# Amazon EC2 实例类型
启动实例时，您指定的*实例类型* 决定了用于您的实例的主机硬件。每个实例类型提供不同的计算、内存和存储功能，并按照这些功能分组到实例系列。选择一种基于您打算在实例上运行的应用程序或软件的需求的实例类型。有关功能和使用案例的更多信息，请参阅 [Amazon EC2 实例类型](https://aws.amazon.com/ec2/instance-types/)。
Amazon EC2 会将主机的一些资源（例如 CPU、内存和实例存储）专用于特定实例。Amazon EC2 在实例间共享主机的其他资源，例如网络和磁盘子系统。如果一个主机上的每个实例都试图尽可能多地使用这些共享的资源，那么每个实例都将获得该资源相等份额。但是，当某个资源利用不充分时，会有实例会在该资源可用时消耗其更多的份额。
每种实例类型均从共享资源提供更高或更低的起始性能。例如，高 I/O 性能的实例类型能获取共享资源的更高份额。分配更大份额的共享资源也降低了 I/O 性能的方差。对于大多数应用程序，中等 I/O 是绰绰有余的。然而，对于需要更大或一致性更高的 I/O 性能的应用程序，可考虑使用更高 I/O 性能的实例类型。
**Topics**
+ [
## 可用实例类型
](#AvailableInstanceTypes)
+ [
## 硬件规格
](#instance-hardware-specs)
+ [
## 虚拟机监控程序类型
](#instance-hypervisor-type)
+ [
## AMI 虚拟化类型
](#instance-virtualization-type)
+ [
## 处理器
](#instance-types-processors)
+ [
# 查找 Amazon EC2 实例类型
](instance-discovery.md)
+ [
# 从 EC2 实例类型查找器获取建议
](get-ec2-instance-type-recommendations.md)
+ [
# 从 Compute Optimizer 获取 EC2 实例建议
](ec2-instance-recommendations.md)
+ [
# Amazon EC2 实例类型更改
](ec2-instance-resize.md)
+ [
# 具爆发能力的实例
](burstable-performance-instances.md)
+ [
# 使用 GPU 实例加速性能
](configure-gpu-instances.md)
+ [
# Amazon EC2 Mac 实例
](ec2-mac-instances.md)
+ [
# Amazon EBS 优化的实例类型
](ebs-optimized.md)
+ [
# Amazon EC2 实例适用的 CPU 选项
](instance-optimize-cpu.md)
+ [
# Amazon EC2 实例的 AMD SEV-SNP
](sev-snp.md)
+ [
# Amazon EC2 Linux 实例的处理器状态控制
](processor_state_control.md)
## 可用实例类型
Amazon EC2 提供各种不同的实例类型，这些实例类型经过优化，适合不同的使用案例。实例类型包括 CPU、内存、存储和网络容量的不同组合，便于您灵活选择适合应用程序的资源组合。每种实例类型都包含一个或多个实例大小，您可以根据目标工作负载的要求扩展资源。
**实例类型命名约定**
名称基于实例系列、代系、处理器系列、功能和型号。有关更多信息，请参阅《Amazon EC2 实例类型指南》**中的[命名约定](https://docs.aws.amazon.com/ec2/latest/instancetypes/instance-type-names.html)。
**查找实例类型**
要确定哪些实例类型满足您的要求（例如支持的区域、计算资源或存储资源），请参阅 [查找 Amazon EC2 实例类型](instance-discovery.md) 和《Amazon EC2 Instance Types Guide》**中的 [Amazon EC2 instance type specifications](https://docs.aws.amazon.com/ec2/latest/instancetypes/ec2-instance-type-specifications.html)。
## 硬件规格
有关详细的实例类型规格，请参阅《Amazon EC2 实例类型指南》**中的[规格](https://docs.aws.amazon.com/ec2/latest/instancetypes/ec2-instance-type-specifications.html)。有关定价信息，请参阅 [Amazon EC2 按需定价](https://aws.amazon.com/ec2/pricing/on-demand/)。
要确定最适合您的需求的实例类型，我们建议启动一个实例，并使用自己的基准测试应用程序。由于您是按实例秒付费的，因此在做出决策前测试多个实例类型将会既方便又经济。如果您的需求有变化，甚至是在做出决策后，您可以在以后更改您的实例类型。有关更多信息，请参阅 [Amazon EC2 实例类型更改](ec2-instance-resize.md)。
## 虚拟机监控程序类型
Amazon EC2 支持以下虚拟机监控程序：Xen 和 Nitro。
**基于 Nitro 的实例**
+ **通用型：**M5 \$1 M5a \$1 M5ad \$1 M5d \$1 M5dn \$1 M5n \$1 M5zn \$1 M6a \$1 M6g \$1 M6gd \$1 M6i \$1 M6id \$1 M6idn \$1 M6in \$1 M7a \$1 M7g \$1 M7gd \$1 M7i \$1 M7i-flex \$1 M8a \$1 M8azn \$1M8g \$1 M8gb \$1 M8gd \$1 M8gn \$1 M8i \$1 M8id \$1 M8i-flex \$1 T3 \$1 T3a \$1 T4g
+ **计算优化型：**C5 \$1 C5a \$1 C5ad \$1 C5d \$1 C5n \$1 C6a \$1 C6g \$1 C6gd \$1 C6gn \$1 C6i \$1 C6id \$1 C6in \$1 C7a \$1 C7g \$1 C7gd \$1 C7gn \$1 C7i \$1 C7i-flex \$1 C8a \$1 C8g \$1 C8gb \$1 C8gd \$1 C8gn \$1 C8i \$1 C8id \$1 C8i-flex
+ **内存优化型：**R5 \$1 R5a \$1 R5ad \$1 R5b \$1 R5d \$1 R5dn \$1 R5n \$1 R6a \$1 R6g \$1 R6gd \$1 R6i \$1 R6id \$1 R6idn \$1 R6in \$1 R7a \$1 R7g \$1 R7gd \$1 R7i \$1 R7iz \$1 R8a \$1 R8g \$1 R8gb \$1 R8gd \$1 R8gn \$1 R8i \$1 R8id \$1 R8i-flex \$1 U-3tb1 \$1 U-6tb1 \$1 U-9tb1 \$1 U-12tb1 \$1 U-18tb1 \$1 U-24tb1 \$1 U7i-6tb \$1 U7i-8tb \$1 U7i-12tb \$1 U7in-16tb \$1 U7in-24tb \$1 U7in-32tb \$1 U7inh-32tb \$1 X2gd \$1 X2idn \$1 X2iedn \$1 X2iezn \$1 X8g \$1 X8aedz \$1 X8i \$1 z1d
