Lotame

Lotame

Lotame 是一家非堆叠数据解决方案公司,通过受众数据帮助出版商、营销商和代理机构寻找新客户、提高参与度并增加收入。Lotame 很欣赏 Amazon EC2 Spot 实例定价模式,它让用户可以轻松预测成本。

“分析功能是 Lotame 平台的核心,可以帮助我们的客户实现数据价值的最大化。我们使用 Spot 实例来运行大规模大数据分析工作负载。新的 EC2 Spot 实例定价模式让我们能够更轻松地用可预测的价格购买 Spot 容量并且将更多工作负载迁移到 Spot 实例上,让我们对费用节省和性能稳定更有信心。”
Cuebiq_200x200px

Cuebiq

Cuebiq 是一家领先的移动智能公司,为客户和合作伙伴提供值得信赖的高质量透明货币,以绘制和衡量离线行为。借助 Cuebiq 的平台,客户可以利用基于位置数据的解决方案,做出更明智的业务决策。Cuebiq 处于行业隐私标准的前沿,在其数据收集中遵循隐私兼容框架,并且是第一批通过领先的隐私协会 NAI 认证的位置提供商。

“Amazon AWS 支持我们通过大数据来突破创新界限 – 我们在 EMR 集群下使用 Spot 实例,从而使我们能够扩展计算能力和基础设施,以更好地为客户服务,同时节省基础设施成本。”

Walter Ferrara,Cuebiq 首席信息安全官

Spreaker_logo

Spreaker

Spreaker 是一种面向独立播客、小型发布者和大型分布式团队的通用播客技术解决方案,可帮助他们轻松管理其播客内容。Spreaker 播客托管、分配和广告工具提供了全面的解决方案,包含用于自定义功能的不同选项,以满足任何播客业务的需求。全球范围超过 8 万名播客正使用 Spreaker 开发的技术来托管、分配和变现每月超过 2 亿次的独有下载。

“一直以来,Amazon EC2 Spot 实例都是播客行业从小型初创企业成长为国际化企业的一项关键促成因素。”早期,我们能够将运行批处理工作负载的成本缩减 70% 而不是按需运行,这使我们能够在发展公司的同时控制成本。Spot 实例现已是我们各种工作负载基础设施的重要组成部分,包括依托在 EMR 上运行的经过 IAB 认证的播客测量平台而提供的大数据分析和 Web 服务,以及我们利用 Spot 每月将音频广告投放到数亿次播客下载中的专有的动态广告插入技术。

Rocco Zanni,Spreaker 首席技术官

basware

Basware

Basware 是一个基于云的采购到付款和电子发票解决方案,协助世界各地的企业降低成本、管理支出和预测增长。Basware 利用 Amazon EC2 Spot 实例来节省成本。

“Spot 实例充分满足了 Basware 的需求。它们使我们能够以实惠的价格运行具有数百个基于 Windows 的 EC2 实例的世界级 CI 基础设施。相对于按需成本节省 60% 以上。”

Alistair Gilbert,Basite 开发运营总监

RevContent_DARK_LOGO_NOCOLON_RGB(1) copy

Revcontent

Revcontent 是一个内容营销平台。它通过技术和与数字出版商的直接合作,将广告客户与参与的受众联系起来。Revcontent 欣赏 Amazon EC2 Spot 实例定价模式方便成本预测这一点。

“我们使用 Spot 实例来运行部署的 Jenkins 代码和生产型 Web 服务器工作负载。新的 EC2 Spot 实例定价模式让我们能够更轻松地用可预测的价格购买 Spot 容量并且将更多工作负载迁移到 Spot 实例上,让我们对费用节省和性能稳定更有信心。”
600x200_Yipitdata

