弃用 AWS 后，我们服务器的年成本降低了 80%

云时代，在面对云厂商高额的成本时，放弃云服务采用内部基础设施进行替换是否是更合适的选择？mysql移植方案https://www.openeuler.org/zh/openEuler 是一个开源、免费的 Linux 发行版平台，将通过开放的社区形式与全球的开发者共同构建一个开放、多元和架构包容的软件生态体系。同时，openEuler 也是一个创新的平台，鼓励任何人在该平台上提出新想法、开拓新思路、实践新方案。

　　原文链接： 　　https://levelup.gitconnected.com/how-we-reduced-our-annual-server-costs-by-80-from-1m-to-200k-by-moving-away-from-aws-2b98cbd21b46 　　声明：本文为 CSDN 翻译，未经允许禁止转载。 　　作者 | Trey Huffine 　　译者 | 弯月? ? ? ?责编 | 辛晓亮 　　出品 | CSDN（ID：CSDNnews） 　　在本文中，我们采访了 Prerender.io 的首席工程师兼经理 Zsot Varga。他跟我们分享了一个真实的小故事：他们放弃了AWS，并构建了内部基础设施来处理流量和缓存数据，从而将服务器每年的费用从100万美元降低到了20万美元。 　　“我们的目标是降低成本，同时保持渲染速度和服务质量不变。这类的迁移需要仔细计划和认真执行，配置不正确或执行不给力就会导致客户网页和社交媒体宕机，影响他们的网络搜索排名，也会导致我们的客户流失。” 　　需要解决的技术问题 　　简单来说，我们的产品Prerender会缓存和预渲染JavaScript页面，这样搜索引擎就可以抓取和索引一个纯HTML文件，你只需要在网站上安装适当的中间件，就可以避免使用昂贵且冗长的JavaScript解决方案。 　　但是，所有这些数据和流程都需要在服务器上处理，为此以前我们使用的是AWS。经过几年的发展，如今我们每分钟需要处理的页面超过了7万，存储的页面高达5.6 亿，因此而产生的AWS费用也高达一百万美元。 　　继续使用AWS，我们就需要持续承担如此高昂的费用。相反，我们花了三个月的时间，通过一些现成的思路和一个清晰的计划，削减了80%的成本。 　　迁移计划 　　之前，我们使用的是托管在亚马逊的AWS之上的服务器，用于存储客户缓存和呈现的页面。众所周知，AWS是目前最大的云提供商之一，提供虚拟服务器和托管服务。 　　我们利用AWS来存储缓存页面，然后供Google、Facebook以及其他搜索引擎查询或抓取。我们的产品Prerender的主要功能就是向Google以及其他搜索引擎提供静态的HTML页面，向人类用户提供动态的交互式 JavaScript。 　　我们所面临的问题是，将大量（TB级）的预渲染网页存储到第三方服务器上产生了巨额的费用。通过这种方式存储缓存页面，导致我们所需承担的维护和托管费接近天文数字。 　　此外还有一个问题，很多初创公司都没有考虑到，也没有太多相关的话题引发讨论，那就是流量成本。 　　将数据导入 AWS 是免费的，但对于大多数软件来说，静态数据并没有什么用。但移动这些数据会产生巨额成本，而这将成为我们前进道路上的瓶颈。 　　那么，该怎么解决呢？我们的计划是，将缓存的页面和流量迁移到自己内部的服务器上，并尽快减少对AWS的依赖。 　　我们预估了一下成本，发现可以将托管费用降低 40%，而且此次服务器迁移不仅可以节省我们的成本，也可以为客户省钱。 　　我们的目标是降低成本，同时保持渲染速度和服务质量不变。这类的迁移需要仔细计划和认真执行，配置不正确或执行不给力就会导致客户网页和社交媒体宕机，影响他们的网络搜索排名，也会导致我们的客户流失。 　　为了避免可能出现的问题，我们的计划包含三个阶段。如果出现任何问题，我们可以轻松地退回到前一个阶段。如果由于某种原因导致新服务器无法工作，我们也可以轻松地回滚，而不会出现任何停机或影响到客户的服务降级。 　　我们需要谨慎地执行系统测试，而且这是一个持续的过程，可能需要数周或数月的时间。 　　迁移过程 　　第一阶段：测试（4～6周） 　　第一阶段的主要工作是设置裸机服务器，在小规模且易于管理的机器上测试迁移，然后再扩大规模。这个阶段没有太多修改软件的需求，我们决定在Linux的KVM虚拟机上运行服务器。 　　5 月初，我们的第一批服务器开始运行，1%的流量被定向到新服务器。迁移两周后，我们每天的费用节省了800美元。5月底，我们已将大部分流量工作负载从 AWS 迁移出去，渲染工作负载的成本降低了 45%。 　　服务器每月的成本降到了13,000 美元，与AWS相比，开支已经削减了 22%。 　　测试阶段对于确保今后流程的顺利运行至关重要。我们付出了巨大努力，设法通过更多的监控和更好的错误处理来提高系统的稳健性。