Flexer基于750名企业高管经验发布了最新的分析报告。报告指出，大多数公司每年在云上花费超过100万美元，平均30%的云支出被浪费掉。

在《云成本管理指南》一文有提到：“要降低云成本，必须首先必须能够通过发现云资源的低效使用来识别浪费。云成本管理不是一个一劳永逸的过程，但如果解决了浪费的大部分云支出和预算超支的核心问题，就可以立即节省云基础设施成本“”

针对客户的对减少资源浪费的诉求，亚马逊AWS上线了一款神器，使用机器学习来分析亚马逊云账户计算资源的浪费情况，推荐最佳的AWS资源，在降低成本的同时提高工作负载性能。不但分析准确、依据可靠，更重要的是，
这款神器不但简单易上手，而且免费。

Compute Optimizer

AWS Compute Optimizer 可帮助您使用机器学习来分析历史利用率指标，从而确定最佳的 AWS 资源配置，例如 Amazon EC2 实例类型、Amazon EBS 卷配置和 AWS Lambda 函数内存大小。AWS Compute Optimizer 提供了一组 API 和控制台体验，可通过为您的 AWS 工作负载推荐最佳的 AWS 资源来帮助您降低成本并提高工作负载性能。

工作原理

Compute Optimizer 分析您 Amazon Web Services 计算资源的当前配置及其过去 14 天内来自 Amazon CloudWatch 的利用率指标。
Compute Optimizer 识别最佳和非最佳资源，然后为您的资源提供建议，以降低资源成本、提高性能或两者的组合。
对于特定资源类型，Compute Optimizer 还提供当前资源与推荐的资源或配置之间的利用率指标的比较。此数据可视化显示了在使用推荐的资源或配置的情况下，这些资源或配置在回顾期内的执行情况。

优势

成本降低高达25%

利用 Compute Optimizer 中的建议，将资源成本降低多达 25%。例如，如果 Amazon EC2 实例仅使用了其 10% 的 CPU 容量，则 Compute Optimizer 可能会将其识别为过度预置。它可能建议您将其替换为更经济高效的实例类型，以继续满足工作负载的性能要求。

优化性能

Compute Optimizer 提供的一些建议旨在提高资源的性能。例如，如果 EBS 卷持续达到其最大 IOPS，Compute Optimizer 可能会将 EBS 卷识别为未优化。它可能会推荐一种可提供更高 IOPS 或吞吐量的卷类型，以更好地满足工作负载的性能要求。

建议可行性高

Compute Optimizer 列出了资源的当前价格以及所生成建议的价格。控制台还会显示最近 14 天资源的指标利用率图表。对于选择的资源类型，它还显示推荐资源或配置的预计利用率数据、预测您的工作负载在建议的 AWS 资源选项上的 CPU 利用率、内存利用率和运行时。这可以帮助您在实施建议之前了解工作负载在推荐选项上的表现情况。

入门容易

只需单击几下，您就可以选择让 Compute Optimizer 分析资源并生成建议。选择加入后，Compute Optimizer 将分析支持的资源，并根据新的利用率数据每天刷新建议。

免费

无需额外付费。EC2 实例类型、EC2 Auto Scaling 组配置、Amazon EBS 卷配置和 AWS Lambda 函数建议均免费提供。只需要用户为自己使用的资源付费即可。

实践

登录控制台，开始使用

选择加入，完成

选择加入后，Compute Optimizer 使用机器学习来分析与其所提建议的特定服务有关的相关 CloudWatch 指标和资源配置数据(例如资源标识符和元数据标签)。

例如，为了生成 Lambda 建议，Compute Optimizer 会分析您的 Lambda 配置和相关的 CloudWatch 指标。随着 Compute Optimizer 随着时间的推移增加新功能，我们将扩展所收集的指标和数据的类型。

为了提高 Compute Optimizer 的建议质量，Amazon Web Services 可能会使用您的 CloudWatch 指标和配置数据来改善建议模型和算法。

如需进一步协助或服务，请联系我们，泰岳云业务会提供自动化工具及专业服务。