+ **存储优化型：**D3 \$1 D3en \$1 I3en \$1 I4g \$1 I4i \$1 I7i \$1 I7ie \$1 I8g \$1 I8ge \$1 Im4gn \$1 Is4gen
+ **加速计算型：**DL1 \$1 DL2q \$1 F2 \$1 G4ad \$1 G4dn \$1 G5 \$1 G5g \$1 G6 \$1 G6e \$1 G6f \$1 Gr6 \$1 Gr6f \$1 G7e \$1 Inf1 \$1 Inf2 \$1 P4d \$1 P4de \$1 P5 \$1 P5e \$1 P5en \$1 P6-B200 \$1 P6-B300 \$1 P6e-GB200 \$1 Trn1 \$1 Trn1n \$1 Trn2 \$1 Trn2u \$1 VT1
+ **高性能计算：**Hpc6a \$1 Hpc6id \$1 Hpc7a \$1 Hpc7g \$1 Hpc8a
+ **上一代实例：**A1 \$1 P3dn
要详细了解支持的 Nitro 虚拟机监控器版本，请参阅 *Amazon EC2 实例类型指南*中的[网络功能支持](https://docs.aws.amazon.com/ec2/latest/instancetypes/ec2-nitro-instances.html#nitro-version-network-features)。
**基于 Xen 的实例**
+ **通用型**：M1 \$1 M2 \$1 M3 \$1 M4 \$1 T1 \$1 T2
+ **计算优化型**：C1 \$1 C3 \$1 C4
+ **内存优化型**：R3 \$1 R4 \$1 X1 \$1 X1e
+ **存储优化型**：D2 \$1 H1 \$1 I2 \$1 I3
+ **加速计算型**：F1 \$1 G3 \$1 P2 \$1 P3
## AMI 虚拟化类型
实例的虚拟化类型由用于启动该实例的 AMI 决定。最新一代实例类型仅支持硬件虚拟机 (HVM)。某些上一代实例类型支持半虚拟化 (PV)，某些 AWS 区域支持半虚拟化实例。有关更多信息，请参阅[虚拟化类型](ComponentsAMIs.md#virtualization_types)。
为获得最佳性能，我们建议您使用 HVM AMI。此外，HVM AMI 还需要利用增强联网。HVM 虚拟化使用 AWS 平台提供的硬件辅助技术。借助 HVM 虚拟化，访客虚拟机如同在本地硬件平台上运行一样，除了仍然使用半虚拟 (PV) 网络和存储驱动程序以提高性能。
## 处理器
EC2 实例支持多种处理器。
**Topics**
+ [
### 英特尔处理器
](#instance-hardware-processors)
+ [
### AMD 处理器
](#amd-epyc-instances)
+ [
### AWS Graviton 处理器
](#aws-graviton-instances)
+ [
### AWS Trainium
](#aws-trainium-instances)
+ [
### AWS Inferentia
](#aws-inferentia-instances)
### 英特尔处理器
在 Intel 处理器上运行的 Amazon EC2 实例可能包括以下处理器功能。并非所有在 Intel 处理器上运行的实例都支持所有这些处理器功能。有关每种实例类型有哪些功能可用的信息，请参阅 [Amazon EC2 实例类型](https://aws.amazon.com/ec2/instance-types/)。
+ **Intel AES New Instructions (AES-NI)** — Intel AES-NI 加密指令集改进了原先 Advanced Encryption Standard (AES) 的算法，可以提供更快的数据保护和更好的安全性。所有最新一代 EC2 实例都支持此处理器功能。
+ **Intel Advanced Vector Extensions（Intel AVX、Intel AVX2 和 Intel AVX-512）** — ：Intel AVX/Intel AVX2 和 Intel AVX-512 分别是 256 位和 512 位指令集扩展，专为浮点 (FP) 密集型应用程序而设计。Intel AVX 指令可以提升诸如图像和音频/视频处理、科学模拟、财务分析、3D 建模与分析等应用的性能。这些功能仅在使用 HVM AMI 启动的实例上可用。
+ **Intel 睿频加速技术** — Intel 睿频加速技术处理器以比基本操作频率快的速度自动运行核心。
+ **Intel Deep Learning Boost (Intel DL Boost)** — 加速 AI 深度学习使用案例。第二代 Intel Xeon 可扩展处理器能够扩展采用全新向量神经网络指令 (VNNI/INT8) 的 Intel AVX-512，与上一代 Intel Xeon 可扩展处理器（配有 FP32）相比，深度学习推理性能显著提高，适用于图像识别/分割、对象检测、语音识别、语言翻译、推荐系统和强化学习等。VNNI 可能不会兼容所有 Linux 发行版。
以下实例支持 VNNI：`M5n`、`R5n`、`M5dn`、`M5zn`、`R5b`、`R5dn`、`D3`、`D3en` 和 `C6i`。`C5` 和 `C5d` 实例仅支持 `12xlarge`、`24xlarge` 和 `metal` 实例的 VNNI。
64 位 CPU 的行业命名惯例可能会导致混淆。芯片制造商 Advanced Micro Devices (AMD) 成功引入了第一款基于 Intel x86 指令集的商用 64 位架构。因此，不论芯片制造商是谁，这一架构被普遍称为 AMD64。Windows 和多个 Linux 发行版遵循这一实践。这说明了为什么实例即使运行在 Intel 硬件上，但 Ubuntu 或 Windows 上的内部系统信息仍将 CPU 架构显示为 AMD64。
### AMD 处理器
在 [AMD EPYC](https://aws.amazon.com/ec2/amd/) 处理器上运行的 Amazon EC2 实例有助您优化工作负载的成本和性能。此类实例可能支持以下处理器功能。并非所有在 AMD 处理器上运行的实例都支持所有这些处理器功能。有关每种实例类型有哪些功能可用的信息，请参阅 [Amazon EC2 实例类型](https://aws.amazon.com/ec2/instance-types/)。
+ AMD 安全内存加密（SME）
+ AMD 透明单密钥内存加密（TSME）
+ AMD 高级向量扩展（AVX）
+ AMD 安全加密虚拟化安全嵌套分页（[SEV-SNP](sev-snp.md)）
+ 向量神经网络指令（VNNI）
+ BFloat16
### AWS Graviton 处理器
[AWS Graviton](https://aws.amazon.com/ec2/graviton/) 是一系列处理器，旨在为在 Amazon EC2 实例上运行的工作负载提供最佳的性价比。
有关更多信息，请参阅 [Getting started with Graviton](https://aws.amazon.com/ec2/graviton/getting-started/)。
