Amazon.com en AWS

Con el soporte de AWS, Amazon Customer Fulfillment redujo las horas de inactividad no planificadas de los equipos en un 69 %, lo que ayudó a la empresa a cumplir su objetivo de entregar los pedidos de los clientes a tiempo. Amazon Customer Fulfillment cuenta con centros logísticos en todo el mundo donde los empleados seleccionan, embalan y envían los pedidos de los clientes. Debido a la escala global de la empresa, Amazon Customer Fulfillment quería implementar un programa de mantenimiento predictivo como parte de su amplia estrategia de mantenimiento para hacerlo más accesible y eficiente. Con Amazon Monitron, Amazon Customer Fulfillment puede ser más eficaz con el tiempo de los técnicos, lo que ahorra tiempos de inactividad costosos y no planificados de los equipos gracias al mantenimiento predictivo.

Lea el caso práctico »

El equipo de experiencia de embalaje de los clientes de Amazon se asoció con AWS para crear una solución de machine learning (ML) que permitiera tomar decisiones de embalaje más sostenibles y, al mismo tiempo, mantener la experiencia del cliente en un nivel alto. Amazon es la cofundadora y la primera empresa en firmar The Climate Pledge, que llama a los signatarios a que se comprometan a alcanzar los objetivos del Acuerdo de París 10 años antes: alcanzar cero emisiones netas de carbono para 2040. Desde 2015, la empresa redujo el peso del embalaje saliente en un 33 % al eliminar 915 000 toneladas de material de embalaje en todo el mundo, o el equivalente a más de 1,6 mil millones de cajas de envío. Al usar menos embalaje en toda la cadena de suministro, el volumen por envío se reduce y el transporte es más eficiente. El impacto acumulativo en toda la red de Amazon resulta en una reducción drástica de las emisiones de carbono.

Lea el blog »

Amazon Fulfillment Technologies migró de una solución personalizada heredada para identificar el inventario extraviado a Amazon SageMaker, lo que redujo los costos de infraestructura de AWS en un 40 % por mes proyectado y simplificó su arquitectura.

Lea el caso práctico »

Amazon migró su sistema de análisis de Oracle a AWS para permitir una mayor agilidad, reducir los costos y el esfuerzo operativos, y satisfacer las crecientes necesidades de rendimiento. La empresa creó una infraestructura de análisis de alto rendimiento en la nube con Amazon S3, Amazon Redshift y Amazon EMR, en conjunto con otros productos de AWS.

Lea el caso práctico »

Amazon migró su servicio de administración de inventario de la base de datos de Oracle a Amazon Aurora para mejorar la disponibilidad y escalabilidad y reducir su carga operativa. La empresa trasladó 700 instancias con compatibilidad con PostgreSQL de Oracle a Amazon Aurora, lo que generó un mayor rendimiento, escalabilidad y resiliencia.

Lea el caso práctico »

Amazon migró 5000 bases de datos de Oracle a AWS, lo que redujo los costos operativos anuales de bases de datos en más de la mitad y disminuyó la latencia de la mayoría de los servicios críticos en un 40 %. En el caso de las bases de datos que admiten servicios críticos y requieren alta disponibilidad, Amazon utiliza Amazon DynamoDB y Amazon Aurora; para los servicios que no son críticos, Amazon RDS para PostgreSQL y MySQL; y para el almacenamiento económico y a largo plazo de datos relacionales y no relacionales, Amazon S3.

Lea el caso práctico »

Amazon migró su servicio maestro de artículos de Oracle a Amazon DynamoDB para mejorar la disponibilidad y la escalabilidad, reducir la sobrecarga operativa y mejorar la utilización. Amazon usó AWS Database Migration Service para migrar 150 TB de datos en solo dos meses sin tiempo de inactividad y ahora confía en Amazon DynamoDB para procesar más de cinco mil millones de actualizaciones diarias de catálogo sin esfuerzo manual significativo.

Lea el caso práctico »

El equipo de Transaction Risk Management Services (TRMS) de Amazon.com migró 40 TB de datos de bases de datos Oracle locales a AWS en solo seis meses, con solo una hora de inactividad. TRMS ejecuta el Servicio de fraude del comprador, que utiliza algoritmos de machine learning para predecir y prevenir transacciones fraudulentas en Amazon.com. El equipo de TRMS utilizó un paquete de migración que incluía AWS Database Migration Service (DMS) para migrar a una nueva solución de bases de datos relacionales basada en Amazon Aurora, compatible con PostgreSQL.

