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。
工作原理
根据您的使用率数据，AWS Compute Optimizer 有助于避免四种类型的 AWS 资源过度配置和配置不足：Amazon Elastic Compute Cloud（EC2）实例类型、Amazon Elastic Block Store（EBS）卷、AWS Fargate 上的 Amazon Elastic Container Service（ECS）服务以及 AWS Lambda 函数。
使用案例
简化面向 AWS Graviton CPU 的迁移
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 工作负载。