### AWS Trainium
由 [AWS Trainium](https://aws.amazon.com/ai/machine-learning/trainium/) 提供支持的实例专为高性能、经济实惠的深度学习训练而构建。您可以使用这些实例来训练在语音识别、推荐、欺诈检测以及图像和视频分类等各种应用程序中使用的自然语言处理、计算机视觉和推荐器模型。在流行的机器学习（ML）框架（如 PyTorch 和 TensorFlow）中使用您的现有工作流程。
### AWS Inferentia
由 [AWS Inferentia](https://aws.amazon.com/ai/machine-learning/inferentia/) 提供支持的实例旨在加速机器学习。其提供高性能、低延迟的机器学习推理。这些实例经过优化，专用于部署各种应用领域的深度学习 (DL) 模型，例如自然语言处理、对象检测和分类、内容个性化和过滤以及语音识别。
您可以通过多种方式开始使用这些模型：
+ 使用 SageMaker AI（这是一种完全托管式服务）是开始使用机器学习模型的最简单方法。有关更多信息，请参阅《Amazon SageMaker AI Developer Guide》**中的 [Get Started with SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/gs.html)。
+ 使用 Deep Learning AMI 启动 Inf1 或 Inf2 实例。有关更多信息，请参阅 *AWS Deep Learning AMIs 开发人员指南*中的[使用 DLAMI 的 AWS Inferentia](https://docs.aws.amazon.com/dlami/latest/devguide/tutorial-inferentia.html)。
+ 使用您自己的 AMI 启动 Inf1 或 Inf2 实例并安装 [AWS Neuron 开发工具包](https://github.com/aws/aws-neuron-sdk)，您可以利用此工具包为 AWS Inferentia 编译、运行和分析深度学习模型。
+ 结合使用 Inf1 或 Inf2 实例和经过 Amazon ECS 优化的 AMI 启动容器实例。有关更多信息，请参阅《Amazon Elastic Container Service 开发人员指南》**中的 [Amazon Linux 2（Inferentia）AMI](https://docs.aws.amazon.com/AmazonECS/latest/developerguide/ecs-optimized_AMI.html)。
+ 创建包含运行 Inf1 实例的节点的 Amazon EKS 集群。有关更多信息，请参阅 **Amazon EKS 用户指南**中的 [Inferentia 支持](https://docs.aws.amazon.com/eks/latest/userguide/inferentia-support.html)。
# 查找 Amazon EC2 实例类型
您必须先选择要使用的实例类型，然后才能启动实例。您选择的实例类型可能取决于您的工作负载所需的资源，例如计算、内存或存储资源。确定几种可能适合您的工作负载的实例类型，并在测试环境中评估它们的性能可能很有帮助。没有方法可以替代衡量应用程序在负载下的性能。
您可以使用 EC2 实例类型查找器获取有关 EC2 实例类型的建议和指导。有关更多信息，请参阅 [从 EC2 实例类型查找器获取建议](get-ec2-instance-type-recommendations.md)。
如果您已在运行 EC2 实例，可以使用 AWS Compute Optimizer 获取有关您应该用来提高性能、节省资金或两者兼顾的实例类型的建议。有关更多信息，请参阅 [从 Compute Optimizer 获取 EC2 实例建议](ec2-instance-recommendations.md)。
**Topics**
+ [
## 使用控制台查找实例类型
](#instance-discovery-console)
+ [
## 使用 AWS CLI 描述实例类型
](#describe-instance-type-example)
+ [
## 使用 AWS CLI 查找实例类型
](#instance-discovery-cli)
+ [
## 使用 Tools for PowerShell 来查找实例类型
](#instance-discovery-ps)
## 使用控制台查找实例类型
您可以使用 Amazon EC2 控制台查找满足您的需求的实例类型。
**使用控制台查找实例类型**
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 从导航栏，选择您在其中启动实例的区域。您可以选择向您提供的任何区域，无需理会您身处的位置。
1. 在导航窗格中，选择 **Instance Types (实例类型)**。
1. （可选）选择首选项（齿轮）图标以选择要显示的实例类型属性（例如 **On-Demand Linux pricing (按需 Linux 定价)**），然后选择 **Confirm (确认)**。或者，选择实例类型的名称以打开其详细信息页面，并查看通过控制台提供的所有属性。控制台不会显示通过 API 或命令行提供的所有属性。
1. 使用实例类型属性筛选显示的实例类型列表，以仅显示满足您的需求的实例类型。例如，您可以筛选以下属性：
+ **Availability zones**（可用区）– 可用区、本地区域或 Wavelength 区域的名称。有关更多信息，请参阅 [区域和可用区](using-regions-availability-zones.md)。
+ **vCPUs** 或 **Cores**（内核）– vCPU 或内核的数量。
+ **Memory (GiB)** [内存（GiB)] - 内存大小，以 GiB 为单位。
+ **Network performance**（网络性能）– 网络性能，以千兆为单位。
+ **Local instance storage**（本地实例存储）– 指示实例类型是否具有本地实例存储（`true` \$1 `false`）。
1. （可选）要并排查看比较结果，请选中多个实例类型的复选框。比较结果显示在屏幕底部。
1. （可选）要将实例类型列表保存到逗号分隔值（.csv）文件以进一步查看，请依次选择 **Actions**（操作）、**Download list CSV**（下载列表 CSV）。该文件包括与您设置的筛选条件匹配的所有实例类型。
1. （可选）要使用符合您需求的实例类型启动实例，请选中该实例类型的复选框并依次选择 **Actions**（操作）、**Launch instance**（启动实例）。有关更多信息，请参阅 [使用控制台中的启动实例向导来启动 EC2 实例](ec2-launch-instance-wizard.md)。
## 使用 AWS CLI 描述实例类型
您可以使用 [describe-instance-types](https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-instance-types.html) 命令来描述特定的实例类型。
**完整描述实例类型**
以下命令显示了指定实例类型的所有可用详细信息。输出很长，所以此处进行了省略。
```
aws ec2 describe-instance-types \