Lea el caso práctico »

Amazon Advertising Engineering and Development (AED) aumentó el rendimiento y evitó un proyecto de tres años para reconstruir los monitores de rendimiento y las herramientas de administración mediante el cambio de los datos almacenados en las bases de datos de Oracle a Amazon RDS. AED crea, administra y escala las tecnologías que sustentan las ofertas de publicidad programática de Amazon. La nueva solución utiliza bases de datos relacionales de PostgreSQL que Amazon RDS administra en su totalidad y Amazon S3 almacena las copias de seguridad.

Lea el caso práctico »

Amazon migró su servicio maestro de artículos de Oracle a Amazon DynamoDB para mejorar la disponibilidad y la escalabilidad, reducir la carga operativa y mejorar la utilización. La empresa utilizó AWS Database Migration Service para migrar 150 TB de datos en solo dos meses sin tiempo de inactividad y ahora confía en Amazon DynamoDB para procesar más de cinco mil millones de actualizaciones diarias de catálogo sin esfuerzo manual significativo.

Lea el caso práctico »

Amazon migró su libro mayor auxiliar transaccional de Oracle a AWS para continuar con su misión principal de entregar informes financieros puntuales, completos y precisos a medida que los volúmenes de transacciones siguen creciendo. Amazon migró las bases de datos críticas a Amazon DynamoDB y utilizó un enfoque dinámico para migrar las bases de datos relacionales a Amazon RDS.

Lea el caso práctico »

Cuando Amazon Prime Video ganó los derechos para transmitir los partidos de Thursday Night Football de la NFL en más de 200 países, sabía que tenía que ofrecer la mejor experiencia posible a millones de fanáticos que verían a sus equipos favoritos. “En los eventos deportivos en directo, la fiabilidad y la baja latencia son absolutamente fundamentales, ya que cada segundo perdido afecta negativamente a los espectadores”, explica BA Winston, director global de reproducción y entrega de video digital de Amazon Video. “Si hay interrupciones o latencia, los fanáticos no lo verán”.

Lea el caso práctico »

Amazon.com pasó de utilizar la copia de seguridad en cinta a usar Amazon S3 para realizar copias de seguridad de la mayoría de sus bases de datos. Esta estrategia redujo la complejidad y el desembolso de capital, ofreció un rendimiento de copia de seguridad y restauración más rápido, eliminó la planificación de capacidad de cinta para la copia de seguridad y el archivo y permitió que el personal administrativo se dedique a operaciones de más valor. Al pasar de la copia de seguridad en cinta a Amazon S3, Amazon.com logró mejorar 12 veces el rendimiento y redujo el tiempo de restauración de 15 horas a 2,5 horas en algunos casos.

Lea el caso práctico »

Cuando los clientes de todo el mundo hacen pedidos en Amazon.com, estos se procesan a través de muchos sistemas de backend diferentes. Uno de esos sistemas clave es Herd, un motor de orquestación de flujos de trabajo desarrollado por el equipo de Amazon eCommerce Foundation. Herd controla la lógica empresarial para procesar todos los pedidos de los clientes de Amazon.com en todo el mundo y orquesta más de 1300 flujos de trabajo para todos los pasos, desde el procesamiento de pedidos hasta las operaciones de los centros logísticos y la coordinación de partes del backend de Amazon Alexa. Herd, un sistema de misión crítica que utilizan más de 300 equipos de ingeniería de Amazon, ejecuta más de 4 mil millones de flujos de trabajo en los días pico.

Lea el caso práctico »

Los problemas de administración del ciclo de vida del equipo de CloudWatch se resolvieron cuando DynamoDB lanzó Time to Live (TTL) en 2017, una característica que permite a los usuarios definir cuándo caducan los elementos de una tabla para que se eliminen de forma automática de la base de datos. Ahora el equipo de CloudWatch utiliza una sola tabla de DynamoDB para automatizar la administración de todos sus elementos, lo que le permite recuperar los datos de manera más eficiente, ya que se debe acceder a menos tablas.

Lea el caso práctico »