Amazon.com su AWS

Basandosi su AWS, Amazon Customer Fulfillment ha ridotto le ore dei tempi di inattività non pianificati delle apparecchiature del 69%, aiutando l'azienda a raggiungere l'obiettivo di evadere gli ordini dei clienti in tempo. Amazon Customer Fulfillment dispone di centri logistici in tutto il mondo dove il personale dipendente preleva, imballa e spedisce gli ordini dei clienti. Data la dimensione globale dell'azienda, Amazon Customer Fulfillment voleva implementare un programma di manutenzione predittiva, come parte della sua ampia strategia di manutenzione, per renderlo più conveniente ed efficiente. Utilizzando Amazon Monitron, Amazon Customer Fulfillment è più efficace nel gestire il tempo tecnico, evitando costosi tempi di inattività delle apparecchiature non pianificati grazie alla manutenzione predittiva.

Leggi il caso di studio »

Il team di Amazon che ha lo scopo di migliorare l'esperienza del cliente riguardo agli imballaggi ha collaborato con AWS per creare una soluzione di machine learning (ML) utile a prendere decisioni più sostenibili sul confezionamento, mantenendo al contempo alto il livello di esperienza del cliente. Amazon è co-fondatrice e prima firmataria del Climate Pledge, che invita i firmatari a impegnarsi a raggiungere gli obiettivi dell'Accordo di Parigi con 10 anni di anticipo, raggiungendo l'azzeramento delle emissioni di carbonio entro il 2040. Dal 2015, l'azienda ha ridotto il peso degli imballaggi in uscita del 33%, eliminando 915.000 tonnellate di materiale di imballaggio in tutto il mondo, ovvero l'equivalente di oltre 1,6 miliardi di scatole di spedizione. Con un minor numero di imballaggi utilizzati in tutta la catena di fornitura, il volume per spedizione si riduce e il trasporto diventa più efficiente. L'impatto complessivo in tutta la rete di Amazon è una marcata riduzione delle emissioni di carbonio.

Leggi il blog »

Amazon Fulfillment Technologies ha eseguito la migrazione da una soluzione personalizzata legacy per identificare l'inventario fuori posto ad Amazon SageMaker, riducendo i costi dell'infrastruttura AWS del 40% al mese e semplificando la sua architettura.

Leggi il caso di studio »

Amazon ha migrato il suo sistema di analisi da Oracle ad AWS per consentire una maggiore agilità, ridurre costi e sforzi operativi e supportare le crescenti esigenze di prestazioni. L'azienda ha creato un'infrastruttura di analisi ad alte prestazioni nel cloud utilizzando Amazon S3, Amazon Redshift, Amazon EMR e una gamma di altri servizi AWS.

Leggi il caso di studio »

Amazon ha migrato i suoi servizi di gestione dell'inventario da Oracle Database ad Amazon Aurora per migliorare la disponibilità e la scalabilità e ridurre il carico operativo. L'azienda ha trasferito 700 istanze Oracle su Amazon Aurora con compatibilità PostgreSQL, ottenendo un throughput, una scalabilità e una resilienza superiori.

Leggi il caso di studio »

Amazon ha migrato 5.000 database da Oracle ad AWS, riducendo di oltre la metà i costi operativi annuali del database e del 40% la latenza dei servizi più critici. Per i database che supportano servizi critici e richiedono un'elevata disponibilità, Amazon utilizza Amazon DynamoDB e Amazon Aurora, mentre per i servizi non critici, Amazon RDS per PostgreSQL e MySQL. Per l'archiviazione economica e a lungo termine di dati relazionali e non relazionali, utilizza Amazon S3.

Leggi il caso di studio »

Amazon ha migrato il suo Item Master Service da Oracle ad Amazon DynamoDB per migliorare la disponibilità e la scalabilità, ridurre il carico operativo e migliorare l'utilizzo. Amazon ha utilizzato AWS Database Migration Service per migrare 150 TB di dati in soli due mesi senza tempi di inattività e ora si affida ad Amazon DynamoDB per elaborare più di cinque miliardi di aggiornamenti del catalogo ogni giorno senza sforzi manuali significativi.

Leggi il caso di studio »

Il team di Amazon.com Transaction Risk Management Services (TRMS) ha migrato 40 TB di dati dai database Oracle on-premises ad AWS in soli sei mesi con tempi di inattività di una sola ora. TRMS gestisce il Buyer Fraud Service, il quale utilizza algoritmi di machine learning per prevedere e prevenire transazioni fraudolente su Amazon.com. Il team TRMS ha utilizzato uno stack di migrazione che includeva AWS Database Migration Service (DMS) per migrare a una nuova soluzione di database relazionale basata su Amazon Aurora compatibile con PostgreSQL.