--instance-types t2.micro \
--region us-east-2
```
**描述实例类型并筛选输出**
以下命令显示了指定实例类型的网络详细信息。
```
aws ec2 describe-instance-types \
--instance-types t2.micro \
--region us-east-2 \
--query "InstanceTypes[].NetworkInfo"
```
下面是示例输出。
```
[
{
"NetworkPerformance": "Low to Moderate",
"MaximumNetworkInterfaces": 2,
"MaximumNetworkCards": 1,
"DefaultNetworkCardIndex": 0,
"NetworkCards": [
{
"NetworkCardIndex": 0,
"NetworkPerformance": "Low to Moderate",
"MaximumNetworkInterfaces": 2,
"BaselineBandwidthInGbps": 0.064,
"PeakBandwidthInGbps": 1.024
}
],
"Ipv4AddressesPerInterface": 2,
"Ipv6AddressesPerInterface": 2,
"Ipv6Supported": true,
"EnaSupport": "unsupported",
"EfaSupported": false,
"EncryptionInTransitSupported": false,
"EnaSrdSupported": false
}
]
```
以下命令显示了指定实例类型的可用内存。
```
aws ec2 describe-instance-types \
--instance-types t2.micro \
--region us-east-2 \
--query "InstanceTypes[].MemoryInfo"
```
下面是示例输出。
```
[
{
"SizeInMiB": 1024
}
]
```
## 使用 AWS CLI 查找实例类型
您可以使用 [describe-instance-types](https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-instance-types.html) 和 [describe-instance-type-offerings](https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-instance-type-offerings.html) 命令来查找满足需求的实例类型。
**Topics**
+ [按可用区查找实例类型](#find-instance-type-example-1)
+ [按可用内存大小查找实例类型](#find-instance-type-example-2)
+ [按可用实例存储查找实例类型](#find-instance-type-example-3)
+ [查找支持休眠的实例类型](#find-instance-type-example-4)
### 示例 1：按可用区查找实例类型
以下示例仅显示了在指定可用区中提供的实例类型。
```
aws ec2 describe-instance-type-offerings \
--location-type "availability-zone" \
--filters "Name=location,Values=us-east-2a" \
--region us-east-2 \
--query "InstanceTypeOfferings[*].[InstanceType]" --output text | sort
```
输出是按字母顺序排序的实例类型列表。下面只是输出的开始部分。
```
a1.2xlarge
a1.4xlarge
a1.large
a1.medium
a1.metal
a1.xlarge
c4.2xlarge
...
```
### 示例 2：按可用内存大小查找实例类型
以下示例仅显示了当前一代中具有 64 GiB（65536 MiB）内存的实例类型。
```
aws ec2 describe-instance-types \
--filters "Name=current-generation,Values=true" "Name=memory-info.size-in-mib,Values=65536" \
--region us-east-2 \
--query "InstanceTypes[*].[InstanceType]" --output text | sort
```
输出是按字母顺序排序的实例类型列表。下面只是输出的开始部分。
```
c5a.8xlarge
c5ad.8xlarge
c6a.8xlarge
c6g.8xlarge
c6gd.8xlarge
c6gn.8xlarge
c6i.8xlarge
c6id.8xlarge
c6in.8xlarge
...
```
### 示例 3：按可用实例存储查找实例类型
以下示例显示了包含实例存储卷的所有 R7 实例的实例存储总大小。
```
aws ec2 describe-instance-types \
--filters "Name=instance-type,Values=r7*" "Name=instance-storage-supported,Values=true" \
--region us-east-2 \
--query "InstanceTypes[].[InstanceType, InstanceStorageInfo.TotalSizeInGB]" \
--output table
```
下面是示例输出。
```
---------------------------
| DescribeInstanceTypes |
+----------------+--------+
| r7gd.xlarge | 237 |
| r7gd.8xlarge | 1900 |
| r7gd.16xlarge | 3800 |
| r7gd.medium | 59 |
| r7gd.4xlarge | 950 |
| r7gd.2xlarge | 474 |
| r7gd.metal | 3800 |
| r7gd.large | 118 |
| r7gd.12xlarge | 2850 |
+----------------+--------+
```
### 示例 4：查找支持休眠的实例类型
以下示例显示支持休眠的实例类型。
```
aws ec2 describe-instance-types \
--filters "Name=hibernation-supported,Values=true" \
--region us-east-2 \
--query "InstanceTypes[*].[InstanceType]" \
--output text | sort
```
输出是按字母顺序排序的实例类型列表。下面只是输出的开始部分。
```
c4.2xlarge
c4.4xlarge
c4.8xlarge
c4.large
c4.xlarge
c5.12xlarge
c5.18xlarge
c5.2xlarge
c5.4xlarge
c5.9xlarge
...
