Assume Role を使ってAWSの別アカウントから利用料金を取得します。

仕組みは次のようなイメージになります。
① で STS の AssumeRole を叩くと、一時的なアクセスキー、シークレット、セッショントークンが払い出されます。あとはこれを使うだけです。

AWSアカウントBにロールを作成

ポリシー作成

今回はコスト参照するだけなので、以下のようなポリシーを作ります。

GetCostAndUsagePolicy

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Sid": "VisualEditor0",
            "Effect": "Allow",
            "Action": "ce:GetCostAndUsage",
            "Resource": "*"
        }
    ]
}

ロール作成

「別のAWS アカウント」を選択して、AWSアカウントA のアカウントIDを指定します。

先ほど作成した GetCostAndUsagePolicy をアタッチします。ロール名は GetCostAndUsageRole とかにしてみます。

アカウントA側でLambdaを実行

Lambda を構築

以前の記事を参考に構築します。

今回のLambdaのソースコード

import os
import datetime as dt
import pandas as pd
import matplotlib.pyplot as plt
import boto3

s3 = boto3.client('s3')

def lambda_handler(event, context):
    # 現在日付を取得
    now = dt.datetime.now()
    start = (now - dt.timedelta(days=8)).strftime('%Y-%m-%d')
    end = now.strftime('%Y-%m-%d')
    date_index = pd.date_range(start, periods=8, freq="D")
    date_ary = date_index.to_series().dt.strftime("%-m/%-d")
    
    acct_name = ''  # アカウント名
    data = []       # pandasで使うデータの２次元配列
    acct = []       # アカウントリスト
    # AWSアカウント分ループ
    for i, role_arn in enumerate(os.environ['AWS_ASSUME_ROLE_ARN'].split(',')):
        acct_name = role_arn.split(':')[4]
        acct.append(acct_name)
        
        # STS:AssumeRole
        sts_connection = boto3.client('sts')
        acct_b = sts_connection.assume_role(
            RoleArn=role_arn,
            RoleSessionName="cross_acct_lambda"
        )
        ACCESS_KEY = acct_b['Credentials']['AccessKeyId']
        SECRET_KEY = acct_b['Credentials']['SecretAccessKey']
        SESSION_TOKEN = acct_b['Credentials']['SessionToken']
        
        ce = boto3.client(
            'ce',
            aws_access_key_id=ACCESS_KEY,
            aws_secret_access_key=SECRET_KEY,
            aws_session_token=SESSION_TOKEN,
        )
        
        # AWS Cost Explorer 実行
        response = ce.get_cost_and_usage (
            TimePeriod = {
                'Start': start,
                'End': end,
            },
            Granularity='DAILY',
            Metrics = [
                'AmortizedCost'
            ],
        )
    
        # 日ごとにループ
        data_row = []
        for result in response['ResultsByTime']:
            amount = round(float(result['Total']['AmortizedCost']['Amount']), 1)
            date = dt.datetime.strptime(result['TimePeriod']['Start'], '%Y-%m-%d').strftime('%-m/%-d')
            data_row.append(amount)
            
        data.append(data_row)
        
    dataset = pd.DataFrame(data, 
                         columns=date_ary.values, 
                         index=acct)
        
    # 積み上げ棒グラフ内にデータラベルを表示する
    fig, ax = plt.subplots(figsize=(12, 8))
    for i in range(len(dataset)):
        ax.bar(dataset.columns, dataset.iloc[i], bottom=dataset.iloc[:i].sum())
        for j in range(len(dataset.columns)): 
            plt.text(x=j, 
                  y=dataset.iloc[:i, j].sum() + (dataset.iloc[i, j] / 2), 
                  s=dataset.iloc[i, j], 
                  ha='center', 
                  va='bottom'
                )
    ax.set(xlabel='', ylabel='Cost($)')
    ax.legend(dataset.index)
    plt.show()
    # 作成した積み上げ棒グラフを一時保存する
    fig.savefig('/tmp/cost2.png')    
    
    # S3アップロード
    s3_upload_file('/tmp/cost2.png', os.environ['S3_BUCKET'], 'cost2.png')
    
def s3_upload_file(file_name, bucket, object_name):
    """S3にmatplotlibで作成したファイルをアップロードする"""

    response = s3.upload_file(file_name, bucket, object_name, 
        ExtraArgs={
            'ACL': 'public-read',
            'ContentType': 'image/png',
        }
    )

環境変数

キー	値
S3_BUCKET	S3バケット名
AWS_ASSUME_ROLE_ARN	arn:aws:iam::アカウントB:role/GetCostAndUsageRole, arn:aws:iam::アカウントC:role/GetCostAndUsageRole ※カンマ区切りで複数指定

実行結果

集計したAWSアカウントの合計を棒グラフにしています。

参考