Amazon.com sur AWS

En s’appuyant sur AWS, Amazon Customer Fulfillment a réduit les temps d’arrêt imprévus des équipements de 69 %, aidant ainsi l’entreprise à atteindre son objectif de traiter les commandes des clients dans les délais. Amazon Customer Fulfillment possède des centres de distribution dans le monde entier où les employés sélectionnent, emballent et expédient les commandes des clients. En raison de la dimension mondiale de l’entreprise, Amazon Customer Fulfillment souhaitait mettre en œuvre un programme de maintenance prédictive dans le cadre de sa stratégie de maintenance globale afin de le rendre plus abordable et plus efficace. Grâce à Amazon Monitron, Amazon Customer Fulfillment peut gérer plus efficacement le temps passé par les techniciens, évitant ainsi les interruptions de service coûteuses et imprévues des équipements grâce à la maintenance prédictive.

Lire l'étude de cas »

L’équipe chargée de l’expérience d’emballage clients d’Amazon s’est associée à AWS pour créer une solution de machine learning (ML) afin de prendre des décisions d’emballage plus durables, tout en maintenant la barre haute en matière d’expérience client. Amazon est le cofondateur et premier signataire de The Climate Pledge, qui appelle les signataires à s’engager à atteindre les objectifs de l’Accord de Paris 10 ans plus tôt, soit atteindre la neutralité carbone d’ici 2040. Depuis 2015, l’entreprise a réduit le poids de ses emballages sortants de 33 %, supprimant ainsi 915 000 tonnes de matériaux d’emballage dans le monde entier, soit l’équivalent de plus de 1,6 milliard de boîtes d’expédition. Avec moins d’emballages utilisés tout au long de la chaîne d’approvisionnement, le volume par expédition est réduit et le transport devient plus efficace. L’impact cumulé sur l’ensemble du réseau Amazon se traduit par une réduction spectaculaire des émissions de carbone.

Lire le blog »

Amazon Fulfillment Technologies a migré d’une solution personnalisée héritée pour identifier les stocks égarés vers Amazon SageMaker, réduisant les coûts d’infrastructure AWS de 40 % par mois et simplifiant son architecture.

Lire l'étude de cas »

Amazon a migré son système d’analyse d’Oracle vers AWS afin de gagner en agilité, de réduire les coûts et les efforts opérationnels et de répondre à des besoins de performances croissants. L’entreprise a développé une infrastructure analytique performante dans le cloud à l’aide d’Amazon S3, Amazon Redshift, Amazon EMR et de nombreux autres services AWS.

Lire l'étude de cas »

Amazon a migré ses services de gestion des stocks des bases de données d’Oracle vers Amazon Aurora, afin d’améliorer la disponibilité et la capacité de mise à l’échelle tout en réduisant la charge opérationnelle. L’entreprise a transféré 700 instances Oracle vers Amazon Aurora compatible PostgreSQL, ce qui lui a permis d’améliorer le débit, la capacité de mise à l’échelle et la résilience.

Lire l'étude de cas »

Amazon a migré 5 000 bases de données d'Oracle vers AWS, réduisant ainsi de plus de moitié ses coûts annuels d'exploitation de bases de données et de 40 % la latence des services les plus critiques. Pour les bases de données qui prennent en charge des services critiques et qui nécessitent une haute disponibilité, Amazon utilise Amazon DynamoDB et Amazon Aurora. Pour les services non critiques, Amazon utilise Amazon RDS for PostgreSQL et MySQL. Enfin, pour le stockage à long terme peu coûteux de données relationnelles et non relationnelles, Amazon utilise Amazon S3.

Lire l'étude de cas »

Amazon a migré son service Item Master d’Oracle vers Amazon DynamoDB afin d’améliorer la disponibilité et la capacité de mise à l’échelle, de réduire la charge opérationnelle et d’améliorer l’utilisation. Amazon a utilisé AWS Database Migration Service pour migrer 150 To de données en seulement deux mois, sans interruption de service, et s’appuie désormais sur Amazon DynamoDB pour traiter plus de cinq milliards de mises à jour de catalogue chaque jour sans effort manuel important.

Lire l'étude de cas »

L’équipe des services de gestion des risques liés aux transactions (TRMS) d’Amazon.com a migré 40 To de données depuis des bases de données Oracle sur site vers AWS en seulement six mois, avec une seule heure d’arrêt. TRMS gère le service des fraudes à l’achat, qui utilise des algorithmes de machine learning pour prédire et empêcher les transactions frauduleuses sur Amazon.com. L’équipe TRMS a utilisé une pile de migration incluant AWS Database Migration Service (DMS) pour migrer vers une nouvelle solution de base de données relationnelle basée sur Amazon Aurora compatible avec PostgreSQL.