YipitData

YipitData 是由 100 多个人组成的按需替代数据团队,为全世界数百个最大的公司和投资基金提供服务。 作为提供替代数据进行投资研究的先驱,YipitData 使用 Spot 实例优化运行 Web 擦除和批量工作负载的成本。从 2015 年开始,该公司每月运行超过 1000 个 Spot 实例,而且,最近他们将几乎所有的工作负载都迁移到了在 Spot 上运行的 ECS 中。Spot 实例上的 ECS 帮助提高其基础设施的稳健性及经济效益。

“过去几年里,YipitData 在 EC2 实例上节省了 70% 的成本,为公司的快速扩张提供了支持。”

Hugo Lopes Tavares,高级工程师 – YipitData

audiense_trademark

Audiense

Audiense 是一个领先的受众智能平台,受到全球企业品牌的信赖,可帮助营销人员和消费者研究人员进行创新,并制定以受众为中心的相关策略。通过专有的社交消费者细分,Audiense 可以告知您的受众实际是谁以及如何以更有意义的方式与他们互动。

“Amazon EC2 Spot 实例使我们能够达到 Amazon ECS 所需的规模,以不断收集超过十亿个 Twitter 用户的公共信息,并基于 Twitter 用户在 Amazon EMR 上的关系为我们的客户计算见解报告,处理超过十亿个用户之间的关系。我们能够动态扩展计算,以满足 1300 多个 Spot 实例峰值的客户需求,从而获得超过 5200 vCPU 和 20TB RAM。通过使用 Amazon EC2 Spot 实例,我们能够访问大规模的计算资源,为我们的业务服务,同时与按需相比节省了 70% 的计算成本。” 

Alfredo Artiles,Audiense 首席技术官兼联合创始人

Snocko

Snocko Technologies

Snocko Technologies 是一家软件公司,通过 Amazon EC2 Spot 实现了 70% 的成本节省。

“在网游行业,客户数量迅速增长,而客户行为的变化更胜。因此 Snocko Technologies 需要一套能够提供性能扩展灵活性和近乎 100% 可靠性的系统。 经过与 AWS 的紧密合作,Snocko Technologies 对 AWS 提供的生态系统的可靠性和安全性感到非常满意。我们利用 AWS 提供的工具为我们的基础设施团队创造更良好的工作体验,并以极具性价比的价格满足了我们所需的性能和规模。这有助于我们稳定公司未来的发展。 我们利用 Amazon Elastic Kubernetes Service (EKS),特别是 Spot 实例的托管节点组,减少了 70% 的总体计算成本,同时在几乎没有管理开销的情况下保持了相同的性能和可靠性。”
logo-grail-300x100_grail-06

GRAIL

GRAIL 是一家医疗保健公司,致力于通过创新解决医学领域最重要挑战的。由领先的科学家、工程师和临床医生组成的 GRAIL 团队正在执行一项紧迫的任务,即尽早发现更多种类的癌症,从而利于治疗并提高潜在治愈率。GRAIL 之所以采用 Amazon EC2 Spot 实例,是因为其可预测的定价并能够实现可靠的节省。

“我们使用 EC2 Spot 实例来执行高强度基因组测序,这项工作需要分析大型数据集来发现数百万种独特的模式,从而检测早期癌症。因为我们的研究需求每周都在变化,所以计算需求会出现激增,而 Spot 的新定价模式为我们带来了可靠的费用节省,让我们能够以可预测的低价格来扩大研究规模。”
biomx logo

BiomX

BiomX 开发定制的噬菌体疗法,以根除慢性病病灶中的有害细菌。Amazon EC2 Spot 实例是满足其数据分析需求的最经济高效的解决方案。

“使用 Spot 为我们提供了最具成本效益的解决方案,可用于分析许多兆兆字节的宏基因组数据。Amazon Spot 的灵活性让我们进一步受益,因为管道中的不同分析阶段涉及不同的工作负载(数据清理、DNA 比较、机器学习)。每个任务适合的 EC2 实例类型不同,因此在每个阶段我们会启动不同的集群。像这样的大型项目中的集群通常涉及数千个运行数十小时的实例。”

