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。
清理未使用的资源,以减少云开支。
通过根据您的工作负载需求定制的可定制调整大小建议来优化 Amazon EC2 和 Amazon RDS 实例
通过使用历史数据以及来自 Application Performance Monitoring (APM) 的第三方指标,获取有关优化 EC2 实例和自动扩缩组的改进建议。
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 和 RDS 工作负载。
探索诸如 Microsoft SQL Server 之类的商业应用程序,并获得自动许可建议以降低许可成本。
通过空闲建议删除或关闭未使用的资源。