```
## 使用 Tools for PowerShell 来查找实例类型
您可以使用 [Get-EC2InstanceType](https://docs.aws.amazon.com/powershell/latest/reference/items/Get-EC2InstanceType.html) 和 [Get-EC2InstanceTypeOffering](https://docs.aws.amazon.com/powershell/latest/reference/items/Get-EC2InstanceTypeOffering.html) cmdlet 来查找满足您需求的实例类型。
**Topics**
+ [
### 按可用区查找实例类型
](#find-instance-type-by-az-ps)
+ [
### 按可用内存大小查找实例类型
](#find-instance-type-by-memory-ps)
+ [
### 按可用实例存储查找实例类型
](#find-instance-type-by-storage-ps)
+ [
### 查找支持休眠的实例类型
](#find-instance-type-hibernation-ps)
### 按可用区查找实例类型
以下示例仅显示了在指定可用区中提供的实例类型。
```
(Get-EC2InstanceTypeOffering `
-LocationType "availability-zone" `
-Region us-east-2 `
-Filter @{Name="location"; Values="us-east-2a"}).InstanceType | Sort-Object `
```
### 按可用内存大小查找实例类型
以下示例仅显示了当前一代中具有 64 GiB（65536 MiB）内存的实例类型。
```
(Get-EC2InstanceType `
-Filter @{Name="current-generation"; Values="true"},
@{Name="memory-info.size-in-mib"; Values="65536"}).InstanceType | Sort-Object
```
### 按可用实例存储查找实例类型
以下示例显示了包含实例存储卷的所有 R7 实例的实例存储总大小。
```
Get-EC2InstanceType `
-Filter @{Name="instance-type"; Values="r7*"},
@{Name="instance-storage-supported"; Values="true"} | `
Select InstanceType, @{Name="TotalSizeInGB"; Expression={($_.InstanceStorageInfo.TotalSizeInGB)}}
```
下面是示例输出。
```
InstanceType TotalSizeInGB
------------ -------------
r7gd.8xlarge 1900
r7gd.16xlarge 3800
r7gd.xlarge 237
r7gd.4xlarge 950
r7gd.medium 59
r7gd.2xlarge 474
r7gd.large 118
r7gd.metal 3800
r7gd.12xlarge 2850
```
### 查找支持休眠的实例类型
以下示例显示支持休眠的实例类型。
```
(Get-EC2InstanceType `
-Filter @{Name="hibernation-supported"; Values="true"}).InstanceType | Sort-Object
```
# 从 EC2 实例类型查找器获取建议
EC2 实例类型查找器会考虑您的使用案例、工作负载类型和 CPU 制造商偏好，您优先考虑价格还是性能，以及您可以指定的其他参数。随后，它利用这些数据提供有关最适合新工作负载的 Amazon EC2 实例类型的建议和指导。
有如此多的实例类型可供使用，因此找到适用于您工作负载的实例类型可能非常耗时和复杂。使用 EC2 实例类型查找器，您可以随时获得最新的实例类型，并为您的工作负载实现最佳性价比。
您可以使用 Amazon EC2 控制台获取有关 EC2 实例类型的建议和指导。您也可以直接转到 Amazon Q，以寻求实例类型建议。有关更多信息，请参阅《Amazon Q 开发人员用户指南》[https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/what-is.html](https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/what-is.html)。
如果您正在为*现有的*工作负载寻找实例类型建议，请使用 AWS Compute Optimizer。有关更多信息，请参阅 [从 Compute Optimizer 获取 EC2 实例建议](ec2-instance-recommendations.md)。
## 使用 EC2 实例类型查找器
在 Amazon EC2 控制台中，您可以在启动实例向导中、创建启动模板时或在**实例类型**页面上，从 EC2 实例类型查找器获取实例类型建议。
请按照以下说明，使用 Amazon EC2 控制台中的 EC2 实例类型查找器获得 EC2 实例类型建议和指导。要观看这些步骤的动画，请参阅 [观看动画：使用 EC2 实例类型查找器获取实例类型建议](#use-ec2-instance-type-finder-animation)。
**使用 EC2 实例类型查找器获取实例类型建议**
1. 使用以下任一方法开始您的流程：
+ 按照程序[启动实例](ec2-launch-instance-wizard.md)。在**实例类型**的旁边，选择**获取建议**链接。
+ 按照该程序[创建启动模板](create-launch-template.md#create-launch-template-define-parameters)。在**实例类型**的旁边，选择**获取建议**链接。
+ 在导航窗格中，选择**实例类型**，然后选择**实例类型查找器**按钮。
1. 在**获取有关实例类型选择的建议**屏幕中，执行以下操作：
1. 通过选择**工作负载类型**、**使用案例**、**优先级**和 **CPU 制造商**选项来指定您的实例类型要求。
1. （可选）要为您的工作负载指定更详细的要求，请执行以下操作：
1. 展开**高级参数**。
1. 要添加参数，请选择一个参数，选择**添加**，然后为该参数指定一个值。对每个想要添加的附加参数重复上述操作。要表示没有最小值或最大值，请将该字段留空。
1. 要在添加参数后将其删除，请选择该参数旁边的 **X**。
1. 选择**获取实例类型建议**。
Amazon EC2 为您提供符合您指定要求的实例系列的建议。
1. 要查看建议的实例系列中每种实例类型的详细信息，请选择**查看推荐的实例系列详细信息**。
1. 选择符合您要求的实例类型，然后选择**操作**、**启动实例**或**操作**、**创建启动模板**。
或者，如果您在启动实例向导或启动模板页面中启动了该流程，并且希望返回到原来的流程，则请记下您要使用的实例类型。然后，在启动实例向导或启动模板中，为**实例类型**选择该实例类型，然后完成启动实例或创建启动模板的过程。
### 观看动画：使用 EC2 实例类型查找器获取实例类型建议
![\[此动画展示了如何使用 EC2 实例类型查找器获取实例类型建议。要查看此动画的文字版，请参阅前面过程中的步骤。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/use-ec2-instance-type-finder-animation.gif)