Elad Kehat,Biomx 研发软件副总裁

logo-illumina-blk-200x45

Illumina

Illumina 的目标是将创新技术应用于遗传变异和功能的分析,使几年前甚至无法想象的研究成为可能。Illumina 很欣赏 Amazon EC2 Spot 定价模式,它让用户可以轻松预测成本。

“我们使用 EC2 Spot 实例来执行高强度基因组测序,让我们的客户能够查看和了解基因变异。我们很高兴能够将运行时间超过 12 小时的更多基因分析工具转移到 Spot 实例上,因为 Spot 的新定价模式让我们能够更轻松地以可预测的低价格购买 Spot 容量,实现可靠的费用节省。”
TRE Altamira_200x200px

TRE-ALTAMIRA

TRE-ALTAMIRA 是从太空测量地面和结构运动的世界领先者,在开发和改进卫星雷达数据处理算法和工作流程方面拥有 20 多年的经验。他们提供位移测量和绘图解决方案,这些解决方案主要用于缓解风险、优化运营和规划各种市场领域的未来活动,包括采矿、土木工程、石油和天然气以及自然灾害。

“从我们在 AWS 上迈出第一步开始,Spot 实例一直在帮助我们降低与 HPC 应用程序相关的处理成本。在使用 AWS 云几年之后,我们对 Spot 实例的使用随着工作负载的增加而发展,反映出与 AWS Managed Services 更深入的集成。TRE-ALTAMIRA 目前使用 Spot 实例在 AWS Batch 和 AWS ECS 上每天处理超过 10 万个任务。在过去两年里,我们的扩展限制已从数百个 vCPU提高到 40000 多个 vCPU,与相应的按需成本相比节省了 68%。Spot 实例提供的可能性在我们的业务发展中发挥了重要作用,代表了支持我们最具创新性技术的重要因素。”  

Alessandro Menegaz,IT 经理 - TRE-ALTAMIRA 

Logo-DataAppeal-RGB-2

The Data Appeal Company

The Data Appeal Company 收集并提供有关全球任何兴趣点 (POI)、地理区域或品牌的独特数据,并将其与实时客户反馈评分相结合。其信息通过揭示客户为何会以某种方式行事并预测其未来行为来解读人类体验。Data Appeal 利用 Spot 实例优化多个计算工作负载(如数据检索、大数据管道和机器学习任务)的计算成本。

“为了跟上我们的动态工作负载,我们构建了一个可扩展的基础设施,同时将云成本控制在一定范围内。我们在 EC2 Spot 实例上运行我们的数据摄取和 API 层,这些实例由 Amazon Elastic Kubernetes Service (EKS) 管理,比按需节省约 70%。通过利用 AWS 服务和 Kubernetes 弹性功能,并将其与 Spot 相结合,我们为用户提供了经济高效、高可用性的服务。我们还利用 EMR 集群上的 Spot 实例优化计算成本和分配。对于 Data Appeal,Spot 实例在使我们能够构建和扩展实时数据分析平台方面发挥着重要作用。” 

Alessio Schiavelli, CTO - Data Appeal

BarnstormLogo_Thinkbox.png

Barnstorm VFX

Barnstorm VFX 是一家专业从事高质量数字效果、设计和制作的精品视觉特效公司。Barnstorm 是 Amazon Prime 原创剧集《高堡奇人》(Man in the High Castle)(第 2 季和第 3 季)的主要视觉特效工作室,还参与了 CBS 的《神秘天使》(Strange Angel) 的制作。Barnstorm 从 2014 年开始使用 AWS Thinkbox Deadline,并在 2017 年开始在云中使用 Amazon EC2 Spot 实例进行渲染。

“目前,我们利用 Deadline 管理我们所有的内部渲染。我们利用 Spot 实例来渲染内部场无法处理的项目,如大规模 3D 项目。利用 AWS 扩展我们的渲染管道可使我们完成《高堡奇人》(Man in the High Castle) 和《神秘天使》(Strange Angel) 之类的大型创意 3D 项目。这也使得我们的迭代过程更加顺利。从艺术角度来看,使用 EC2 Spot 时,艺术家可以渲染高达 10 倍的迭代。”

