借助 Turbonomic，根据实时需求自动优化 EC2、EBS 和 RDS 等服务
Amazon Web Services (AWS) 可在云中提供可靠且可扩展的基础架构平台。然而，对许多人来说，对敏捷性和弹性做出承诺却往往伴随着在应用程序资源配置方面需完成哪些工作缺乏洞察。这样便会导致性能低下和预算超支。
IBM® Turbonomic 平台根据实时需求不断生成优化 EC2 实例、RDS 数据库、EBS 卷和 Elastic Kubernetes Service (EKS) 的操作。其规定操作有助于确保性能，同时尽可能降低成本。此外，IBM Turbonomic 平台还能管理 RI 清单并对可最大限度提高 RI 利用率和覆盖率的操作进行发出指示，而所有这一切均以应用程序性能为准绳。
企业开启上云之旅时，通常具有双重目标：解锁可扩展性并将云成本控制在预算内。然而，对于许多人来说，由于缺乏在应用程序资源配置需求方面的洞察，因此对敏捷性和弹性的承诺往往无法兑现，从而导致性能不佳和预算超支。
在本文中，您将了解 Turbonomic 如何应对这些挑战。主题包括：
- 使用 Turbonomic 优化 AWS 资源的四种方法
- Turbonomic 如何与 AWS 集成，包括架构
- 如何创建目标以监控 AWS 中的工作负载
- 有关利用 Turbonomic 以帮助将工作负载迁移到 AWS 的指南
AWS 认可 IBM Turbonomic 作为具备云运营、Microsoft 工作负载、迁移和现代化、容器和安全性方面能力的基础技术合作伙伴。
Turbonomic 现已在 AWS Marketplace 上以 SaaS 和软件两种形式提供购买。
Turbonomic AWS 集成
AWS 托管的 SaaS 或本地部署
使用只读凭据通过 API 以无代理方式连接到您的 AWS 帐户
与 AWS CloudWatch 集成以提取所有指标和元数据
发现 AWS 实体并在 60 分钟内开始生成优化操作
虚拟机（EC2 实例）
卷
数据库服务器（RDS 实例）
区域
包括 GovCloud（美国）在内的区域
虚拟机 vCPU
虚拟机 vMemory（如果启用）
虚拟机存储器访问 (IOPS)
虚拟机网络吞吐量
虚拟机 I/O 吞吐量
虚拟机存储量
虚拟机保留的实例覆盖范围
数据库 vMemory
数据库 vCPU
数据库存储量
数据库 I/O 吞吐量
数据库高速缓存命中率
数据库连接
RI 清单
RI 覆盖率（虚拟机）
按照不同类型或层级（包括 RI）扩大/缩小 AWS 实例虚拟机的规模
停止/启动 AWS 实例（称为“停车”）
扩大/缩小 EBS 卷
删除未连接的 EBS 卷
扩大/缩小数据库规模
为区域购买 RI
充分利用现有的预留实例和节省计划，找机会扩大折扣范围
通过“假设”规划场景进行建模并优化成本，支持快速发布周期
精打细算地根据工作负载需求自动增缩规模，在保持性能的同时消除利用率低和过度配置的问题
模拟并比较“直接迁移”计划和优化迁移计划对性能和成本的影响，将现有工作负载映射到最适合的 EC2 和 EBS 系列和类型，然后进行优化
围绕单一数据源促进云、应用程序和 DevOps 团队之间的协作
通过可扩展、可重复的流程将工作负载加速转移到 AWS，以实现未来的工作负载迁移和云整合
自动发现并映射 EKS 服务、容器、规格、Pod、工作负载控制器、命名空间、集群和虚拟机之间的相互依赖关系
通过自动调整容器大小、Pod 移动、集群扩展/缩减和规划来持续优化 Kubernetes 的性能和成本
使用可自动化云成本优化工具控制云支出，同时保持应用程序性能。
通过准确、易用的云迁移规划功能，加快云迁移计划的实施。
优化 Kubernetes 自动化，从而经济实惠地实现服务级别目标。
