Aurora Serverless与带autoscaling的Aurora有何核心差异？

虽然两者都具备自动调整资源的能力，但核心差异体现在以下几个方面：

• 扩容粒度与对象不同
  支持Auto Scaling的常规Aurora，是针对整个计算节点进行伸缩：要么增加/删除读节点（水平扩容），要么调整节点的实例规格（比如从db.t3.small升级到db.t3.large，垂直扩容），伸缩的最小单位是一个完整节点。
  Aurora Serverless则是基于**计算容量单元（ACU，v1版本）或实例规格范围（v2版本）**进行细粒度调整：v1最小可到0.5ACU，最大128ACU，资源调整更灵活；v2会自动在你设定的实例规格区间内调整节点数量和规格，无需手动管理节点实例。

• 触发逻辑与管理复杂度不同
  常规Aurora的Auto Scaling需要你手动配置伸缩规则：比如设置CPU使用率超过70%时扩容，低于30%时缩容，还要管理伸缩组、节点的生命周期，需要人为干预配置策略。
  Aurora Serverless是完全托管式自动伸缩：AWS会根据实际负载（比如连接数、CPU使用率、IOPS）自动调整容量，你只需要设置最小/最大容量阈值，甚至v1版本在无负载时会自动暂停服务，无需手动配置触发条件，管理成本极低。

• 计费模式与适用场景不同
  常规Aurora的Auto Scaling按节点运行时长+实例规格计费，即使缩容到最小节点数，仍会产生节点运行成本，适合负载稳定、可预测的场景（比如日常业务高峰低谷）。
  Aurora Serverless采用按需计费：v1按实际使用的ACU时长计费，无负载时暂停不计费；v2按实例运行时长计费，但能更精准匹配波动负载，适合间歇式、不可预测的负载场景（比如开发测试环境、低流量应用、突发流量的临时业务）。

• 功能支持范围不同
  常规Aurora支持更全面的功能：比如跨区域复制、全局数据库、自定义参数组的深度配置、丰富的监控指标集成等。
  Aurora Serverless（尤其是v1）存在一些功能限制：比如不支持跨区域复制、全局数据库，部分高级参数无法自定义，备份恢复选项相对有限；v2版本虽然功能有所提升，但仍有部分常规Aurora的高级功能不支持。

内容的提问来源于stack exchange，提问作者AfterWorkGuinness