Erik Nelson,Barnstorm VFX 技术主管

FuseFX logo

FuseFX

FuseFX 是一家屡获殊荣的视觉效果 (VFX) 工作室,专为电视、电影、商业广告、游戏和特殊场所制作内容。FuseFX 使用 Thinkbox Deadline 和 Amazon EC2 Spot 实例来渲染场景,以按时交付项目。Thinkbox Deadline 是一种与 AWS 门户相集成的渲染管理解决方案,使得 VFX 工作室能够利用 Amazon EC2 Spot 实例降低渲染成本。

“Spot 实例可以提供无限容量。得力于 Deadline 和 Spot,我们才能制定交付时间表,才不再需要担心物理容量是否足够进行渲染。我们可以即时响应每日渲染需求,这让我们变得敏捷又高效。”

Jason Fotter,FuseFX 首席技术官

Nexus Studios

Nexus Studios

Nexus Studios 是一家获得奥斯卡和艾美奖提名的工作室,专门从事动画、电影和互动体验。Nexus 在伦敦和洛杉矶均设有办事处,从动画电影到虚拟现实,各种内容均可制作。Nexus 于 2018 年初开始使用 AWS Thinkbox Deadline 和 Amazon EC2 Spot 实例。

“我们需要轻松快速地大幅提高渲染能力,但不希望为购买硬件而支付前期成本。我们研究了其他云提供商,但 Deadline 与 AWS 之间的紧密集成使我们很容易便做出了选择。使用 AWS,我们可以渲染根本无法在本地渲染农场中进行渲染的作业/项目。现在,我们基本可以完成任何类型、任何复杂程度的渲染工作了。”

Ryan Cawthorne,Nexus Studios 系统工程师

Wargaming

Passion Pictures

Passion Pictures 是一个屡获殊荣的制作、动画和商业工作室,2000 年凭借《九月的某一天》(One Day In September) 获得奥斯卡最佳纪录片奖。他们从 2017 年开始使用 AWS Thinkbox Deadline 和 Amazon EC2 Spot 实例进行渲染,并且从未后悔过。 Passion Pictures 在伦敦、巴塞罗那、巴黎、纽约和墨尔本各地设有办事处,并不断推出广受好评的作品,包括获得艾美奖的 Netflix 电视剧《五人归来:好莱坞与第二次世界大战》(Five Came Back)。

“我们从 2017 年年中开始使用 Deadline,并在 2017 年 11 月开始实现 EC2 Spot 的使用。现在 90% 的计算都使用 EC2 Spot。AWS 帮助我们向一种运营支出特征更显著的业务模式迈进,为现有机器和容量提供了极大的灵活性。我们正在成为更加灵活的企业,现在我们有能力在没有大量资本支出的情况下实现增长。”

Jason Nicholas,Passion Pictures 计算机动画主管

Wargaming

Smadex

Smadex 是 Entravision 的移动先行程序化广告平台,后者是专攻多渠道广告解决方案的国际媒体公司。作为一家需求侧平台,Smadex 为广告商提供了广泛的高品质媒体库存和广告交易。为了进行高效投标,他们的实时投标平台在不到 100 ms 的时间内便能决定是否进行投标以及投标价格。

“通过在多个 AWS 区域使用 Amazon EC2 Spot 实例,我们能够在不到 100 ms 的时间内处理数十亿个广告交易,从而根据广告商的需求动态扩展我们的基础设施,同时持续节省超过 70% 的基础设施成本。我们还使用 Amazon EC2 Spot 实例为实时处理数百 TB 数据所用的一组不同 Amazon EMR 集群提供支持,从而使我们能够训练决策算法并能根据实时分析控制面板为我们的客户提供高透明度。”

