创新竞赛可能会给您（以及许多其他人）带来意想不到的高云费用和/或未充分利用的资源。 事实上，根据 Flexera 的说法 2023 年云状况报告十年来，“管理云支出”（82%）首次超过“安全”（79%），成为各组织面临的头号挑战。
我们懂了。 过度配置是避免性能风险的首选策略。
试图找到性能和效率之间的平衡绝非易事。 当然还有无穷无尽的 库伯内斯 可用的成本监控工具可让您密切关注集群资源使用的各个方面，例如 CPU、内存、存储和网络。 跟踪这些指标可以帮助识别资源密集型工作负载、低效的资源分配或可能导致成本增加的不必要的资源消耗。
所有这些耗时的监控紧随其后的是调整规模的劳动密集型工作 容器 并设置自动缩放策略和阈值。
你好，自动化
IBM涡轮经济 通过容器调整大小、Pod 暂停和配置、Pod 移动和集群扩展操作来优化您的 Kubernetes 环境。 堆栈的每一层都根据实时需求进行分析和资源配置——从 Pod 和服务到容器到节点，以及底层云基础设施。 它是专门为帮助您的团队实现自动化并快速实现显着且持续的结果而构建的。
Turbonomic 支持 Kubernetes 的所有上游版本 – Red Hat OpenShift、EKS、AKS、GKE 等 – 在任何云、任何环境中 数据中心 并与任何 杂交种 或者 多云 组合。 它了解应用程序的资源需求，并不断确定确保应用程序准确执行所需操作的操作。
让我们首先查看您的容器集群。
在这里，您可以看到按运行状况排序的顶级集群，然后是按潜在节省排序的顶级节点池。 此仪表板很好地概述了您想要关注的内容，但让我们看看真正重要的内容 – 操作。
在此示例中，我们看到了调整工作负载控制器（容器）大小的操作。 正如该操作所示，在此处调整大小将提高性能。 借助 Turbonomic，每个操作都包含支持它的数据以及有关操作影响的详细信息。
在下一个示例中，我们看到暂停节点的操作，这将提高效率。 你问多少钱？
看看仅仅通过暂停这个未使用的节点就可以节省多少。
尽管如此，缩减资源仍然会让应用程序所有者和开发团队感到不安。 我们懂了。 性能至关重要。
涡轮经济就是性能
Turbonomic 确保您的应用程序在需要时准确获得所需内容。 效率提升是其副产品。
让您的应用程序所有者接受它。 这是一种适应自动化的低风险方式。 事实上，其中一些操作是非破坏性且可逆的。
同样，由于每项行动都带有指标及其背后的推理，因此团队可以更轻松地信任采取行动的决定。 您需要这种信任才能从人工决策转向自动化操作。
可观察性平台最好的朋友
如果您有来自关键工具（例如 IBM Instana 可观测性 或任何其他应用程序性能监控 (APM) 解决方案，Turbonomic 可以了解应用程序的响应时间和事务，并将这些应用程序数据拼接到 Kubernetes 平台及其运行的基础设施。
您和其他人都清楚地看到动态资源如何提高应用程序性能，同时最大限度地降低成本。
请参阅此处，即使需求波动，响应时间也会保持较短。
如果您有预定义的服务级别目标 (SLO)，Turbonomic 可以摄取该数据以动态扩展 微服务 根据需求进出应用程序，以确保始终满足这些 SLO。 SLO策略也可以直接在平台上配置。
您可以逐渐采取越来越多的行动，然后将它们与您的管道和流程集成。 无论是 Slack、GitOps、TerraForm、Ansible、ServiceNow 还是其他，Turbonomic 都能满足您的需求。
可以从小步骤开始，但要以最低的成本释放 Kubernetes 的弹性以实现持续性能需要自动化。
让 IBM Turbonomic 来处理它
借助 Turbonomic，您可以以超过人类规模的速度自动化这些微观改进。 消除调整容器大小以及设置自动扩展策略和阈值的劳动密集型工作，让软件根据实时应用程序需求为您完成这些工作。 这些微观改进的累积效应是 Kubernetes 应用程序以尽可能低的成本完全发挥应有的性能。
换句话说，消除那些绩效风险的噩梦。
开始使用 IBM涡轮经济 或者立即请求我们的一位专家进行演示。
