以下是eWEEK特色系列 IT Science的最新文章，其中我们将介绍在新一代IT和遗留系统的交叉点上实际发生的事情。除非它是全新的，并且在各种装配线之外，每个IT系统内的服务器，存储和网络都可以被认为是“遗留的”。这是因为硬件和软件产品的迭代一直在加速。例如，对于应用程序制造商来说，为了安全目的更新和/或修补应用程序，每月或甚至一周应用一次。有些应用每天都会更新!硬件移动速度稍慢，但制造周期也在加速。

这些文章描述了新一代的行业解决方案。我们的想法是研究新一代IT产品和服务每天如何改变生产的现实例子。他们中的大多数都是成功案例，但也会有其他人关于爆炸的项目。我们将有IT集成商，系统顾问，分析师和其他专家根据需要帮助我们。

今天的主题：如何减少企业AWS账单

说出要解决的问题：MetroStar Systems的运营团队是一家主要向政府机构提供IT服务和咨询服务的领先提供商，其行政领导是减少其亚马逊网络服务账单。随着公司将其业务领域扩展到移动开发和网络安全领域，其开发人员需要更广泛的环境来完成他们的项目，包括本地虚拟环境和混合云环境。这为MetroStar的运营团队带来了更大的管理复杂性。

为了支持这种扩展，该公司决定转向AWS而不是购买新硬件以提供组织所需的灵活性。然而，问题在于其混合云环境被错误地过度配置，导致组织的云账单超过其第一个月预期的两倍。

解决方案：MetroStar转向Turbonomic自动优化其AWS环境。在其AWS环境中部署Turbonomic后，由AI驱动的决策引擎立即确定了几个超支实例，并通过解锁AWS预留实例为公司发现了几个节省机会。通过利用Turbonomic，MetroStar能够将其每月云账单减少25%，并预计将额外节省30%。

描述寻找解决方案的策略： MetroStar运营团队已经怀疑其当前的许多实例都没有在正确的存储层上，因为许多供应决策都是由非基础架构人员做出的。该团队最初使用AWS Trusted Advisor提供成本建议，但很快发现该工具过于复杂和耗时。登录每个实例并花费数小时进行发现是不可行的，该公司很快就开始寻求其他选择来管理环境并减少开支。

MetroStar需要一种方法来减少其云账单，而无需花费不合理的IT团队时间。合乎逻辑的下一步是寻找可信任的解决方案，以自动化其AWS工作负载规模和布局决策并减少支出。

列出解决方案中的关键组件：

Turbonomic的工作负载自动化技术使用智能，值得信赖，基于AI的决策引擎，自动将应用需求与基础设施供应相匹配，优化成本，同时确保性能和合规性。

Turbonomic旗舰产品的最新版本不断自动化AWS预留实例利用率，同时调整存储和数据库服务的操作大小，从而节省了额外的成本。这对MetroStar来说至关重要，MetroStar连续运行多个应该使用预留实例的工作负载。

Turbonomic完全了解应用资源利用率和拓扑结构，这要归功于与思科AppDynamics等APM平台的集成，进一步为平台的工作负载布局决策提供信息。

描述部署的进度，花费的时间以及是否按计划进行：在部署后的几个小时内，Turbonomic平台确定了几个云超支的实例。

描述结果，获得的新效率以及从项目中学到的东西：在转向Turbonomic之后，MetroStar团队立即获得了它所寻求的结果。通过自动化Turbonomic AWS存储层优化建议，该团队迅速将每月支出减少了25%。

除了真正节省的资金外，感谢Turbonomic，随着平台继续在后台自动化环境，MetroStar继续看到有关性能和策略合规性的改进。该团队已开始采用云实例规模建议，并预计在未来几个月内将额外节省30%的AWS账单。

主要经验：在为其AWS环境实施Turbonomic后不久，运营团队获得了十几个需要迁移的客户环境的所有权。Turbonomic使团队能够快速分析这些资产与AWS之间的潜在迁移，并在不影响性能的同时执行这些迁移，同时遵守业务合规性策略。

描述投资回报率，碳足迹节省和员工时间节省(如果有的话)。

每月云支出节省25%;

节省了数百小时的劳动力; 和

通过推荐运行的最佳AWS资源，Turbonomic迁移规划可以减少时间和不确定性并消除风险。通过Turbonomic，运营团队在不增加团队的情况下承担了这些环境的责任。