# 从 Compute Optimizer 获取 EC2 实例建议
AWS Compute Optimizer 提供了 Amazon EC2 建议，以帮助您提高性能和/或节省资金。您可以根据这些建议来决定是否更改为新的实例类型。
为了生成建议，Compute Optimizer 会分析现有实例规范和利用率指标。然后，利用已编译数据来建议哪些 Amazon EC2 实例类型能够最好地处理现有工作负载。建议随每小时实例定价一起返回。有关更多信息，请参阅《AWS Compute Optimizer User Guide》**中的 [Amazon EC2 instance metrics](https://docs.aws.amazon.com/compute-optimizer/latest/ug/metrics.html#ec2-metrics-analyzed)。
**Topics**
+ [
## 要求
](#compute-optimizer-limitations)
+ [
## 结果分类
](#findings-classifications)
+ [
## 查看建议
](#viewing-recommendations)
+ [
## 评估建议时的注意事项
](#considerations)
## 要求
要从 Compute Optimizer 中获取建议，您必须首先选择加入 Compute Optimizer。有关更多信息，请参阅 *AWS Compute Optimizer 用户指南*中的 [AWS Compute Optimizer 入门](https://docs.aws.amazon.com/compute-optimizer/latest/ug/getting-started.html)。
Compute Optimizer 会为某些实例类型生成建议，但不会为所有实例类型生成建议。如果您使用不支持的实例类型，Compute Optimizer 将不会生成建议。有关支持的实例类型的列表，请参阅《AWS Compute Optimizer User Guide》**中的 [Amazon EC2 instance requirements](https://docs.aws.amazon.com/compute-optimizer/latest/ug/requirements.html#requirements-ec2-instances)。
## 结果分类
Compute Optimizer 将其对 EC2 实例的调查结果分类为：
+ **预配置不足** – 当您的实例的至少一个规格（如 CPU、内存或网络）没有满足工作负载的性能要求时，将 EC2 实例视为预配置不足。预配置不足的 EC2 实例可能会导致应用程序性能较差。
+ **过度预配置** – 当您的实例的至少一个规格（如 CPU、内存或网络）可缩小但仍能满足工作负载的性能要求时，并且没有任何规格处于预配置不足状态时，将 EC2 实例视为过度预配置。过度预配置的 EC2 实例可能会导致不必要的基础设施成本。
+ **已优化** – 当您的实例的所有规格（如 CPU、内存和网络）满足工作负载的性能要求且实例未处于过度预配置状态时，将 EC2 实例视为已优化。已优化的 EC2 实例以最佳的性能和基础设施成本运行您的工作负载。对于已优化的实例，Compute Optimizer 有时可能会建议新一代实例类型。
+ **无** – 没有对此实例的建议。如果您选择加入 Compute Optimizer 的时间少于 12 小时、实例的运行时间少于 30 小时，或者 Compute Optimizer 不支持实例类型，则可能会发生这种情况。
## 查看建议
在选择加入 Compute Optimizer 后，您可以在 Amazon EC2 控制台中查看 Compute Optimizer 为 EC2 实例生成的结果。然后，您可以访问 Compute Optimizer 控制台来查看建议。如果您是最近选择加入的，EC2 控制台可能在长达 12 小时内不会反映调查结果。
**使用 Amazon EC2 控制台查看实例的建议**
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 在导航窗格中，选择**实例**。
1. 选择实例 ID 以打开实例详细信息页面。
1. 在实例详细信息页面的顶部摘要部分，找到 **AWS Compute Optimizer 调查发现**。如果有调查发现，我们会显示调查发现分类和查看详细信息的链接。否则，我们将显示**此实例没有可用的建议**。
1. 如果有调查发现，请选择**查看详细信息**。这将打开 Compute Optimizer 控制台中的 **EC2 实例建议**页面。当前实例类型标记为**当前**。还有最多三个实例类型建议，分别标记为**选项 1**、**选项 2** 和**选项 3**。此页面还显示了该实例的最新 CloudWatch 指标数据。
**查看对所有区域中所有实例的建议**
您可以使用 Compute Optimizer 控制台查看所有区域中所有 Amazon EC2 实例的建议。有关更多信息，请参阅《AWS Compute Optimizer User Guide》**中的 [Viewing EC2 instances recommendations](https://docs.aws.amazon.com/compute-optimizer/latest/ug/view-ec2-recommendations.html#ec2-view-recommendations) 和 [Viewing EC2 instance details](https://docs.aws.amazon.com/compute-optimizer/latest/ug/view-ec2-recommendations.html#ec2-viewing-details)。
## 评估建议时的注意事项
在收到建议时，您必须决定是否执行操作。在更改实例类型之前，请考虑以下事项：
+ 这些建议不会预测您的使用情况。建议基于您在最近 14 天时间段内的历史使用情况。请务必选择一种预计能够满足您的未来资源需求的实例类型。
+ 关注图表指标以确定实际使用量是否低于实例容量。您还可以在 CloudWatch 中查看指标数据（平均值、峰值、百分比），以进一步评估 EC2 实例建议。例如，观察当天 CPU 百分比指标如何变化，以及是否有需要满足的峰值。有关更多信息，请参阅 *Amazon CloudWatch 用户指南* 中的[查看可用指标](https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/viewing_metrics_with_cloudwatch.html)。
+ Compute Optimizer 可能会为可突增性能实例（即 T3、T3a 和 T2 实例）提供建议。如果您定期突增至基线之上，请确保您可以基于新实例类型的 vCPU 继续如此。有关更多信息，请参阅[可突增性能实例的关键概念](burstable-credits-baseline-concepts.md)。
+ 如果您购买了 Reserved Instance，您的个按需型实例可能会作为 Reserved Instance 进行计费。在更改当前实例类型之前，请首先评估对Reserved Instance使用率和覆盖率的影响。
+ 尽可能考虑转换为较新一代实例。
+ 在迁移到其他实例系列时，请确保当前实例类型和新实例类型在虚拟化、架构或网络类型等方面兼容。有关更多信息，请参阅[更改实例类型的兼容性](resize-limitations.md)。
+ 最后，请考虑为每个建议提供的性能风险评级。性能风险指示您为了验证建议的实例类型是否满足工作负载的性能要求而可能需要执行的工作量。我们还建议在进行任何更改前后进行严格的负载和性能测试。
