudflare (全套免费)	CF 在 DDoS 这块儿是行业基准
AI 推理	Bedrock / SageMaker	Workers AI	AWS 模型选择更多;CF 跑在边缘,延迟低
服务总数	240+	~30	AWS 8× 多,但 CF 主线更聚焦3

这张表告诉你什么

两个事儿。一是核心 web 工作负载 (CDN / 边缘计算 / 对象存储 / DNS / DDoS / WAF),Cloudflare 都能替你做,而且很多场景下做得更好。二是任何往后台深处走的活儿 ——关系数据库、复杂队列、大数据分析、ML 训练、企业合规 ——AWS 仍然是不可替代的⁴¹²。CF D1 还在 beta 阶段,你拿它跑生产关系数据库,跟 Aurora 这种 10+ 年生产成熟度的东西比,差着代际。

所以业内现在的实际打法不是二选一,是 Cloudflare 在前 / AWS 在后 的混用 ——边缘上用 CF,后台用 AWS。这事儿咱们到第 5 节具体讲。

egress 这个魔鬼

聊价格,有一项最容易被忽略也最贵的差异 ——egress 费,从云上把数据传出到互联网这一项。AWS 收 $0.09/GB (前 100GB 免费),Cloudflare R2 收 $0¹⁰。这一项看着小,实际跨 6 个数量级差距 ——拉开预算 100 倍很常见。

具体算账

场景	月 egress	AWS S3	R2	差距
个人博客	50 GB	~$0	~$0.30	差不多
小媒体站	1 TB	~$90	~$1.50	~60×
中型视频站	20 TB	~$1,700	~$15	~113×
大型流媒体	100 TB	~$10,800	~$1,500	~7×
AI 应用	5 TB	~$450	~$75	~6×

这张表是按 AWS S3 标准 egress 费 $0.09/GB 算的¹⁰。🟢 high 注意几个关键点:

• egress 费是 AWS 最被诟病的一项。很多公司每月 AWS 账单里 egress 占 20-40%。
• R2 零 egress 是 Cloudflare 2022 年丢出来的核弹。这之前业内默认所有云都收 egress。
• AWS 2024 年宣布"如果你迁出 AWS,egress 免费"——这是被 R2 逼的 ——但你继续用 AWS 的话,egress 仍然 $0.09/GB。🟡 med

为什么 Cloudflare 能不收?

Cloudflare 不收 egress 不是因为他们更善良,是因为他们网络的物理形态决定了"egress"对他们成本几乎为零。CF 是 CDN 起家 ——他们的网络就是为把数据送出去设计的,边缘 PoP 跟全球 ISP 直接 peering,出站带宽是他们的强项。AWS 是数据中心起家 ——把数据放在 Virginia 然后传到上海,中间过几次跨洋光缆,真的有边际成本。所以两家在 egress 这块儿不是价格差异,是物理架构差异。⁷

怎么选 ——三种典型场景

讲完原理,落到选型。给你三种典型场景的判断尺,你的实际情况大致能往这三种里套一种。

场景一:面向公众的 web 应用 / SaaS

用户在世界各地、流量主要是 web 请求 + 文件下载 + API 调用。正确选型:Cloudflare 在前,AWS 在后。具体:

• 静态资源 + 视频 + 文件 → R2 (零 egress,全球边缘自动同步)
• 边缘 API / auth / personalization → Workers (cold start 接近零)
• DNS / DDoS / WAF / CDN → Cloudflare (一站到位)
• 关系数据库 → RDS Postgres 或 Aurora (AWS,生产成熟度)
• 复杂后台任务 / ML 推理 → Lambda 或 ECS (AWS,内存/时长不受限)

这是 2026 年业内绝大多数 web 公司的实际打法⁴⁶¹¹。典型省钱效果:bandwidth 成本降 80%,延迟降 30-50%³。

场景二:企业内部系统 / 后台工具

用户都是公司员工,主要在一两个地区,不太 care 全球延迟,但 care 合规、权限、跟现有 Active Directory / Microsoft 365 / 内部数据库的集成。正确选型:AWS 全家桶,可能根本不用 Cloudflare。理由:

• 合规审计 ——AWS 的 IAM、CloudTrail、Config 是企业合规标配
• 跟现有微软 / SAP / Oracle 生态集成 ——AWS 的连接器最齐
• 用户基本在一个 region,edge 全球分布带来的好处用不上
• 团队已经懂 AWS ——没必要再学一套

这场景下硬上 Cloudflare 反而是过度工程⁴。

场景三:AI / 数据密集型应用

大量 ML 训练 / 推理、向量数据库、批量数据处理。主选 AWS,Cloudflare 只用边缘那一层。理由:

• ML 训练 ——AWS Bedrock / SageMaker / Trainium / GPU 实例是工业标配
• 大模型推理 (10GB+ 内存、长执行时间) ——Workers 跑不动,Lambda 或 GPU 实例才行
• 数据 lake / warehouse ——Redshift / Athena / Glue 这套 AWS 独家
• 但用户前端 API 请求可以让 Workers 接 ——做请求路由 / auth / rate limiting / 简单 retrieval

例:一个 AI 客服 SaaS 的合理架构 ——用户请求落 Cloudflare Workers 做 auth + 路由,然后转发到 AWS 的 ECS 跑大模型推理,结果走 CF 缓存回传⁶。

反方:Cloudflare 也有它的局限

讲到这儿你可能感觉我在偏向 Cloudflare ——确实,Cloudflare 在性能、价格、开发体验上很多场景下吃 AWS。但要诚实,Cloudflare 不是万能,有几个硬伤要讲清楚。

另一个反方:学习曲线和迁移成本

团队已经懂 AWS 一套了 ——再学 Cloudflare 一套,得过 debugging、observability、CI/CD 集成、IaC tooling (Terraform / Pulumi 上 Cloudflare 的 provider 还不如 AWS 成熟) 一整套门槛。技术决策不光看哪边架构好,还看你团队能不能吃下学习成本。一个已经在 AWS 上跑了 5 年的团队,硬上 Cloudflare 可能短期内反而拖垮交付速度。