通过人工智能和基于机器学习的分析,根据您的工作负载偏好调整工作负载规模,将成本降低多达 25%。
实施可识别资源预置不足的建议,以此解决性能问题。
通过启用 Amazon CloudWatch 指标提高建议节省幅度以及对内存使用情况的可见性。
通过身份验证后的自动许可证优化建议来优化许可成本。
工作原理
根据您的使用率数据,AWS Compute Optimizer 有助于避免四种类型的 AWS 资源过度配置和配置不足:Amazon Elastic Compute Cloud(EC2)实例类型、Amazon Elastic Block Store(EBS)卷、AWS Fargate 上的 Amazon Elastic Container Service(ECS)服务以及 AWS Lambda 函数。
使用案例
简化面向 AWS Graviton CPU 的迁移
在迁移到 AWS Graviton CPU 的过程中,寻找能够以最少量的迁移工作带来最大回报的 EC2 工作负载。