# Amazon EC2 实例类型更改
随着您的需求变化，您可能会发现您的实例过度使用 (实例类型过小) 或利用不足 (实例类型过大)。如果是这种情况，您可以通过更改实例类型来调整实例的大小。例如，如果您 `t2.micro` 实例对于其工作负载来说太小，您可以通过将其更改为更大的 T2 实例类型来增加其大小，例如 `t2.large`。或者，您可以将其更改其它实例类型，如 `m5.large`。您可能还想将实例类型从上一代更改为最新一代以利用某些功能，例如 IPv6 支持。
如果您想要针对能够最好地处理现有工作负载的实例类型获得建议，则可以使用 AWS Compute Optimizer。有关更多信息，请参阅 [从 Compute Optimizer 获取 EC2 实例建议](ec2-instance-recommendations.md)。
更改实例类型时，您将开始支付新实例类型的费率。有关所有实例类型的按需费率，请参阅 [Amazon EC2 按需定价](https://aws.amazon.com/ec2/pricing/on-demand/)。
要在不更改实例类型的情况下，向实例添加额外的存储空间，请向实例添加一个 EBS 卷。有关更多信息，请参阅《Amazon EBS 用户指南》**中的[将 Amazon EBS 卷挂载到实例](https://docs.aws.amazon.com/ebs/latest/userguide/ebs-attaching-volume.html)。
## 要遵循哪些说明？
对于更改实例类型，我们有不同的说明。应该使用哪些说明取决于实例的根卷，以及实例类型是否与实例的当前配置兼容。有关如何确定兼容性的信息，请参阅 [更改实例类型的兼容性](resize-limitations.md)。
使用下表确定需要遵守的说明。
| 根卷 | 兼容性 | 使用以下说明进行操作 |
| --- | --- | --- |
| EBS | 兼容 | [更改实例类型](change-instance-type-of-ebs-backed-instance.md) |
| EBS | 不兼容 | [迁移到新实例类型](migrate-instance-configuration.md) |
| 实例存储 | 不适用 | [迁移到新实例类型](migrate-instance-configuration.md) |
# 更改实例类型的兼容性
仅当实例的当前配置与您所需的实例类型兼容时，才能更改实例类型。如果您所需的实例类型与实例的当前配置不兼容，则您必须启动一个具有与新实例类型兼容的配置的新实例，并将应用程序迁移到新实例。
可通过以下方式确定兼容性：
**虚拟化类型**
Linux AMI 使用两种虚拟化之一：半虚拟化 (PV) 或硬件虚拟机 (HVM)。如果是从 PV AMI 启动的实例，则您无法将其更改为仅限 HVM 的实例类型。有关更多信息，请参阅 [虚拟化类型](ComponentsAMIs.md#virtualization_types)。要查看实例的虚拟化类型，请在 Amazon EC2 控制台中查看 **Instances**（实例）屏幕的详细信息窗格中的 **Virtualization**（虚拟化）值。
**架构**
AMI 特定于处理器的架构，因此您必须选择与当前实例类型具有相同处理器架构的实例类型。例如：
+ 如果当前实例类型处理器是基于 Arm 架构的，则仅限于支持基于 Arm 架构的处理器的实例类型，例如 C6g 和 M6g。
+ 只有以下实例类型支持 32 位 AMIs：`t2.nano`、`t2.micro`、`t2.small`、`t2.medium`、`c3.large`、`t1.micro`、`m1.small`、`m1.medium` 和 `c1.medium`。如需更改 32 位实例的实例类型，则仅限使用以下实例类型。
**网络适配器**
如果从一个网络适配器的驱动程序切换到另一个网络适配器，则在操作系统创建新的适配器时将重置网络适配器设置。要重新配置设置，您可能需要使用管理员权限访问本地账户。以下是从一个网络适配器移到另一个网络适配器的示例：
+ AWS PV（T2 实例）到 Intel 82599 VF（M4 实例）
+ Intel 82599 VF（大多数 M4 实例）到 ENA（M5 实例）
+ ENA（M5 实例）到高带宽 ENA（M5n 实例）
**增强联网**
支持[增强联网](enhanced-networking.md)的实例类型需要安装必要的驱动程序。例如，[基于 Nitro 的实例](instance-types.md#instance-hypervisor-type)需要安装了弹性网络适配器（ENA）驱动程序的 EBS-backed AMI。要将实例的实例类型从不支持增强联网的类型更改为支持增强联网的实例类型，必须根据需要在实例上安装 [ENA 驱动程序](enhanced-networking-ena.md)或 [ixgbevf 驱动程序](sriov-networking.md)。
在启用 ENA Express 的情况下调整实例大小时，新实例类型必须同时支持 ENA Express。有关支持 ENA Express 的实例类型列表，请参阅 [ENA Express 支持的实例类型](ena-express.md#ena-express-supported-instance-types)。
要将实例类型从支持 ENA Express 更改为不支持 ENA Express，请确保在调整实例大小之前尚未启用 ENA Express。
**NVMe**
在[基于 Nitro 的实例](instance-types.md#instance-hypervisor-type)上，EBS 卷显示为 NVMe 块储存设备。如果将实例类型不支持 NVMe 的实例的实例类型更改为支持 NVMe 的实例类型，您必须先在实例上安装 NVMe 驱动程序。此外，您在块设备映射中所指定设备的设备名称将使用 NVMe 设备名称（`/dev/nvme[0-26]n1`）进行重命名。
[Linux 实例] 因此，要使用 `/etc/fstab` 在启动时挂载文件系统，必须使用 UUID/标签而非设备名称。
**卷限制**
您可以挂载到实例的最大 Amazon EBS 卷数取决于实例类型和实例规模。有关更多信息，请参阅 [Amazon EC2 实例的 Amazon EBS 卷限制](volume_limits.md)。
您只能更改为支持的卷数与当前附加到实例的卷数相同或更大的实例类型或实例大小。如果您更改为不支持当前附加卷数量的实例类型或实例大小，则请求会失败。例如，如果您从具有 32 个附加卷的 `m7i.4xlarge` 实例更改为最多支持 27 个卷的 `m6i.4xlarge`，请求将失败。
**NitroTPM**
如果使用已启用 [NitroTPM](nitrotpm.md) 且实例类型支持 NitroTPM 的 AMI 启动了实例，则该实例将在启用 NitroTPM 的情况下启动。您只能更改为使用同样支持 NitroTPM 的实例类型。
# 更改 Amazon EC2 实例的实例类型
如果您需要的实例类型与实例的当前配置兼容，请按照以下说明来更改 Amazon EBS 支持的实例的实例类型。有关更多信息，请参阅 [更改实例类型的兼容性](resize-limitations.md)。
**注意事项**
+ 您必须先停止实例，然后才能更改其实例类型。当实例停止时，请确保您已计划停机时间。停止实例并更改其实例类型可能需要几分钟时间，重新启动实例所用的时间则由应用程序的启动脚本决定。有关更多信息，请参阅 [启动和停止 Amazon EC2 实例](Stop_Start.md)。
+ 当您停止并启动实例时，我们会将该实例移动到新硬件。如果您的实例具有公有 IPv4 地址，这并非弹性 IP，我们会释放该地址并向实例提供一个新的公有 IPv4 地址。有关实例在整个生命周期中的 IP 地址行为的更多信息，请参阅[实例状态之间的区别](ec2-instance-lifecycle.md#lifecycle-differences)。
