AWS Compute Optimizer 启动与应用性能监控和可观测性合作伙伴的集成 云财务管理

AWS Compute Optimizer 增加与应用性能监控与可观察性合作伙伴的整合

重要信息

今天，AWS Compute Optimizer 发布了与多个领先的应用性能管理和可观察性合作伙伴的整合能力，具体包括 Datadog、Dynatrace、Instana 和 New Relic。通过这一整合，您可以在 EC2 的右尺寸建议中，获取和添加 Amazon Elastic Compute Cloud (EC2) 的内存指标，从而优化资源配置。

背景

AWS Compute Optimizer 会分析过去 14 天内由 Amazon CloudWatch 收集的 AWS 资源利用数据可通过付费选项获取长达 3 个月的数据，以识别出您 Amazon EC2 实例、Amazon Elastic Block Store (EBS) 卷、AWS Auto Scaling 组及 AWS Lambda 函数的最佳资源配置。CloudWatch 提供了多个指标来监控 Amazon EC2 的性能。Compute Optimizer 结合 CPU 利用率、磁盘读写、网络利用率及吞吐量等指标，便可了解您的虚拟服务器在 CPU、磁盘及网络方面的性能行为。对某些指标如内存利用率，您需要在 Amazon EC2 实例上安装附加代理，如 CloudWatch 代理请阅读此 用户指南，或利用第三方应用性能监控APM解决方案来收集更多的 系统级指标。

功能增强

内存指标在计算实例右尺寸中非常重要许多实例类型提供不同的内存容量，而这些选项之间的价格差异则可能影响组织的总体账单。当 Compute Optimizer 提供内存指标时，建议的总节省潜力通常比没有内存数据时要高得多。

没有内存利用率数据时，Compute Optimizer 只能考虑提供相同或更多内存容量的实例，这限制了可以考虑用于右尺寸的实例类型的数量。尽管这是一个安全的方式，以确保没有右尺寸建议会影响应用性能，但它确实限制了成本节约的潜力。因此，使用内存利用率数据对于释放 EC2 环境的全部右尺寸潜力尤为重要。

“迁移到云中的组织通常对其资源利用情况缺乏足够的可见性，这使得配置合适的计算资源变得困难，”Datadog 产品副总裁 Yrieix Garnier 表示。“通过将 Datadog 和 AWS Compute Optimizer 整合在一起，客户可以通过利用 Datadog 可观察性提供的内存利用率指标来获得更好的 EC2 右尺寸建议。”

“我们很高兴与 AWS 合作，为我们的共同客户带来创新，”Dynatrace 产品管理高级副总裁 Steve Tack 表示，“通过将 Dynatrace AI 扩展到 AWS Compute Optimizer，客户现在可以实时查看其 EC2 云内存使用情况与资源分配的对比。这使他们能够更有效地加速现代化的同时有效管理成本。这进一步增强了 Dynatrace 在动态捕获全栈应用拓扑、依赖关系映射及利用率指标方面的能力，以支持智能化的大规模云现代化。”

未见内存数据的 EC2 右尺寸建议没有内存数据的建议显示节省 33。由于缺少内存数据，建议不会包括潜在的内存容量减少的机会。

包含外部内存数据的 EC2 右尺寸建议同一 EC2 实例因 Datadog 的内存指标影响了右尺寸建议，最终节省了 95。

工作原理

Compute Optimizer 和可观察性合作伙伴的工程团队共同构建了一个数据平台，允许您查看资源的建议，而不管您使用的应用监控偏好是什么。每个受支持的可观察性伙伴设计了与 Compute Optimizer Kinesis Data Firehose 流的集成“推送”模型，该模型可以处理每秒的吉字节数据。结合 Compute Optimizer 收集的现有 CloudWatch 数据，这些外部指标也会输入建议引擎，以为您提供更智能且具成本节约的建议。

这种设计与传统的 拉取 模式有所不同，后者需要使用客户配额呼叫公共 API 来获取所需的指标数据。利用这种 推送 数据平台，Compute Optimizer 团队实现了一个可扩展的接口，APM 提供商可以根据其开发。与 APM 提供商的集成可以在几分钟内完成，同时创建共同责任，以向我们的客户提供智能建议。

如何使用

要从 APM 合作伙伴启用指标摄取，您可以使用现有的 Compute Optimizer 建议偏好 API。以 DataDog 为例，让我们简单回顾一下集成流程：

请注意：这些新的 CLI 更改可能需要几小时才能传播。如果这些 API 调用不起作用，请稍后再回来！

bashaws computeoptimizer putrecommendationpreferences region useast1 resourcetype=Ec2Instance scope={nameAccountIdvalue123456789012} externalmetricspreference={sourceDatadog}

您也可以直接在控制台中配置或禁用该设置，只需几次点击即可。

例如，如果您是 DataDog 的客户，也需要遵循 DataDog 配置设置指南，以选择此功能。有关如何设置的说明链接将在偏好控制台中提供，如上所示。

bashaws computeoptimizer getrecommendationpreferences region useast1 resourcetype=Ec2Instance

json{ nextToken false recommendationPreferencesDetails [ { enhancedInfrastructureMetrics Active inferredWorkloadTypes Inactive resourceType Ec2Instance scope { name AccountId value 123456789012 } externalMetricsPreference { source Datadog } } ] }

bashaws computeoptimizer getec2instancerecommendations

json{ errors [] instanceRecommendations [ { accountId 123456789012 currentInstanceType c4large currentPerformanceRisk Low effectiveRecommendationPreferences { externalMetricsPreference { source Datadog } } finding Underprovisioned findingReasonCodes [ MemoryUnderprovisioned ] instanceArn arnawsec2useast1123456789012instance/instancearn instanceName instancearn lookBackPeriodInDays 14 recommendationOptions [ { instanceType c4xlarge migrationEffort Low performanceRisk 2 platformDifferences [ NetworkInterface ] projectedUtilizationMetrics [ { name Memory statistic Average value 100 } ] rank 1 } ] recommendationSources [ { recommendationSourceArn arnawsec2useast1123456789012instance/instancearn recommendationSourceType Ec2Instance } ] utilizationMetrics [ { name Memory statistic Average value 200 } ] } ] nextToken null }

请注意，从 APM 合作伙伴处收集足够的指标以生成建议可能需要最多 30 小时。在所需的数据可用之前，Compute Optimizer 将默默使用 CloudWatch 指标。

启动合作伙伴：

结论

通过从您的应用性能管理环境中获取内存利用率数据，您将获得更准确的 EC2 右尺寸建议，从而实现更高的成本节约。请告诉我们如何继续改进 AWS Compute Optimizer 的建议，并帮助您识别更多的性能改善和成本节约机会。

标签 优化和节省

作者简介

Bowen Wang

Bowen 是 AWS 账单和成本管理服务的主要产品市场经理。她的工作重点在于帮助金融和业务领导者更好地理解云的价值以及优化云财务管理的方法。在她的职业生涯中，她帮助一家科技初创企业进入中国市场。

Hamrit Sidhu

Hamrit 是 AWS Compute Optimizer 团队的高级软件工程师和技术负责人。她在 AWS 领域工作了 4 年以上，并参与了 EC2、Autoscaling Groups 和 Compute Optimizer 的服务创建。Hamrit 还为 AWS 生态系统中的 API 标准作出贡献，以提供以客户为中心的 API。

Rick Ochs

Rick Ochs 领导 AWS 的优化产品团队，专注于Compute Optimizer和 RI/SP 购买推荐。在加入 AWS 之前，Rick 负责 Turbonomic 的云产品团队，专注于优化。