Lucas Ceballos,Smadex 首席技术官

Wargaming

Dingus

Dingus 通过 360 平台加快咨询服务的商业化和分销速度,与世界各地的旅游运营商进行 500 多次整合,为 25 个国家/地区和 52 个目的地的 1000 多家酒店提供关于酒店预订管理和签约的整体解决方案,以更高的效率确保广泛的分销能力。

“在 Dingus,我们维护 20000 多个活跃的并发连接,用于在客户端与其销售渠道之间交换信息。所有这些意味着管理超过数十亿次计算的每日处理负载,这是由超过 2 亿个价格和预订更新交易产生,这些交易转化为每天管理超过 20000 个预订。通过使用 Auto Scaling 组中的 Spot 实例来处理这些计算,我们已经持续节省了将近 70%,并且实现与按需实例相同的性能和效率。”
Wargaming

Dynamic AI56

Dynamic AI56 从 2015 年起就一直使用 Amazon Web Services (AWS) 基础设施。Amazon Elastic Compute Cloud (Amazon EC2) 中的实例具有灵活的硬件配置,使公司可以按需运行研究和系统演变工作负载。一些超大内存设备被用于协调、数据分发和准备,而实际的工作负载跨多个美国区域在多达 400 个 Spot 实例的动态分配队列上运行。Dynamic AI56 在不同实例类型和不同 AWS 区域之间对 Spot 实例进行多样化,使其与它们所运行的密集型计算工作负载的各种性质相符。

“Spot 实例在成本和性能之间提供最完美的平衡,以便运行高 CPU、GPU 和 RAM 的实例配置(若以其他方式运行,它们将需要高昂的成本)或训练其 AI/ML 模型所需的上述任何操作。通过使用 Spot,Dynamic AI56 可以节省 75% 的实例成本。”

Ievgen Sliusar,Dynamic AI56 基础设施主管

Wargaming

Keen Eye

Keen Eye 是一个面向病理学家和转化研究科学家的以影像为中心的平台。为了进行扩展,提升其算法的性能并同时优化基础设施成本,Keen Eye 需要将其 AI-ML 平台从过时的托管平台迁移到具有高性能 GPU 的健康数据认证云。该公司开始运行 Kubernetes 托管的集群 EKS 和 Auto-Scaling 组,来启动和拆分用于数据模型推理的 EC2 Spot GPU 实例。

“通过使用 ASG 和 EC2 Spot GPU 实例来训练与在我们的 EKS Kubernetes 集群上运行数据模型,我们的基础设施总体成本降到原来的一半。”

Florian Grignon,Keen Eye 基础设施主管

Smadex

Sinergise

Sinergise 是一家在云 GIS、农业和房地产管理领域构建大型的一站式地理空间系统的 GIS 公司。2016 年,Sinergise 在云中建立了卫星影像处理引擎—Sentinel Hub,该引擎现在为全球数百个地球观测应用程序提供技术支持,并在每个月处理超过 2.5 亿个请求,对超过千万亿个卫星影像像素进行分析。Sinergise 团队在 AWS 上使用机器学习,来解决在云检测,亦即光学卫星影像预处理过程中最关键的步骤所遇到的问题。

“s2cloudless 是用于计算 Sentinel-2 影像云阴影的机器学习算法。它已成为最先进的云检测算法之一,下载次数超过 84000 次,而且被用于数十个地球观测应用程序。Amazon EC2 的规模和性能,以及 Amazon Simple Storage Service (Amazon S3) 中暂存的 PB 级分析数据,让我们能够扩展计算能力,运行机器学习算法,并以每秒 780 个场景的峰值速率来处理 1300 万个场景。总体而言,它只需要 9.5 个小时即可处理 1300 亿平方公里的云阴影。我们在任何时候都会使用 EC2 Spot 来压缩我们的成本。我们最多可以节省 70% 的按需成本。Spot 实例能够在发生中断时自动暂停并恢复您的工作,让应用程序从中断的位置重新开始运行。”

Grega Milcinski,Sinergise 首席执行官