Leggi il caso di studio »

Amazon Advertising Engineering and Development (AED) ha aumentato il throughput ed ha evitato un progetto triennale per ricostruire i monitoraggi delle prestazioni e gli strumenti di gestione trasferendo i dati contenuti nei database Oracle ad Amazon RDS. AED crea, gestisce e ridimensiona le tecnologie che stanno alla base delle offerte pubblicitarie programmatiche di Amazon. La nuova soluzione utilizza database relazionali PostgreSQL completamente gestiti da Amazon RDS, con Amazon S3 per l'archiviazione dei backup.

Leggi il caso di studio »

Amazon ha migrato il suo Item Master Service da Oracle ad Amazon DynamoDB per migliorare la disponibilità e la scalabilità, ridurre il carico operativo e migliorare l'utilizzo. L'azienda ha utilizzato AWS Database Migration Service per migrare 150 TB di dati in soli due mesi senza tempi di inattività e ora si affida ad Amazon DynamoDB per elaborare più di cinque miliardi di aggiornamenti del catalogo ogni giorno senza sforzi manuali significativi.

Leggi il caso di studio »

Amazon ha migrato il suo libro mastro secondario transazionale da Oracle ad AWS per mantenere la sua missione principale di fornire report finanziari tempestivi, completi e accurati, man mano che i volumi delle transazioni continuano a crescere. Amazon ha migrato i database critici su Amazon DynamoDB e utilizzato un approccio lift-and-shift per migrare i database relazionali su Amazon RDS.

Leggi il caso di studio »

Quando Amazon Prime Video ha ottenuto i diritti per la trasmissione in streaming delle partite di NFL Thursday Night Football in più di 200 Paesi, sapeva di dover offrire la migliore esperienza possibile a milioni di tifosi che guardavano le loro squadre preferite. “Con gli eventi sportivi dal vivo, l'affidabilità e la bassa latenza sono assolutamente fondamentali, perché ogni secondo perso ha un impatto negativo sugli spettatori”, spiega BA Winston, responsabile globale della riproduzione e distribuzione di video digitali per Amazon Video. “Se ci sono interruzioni o buffering, i tifosi non guarderanno.”

Leggi il caso di studio »

Amazon.com è passato dal backup su nastro ad Amazon S3 per il backup della maggior parte dei suoi database. Questa strategia ha ridotto la complessità e le spese in conto capitale, ha fornito prestazioni di backup e ripristino più rapide, ha eliminato la pianificazione della capacità su nastro per il backup e l'archiviazione e ha liberato il personale amministrativo per operazioni di maggior valore. Passando dal backup su nastro ad Amazon S3, Amazon.com ha ottenuto un miglioramento delle prestazioni di 12 volte e ha ridotto i tempi di ripristino da 15 ore a 2,5 ore in determinati scenari.

Leggi il caso di studio »

Quando i clienti di tutto il mondo effettuano ordini su Amazon.com, questi vengono elaborati tramite diversi sistemi di backend. Uno di questi sistemi chiave è Herd, un motore di orchestrazione del flusso di lavoro sviluppato dal team di Amazon eCommerce Foundation. Herd controlla la logica aziendale per l'elaborazione di tutti gli ordini dei clienti Amazon.com in tutto il mondo, orchestrando più di 1.300 flussi di lavoro per qualsiasi attività, dall'elaborazione degli ordini alle operazioni del centro logistico al coordinamento di parti del backend Amazon Alexa. Herd, un sistema di importanza critica per l'attività utilizzato da più di 300 team di ingegneri di Amazon, esegue più di 4 miliardi di flussi di lavoro nei giorni di punta.

Leggi il caso di studio »

I problemi di gestione del ciclo di vita del team di CloudWatch sono stati risolti quando DynamoDB ha lanciato Time to Live (TTL) nel 2017, una funzionalità che consente agli utenti di definire la scadenza degli elementi di una tabella, consentendo l'eliminazione automatica dal database. Il team di CloudWatch utilizza attualmente una singola tabella DynamoDB per automatizzare la gestione di tutti gli elementi, consentendo al team di recuperare i dati in modo più efficiente perché è necessario accedere a un minor numero di tabelle.

Leggi il caso di studio »