以下是eWEEK特色系列《IT科学》的最新文章，我们将在其中介绍新一代IT和遗留系统交汇处实际发生的情况。除非IT是全新的，并且在各种装配线之外，否则每个IT系统中的服务器、存储和网络都可以被视为“遗留”。这是因为软硬件产品的迭代一直在加速。例如，对于应用程序制造商，出于安全目的更新和/或修补应用程序每月应用一次，甚至每周应用一次。有些应用每天都在更新！硬件移动缓慢，但制造周期也在加快。

这些文章描述了下一代行业解决方案。我们的想法是研究下一代信息技术产品和服务如何每天改变生产的现实例子。大部分都是成功案例，但也会有别人关于爆炸的项目。我们将有信息技术集成商、系统顾问、分析师和其他专家根据需要帮助我们。

今日话题：如何减少企业AWS账单

说出需要解决的问题：MetroStar Systems的运营团队是主要面向政府机构的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。随着公司将业务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项目，包括本地虚拟环境和混合云环境。这给MetroStar的运营团队带来了更大的管理复杂性。

为了支持这一扩展，该公司决定转向AWS，而不是购买新硬件来提供组织所需的灵活性。然而，问题是其混合云环境配置不当，导致组织的云账单超过第一个月预期的两倍。

解决方案：MetroStar转向Turbonomic，以自动优化其AWS环境。在AWS环境中部署Turbonomic后，人工智能驱动的决策引擎立即发现了几个超支的实例，并通过解锁AWS保留的实例为公司找到了几个节约的机会。通过利用涡轮经济技术，MetroStar可以将其每月云账单减少25%，并有望额外节省30%。

描述寻找解决方案的策略：MetroStar运营团队怀疑其当前的许多实例不在正确的存储层上，因为许多供应决策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且耗时。登录每个实例并花费数小时进行发现是不可行的。该公司很快开始寻找其他选项来管理环境和减少开支。

MetroStar需要一种方法来减少其云账单，而不会花费不合理的IT团队时间。合乎逻辑的下一步是找到一个可信的解决方案，以自动化其AWS工作负载规模和布局决策，并降低开支。

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、可信、基于人工智能的决策引擎，自动将应用需求与基础架构供应相匹配，优化成本，并确保性能和合规性。

最新版本的Turbonomic旗舰产品持续自动化AWS预留实例利用，并调整存储和数据库服务的操作规模，从而节省额外成本。这对于MetroStar来说至关重要，它可以连续运行多个应该使用保留实例的工作负载。

Turbonomic充分了解应用资源的利用率和拓扑结构，这归功于与思科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了信息。

描述部署进度、花费的时间以及是否按计划进行：部署后的几个小时内，Turbonomic platform发现了几个云超支的实例。

描述结果、获得的新效率和从项目中吸取的教训：转向涡轮经济后，MetroStar团队立即获得了它寻求的结果。通过自动化Turbo AWS存储层优化建议，该团队迅速将月支出减少了25%。

除了真正的节约之外，得益于Turbonomic，随着平台继续在后台实现环境自动化，MetroStar在性能和策略合规性方面不断取得进步。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费用。

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和AWS之间的潜在迁移，并在不影响性能的情况下执行这些迁移，同时遵守业务合规性策略。

描述投资回报、碳足迹节约和员工时间节约(如果有)。

每月云支出节省25%；

节省数百小时的劳动；和

涡轮经济迁移规划可以通过推荐运行的最佳AWS资源来减少时间和不确定性并消除风险。通过涡轮经济，运营团队在不增加团队数量的情况下负责这些环境。