Lire l'étude de cas »

Amazon Advertising Engineering and Development (AED) a augmenté son débit et évité un projet sur trois ans visant à recréer les moniteurs de performance et les outils de gestion, en déplaçant les données contenues dans des bases de données Oracle vers Amazon RDS. AED crée, gère et met à l’échelle les technologies qui sous-tendent les offres publicitaires programmatiques d’Amazon. La nouvelle solution utilise des bases de données relationnelles PostgreSQL entièrement gérées par Amazon RDS, avec Amazon S3 pour le stockage des sauvegardes.

Lire l'étude de cas »

Amazon a migré son service Item Master d’Oracle vers Amazon DynamoDB afin d’améliorer la disponibilité et la capacité de mise à l’échelle, de réduire la charge opérationnelle et d’améliorer l’utilisation. L’entreprise a utilisé AWS Database Migration Service pour migrer 150 To de données en seulement deux mois, sans interruption de service. Elle s’appuie désormais sur Amazon DynamoDB pour traiter plus de cinq milliards de mises à jour de catalogue quotidiennement sans effort manuel important.

Lire l'étude de cas »

Amazon a fait migrer son registre transactionnel d’Oracle vers AWS afin de poursuivre sa mission principale qui consiste à fournir des rapports financiers opportuns, complets et précis alors que les volumes de transactions continuent de croître. Amazon a migré des bases de données critiques vers Amazon DynamoDB et a utilisé une approche « lift-and-shift » pour migrer les bases de données relationnelles vers Amazon RDS.

Lire l'étude de cas »

Lorsqu’Amazon Prime Video a obtenu les droits de diffusion des matchs de football du jeudi soir de la NFL dans plus de 200 pays, elle savait qu’elle devait offrir la meilleure expérience possible aux millions de fans qui regardaient leurs équipes préférées. « Pour les événements sportifs en direct, la fiabilité et une faible latence sont absolument essentielles, car chaque seconde perdue a un impact négatif sur les spectateurs », explique BA Winston, Global Head of Digital Video Playback and Delivery chez Amazon Video. « S’il y a des interruptions ou des mises en mémoire tampon, les fans ne regarderont pas. »

Lire l'étude de cas »

Amazon.com est passé de la sauvegarde sur bande à Amazon S3 pour sauvegarder la majorité de ses bases de données. Cette stratégie permet de réduire la complexité et les dépenses de capital, tout en assurant des performances plus rapides en matière de sauvegarde et de récupération. Il est désormais inutile de planifier la capacité des bandes magnétiques en vue des sauvegardes et de l’archivage, et le personnel administratif peut se consacrer à des opérations à plus forte valeur ajoutée. En passant de la sauvegarde sur bande à Amazon S3, Amazon.com a multiplié par 12 ses performances et a réduit le temps de restauration de 15 heures à 2,5 heures dans certains scénarios.

Lire l'étude de cas »

Lorsque des clients du monde entier passent des commandes sur Amazon.com, ces commandes sont traitées via de nombreux systèmes dorsaux différents. L’un de ces systèmes clés est Herd, un moteur d’orchestration des flux de travail développé par l’équipe de l’Amazon eCommerce Foundation. Herd contrôle la logique métier pour le traitement de toutes les commandes des clients d’Amazon.com dans le monde entier, en orchestrant plus de 1 300 flux de travail pour tout, du traitement des commandes aux opérations des centres de distribution en passant par la coordination de certaines parties du dorsal Amazon Alexa. Système essentiel utilisé par plus de 300 équipes d’ingénierie Amazon, Herd exécute plus de 4 milliards de flux de travail les jours de pointe.

Lire l'étude de cas »

Les problèmes de gestion du cycle de vie de l'équipe CloudWatch ont été résolus lorsque DynamoDB a lancé Time to Live (TTL) en 2017, une fonctionnalité qui permet aux utilisateurs de définir la date d'expiration des éléments d'un tableau afin qu'ils soient automatiquement supprimés de la base de données. L'équipe CloudWatch utilise désormais une seule table DynamoDB pour automatiser la gestion de tous ses éléments, ce qui lui permet de récupérer les données plus efficacement car il faut accéder à moins de tables.

Lire l'étude de cas »