+ 您无法更改[竞价型实例](using-spot-instances-request.md#stopping-a-spot-instance)的实例类型。
+ [Windows 实例] 建议您在更改实例类型之前，更新 AWS PV 驱动程序包。有关更多信息，请参阅 [在 EC2 Windows 实例上升级半虚拟化驱动程序](Upgrading_PV_drivers.md)。
+ 如果您的实例处于自动扩缩组中，则 Amazon EC2 Auto Scaling 服务会将已停止的实例标记为运行状况不佳，可能会终止该实例并启动替换实例。为防止出现此情况，您可以在更改实例类型时，为组暂停扩展流程。有关更多信息，请参阅 *Amazon EC2 Auto Scaling 用户指南*中的[暂停和恢复 Auto Scaling 组的进程](https://docs.aws.amazon.com/autoscaling/ec2/userguide/as-suspend-resume-processes.html)。
+ 当您更改具有 NVMe 实例存储卷实例的实例类型时，更新后的实例可能会有更多实例存储卷，因为即使没有在 AMI 或实例块储存设备映射中指定，所有 NVMe 实例存储卷都可用。否则，已更新的实例通常具有您在启动原始实例时指定的相同实例存储卷数。
+ 您可以挂载到实例的最大 Amazon EBS 卷数取决于实例类型和实例规模。您不能更改为不支持已附加到您实例的卷数量的实例类型或实例大小。有关更多信息，请参阅 [Amazon EC2 实例的 Amazon EBS 卷限制](volume_limits.md)。
+ [Linux 实例] 您可以使用 `AWSSupport-MigrateXenToNitroLinux` 运行手册将兼容 Linux 实例从 Xen 实例类型迁移到 Nitro 实例类型。有关更多信息，请参阅**《AWS Systems Manager Automation Runbook Reference》中的 [https://docs.aws.amazon.com/systems-manager-automation-runbooks/latest/userguide/automation-awssupport-migrate-xen-to-nitro.html](https://docs.aws.amazon.com/systems-manager-automation-runbooks/latest/userguide/automation-awssupport-migrate-xen-to-nitro.html)。
+ [Windows 实例] 有关将兼容的 Windows 实例从 Xen 实例类型迁移到 Nitro 实例类型的其他指南，请参阅[迁移到最新一代的实例类型](migrating-latest-types.md)。
**更改由 Amazon EBS 支持的实例的实例类型**
1. （可选）如果新实例类型需要现有实例上未安装的驱动程序，您必须先连接到您的实例并安装驱动程序。有关更多信息，请参阅 [更改实例类型的兼容性](resize-limitations.md)。
1. [Windows 实例] 如果您将 Windows 实例配置为使用[静态 IP 寻址](config-windows-multiple-ip.md#step1)，并将不支持增强联网的实例类型更改为支持增强联网的实例类型，则当您在重新配置静态 IP 寻址时，可能会收到有关潜在 IP 地址冲突的警告。要防止此情况出现，在更改实例类型之前，请在网络接口上为实例启用 DHCP。从您的实例中，打开 **Network and Sharing Center**（网络和共享中心），打开网络接口的 **Internet Protocol Version 4 (TCP/IPv4) Properties**（互联网协议版本 4 (TCP/IPv4) 属性），并选择 **Obtain an IP address automatically**（自动获取 IP 地址）。更改实例类型并在网络接口上重新配置静态 IP 寻址。
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 在导航窗格中，选择**实例**。
1. 选择所需实例，然后依次选择**实例状态**、**停止实例**。当系统提示您确认时，选择 **Stop**。停止实例可能需要几分钟时间。
1. 在实例处于选中状态时，依次选择**操作**、**实例设置**、**更改实例类型**。若实例状态不是 `stopped`，则此操作会显示为灰色。
1. 请在 **Change instance type**（更改实例类型）页面上执行以下操作：
1. 对于 **Instance type**（实例类型），选择您所需的实例类型。
如果列表中未包含该实例类型，则说明其与您的实例配置不兼容。请改为使用以下说明：[通过启动新的 EC2 实例迁移到新实例类型](migrate-instance-configuration.md)。
1. （可选）如果您选择的实例类型支持 EBS 优化，则选择 **EBS-optimized**（EBS 优化）以启用 EBS 优化，或取消选择 **EBS-optimized**（EBS 优化）以禁用 EBS 优化。
如果您选择的实例类型默认情况下已经过 EBS 优化，则 **EBS-optimized**（EBS 优化）已选中，您无法取消选择。
1. （可选）配置新实例类型的 vCPU 选项。
当您对现有实例更改实例类型时，Amazon EC2 会尽可能将现有实例的 CPU 选项设置应用到新实例。如果新的实例类型不支持这些设置，则 CPU 选项将重置为**无**。对于新实例类型，此选项会使用默认 vCPU 数。
如果您选择的实例类型支持 vCPU 配置，请在**高级详细信息**面板中选择**指定 CPU 选项**，从而为您的新实例类型配置 vCPU。
1. 选择**更改**以接受新设置。
1. 要启动实例，请选择该实例，然后依次选择 **Instance state**（实例状态）、**Start instance**（启动实例）。实例进入 `running` 状态可能需要几分钟时间。如果您的实例无法启动，请参阅 [实例类型更改的问题排查](troubleshoot-change-instance-type.md)。
1. [Windows 实例] 如果您的实例运行 Windows Server 2016 或 Windows Server 2019（带 EC2Launch v1），则会连接到您的 Windows 实例并运行以下 EC2Launch PowerShell 脚本，以便在更改实例类型后对其进行配置。
**重要**
当您启用初始化实例 EC2 Launch 脚本时，管理员密码将重置。您可以修改配置文件，通过在初始化任务的设置中指定禁用管理员密码重置来禁用它。有关如何禁用密码重置的步骤，请参阅[配置初始化任务](ec2launch-config.md#ec2launch-inittasks)（EC2Launch）或[更改设置](ec2launch-v2-settings.md#ec2launch-v2-ui)（EC2Launch v2）。
```
PS C:\> C:\ProgramData\Amazon\EC2-Windows\Launch\Scripts\InitializeInstance.ps1 -Schedule
```
# 通过启动新的 EC2 实例迁移到新实例类型
仅当 EC2 实例是 EBS 支持的实例，并且其配置与您想要的新实例类型兼容时，您才能更改该实例的实例类型。否则，如果配置或实例与新实例类型不兼容，或者它是基于实例存储的实例，则您必须启动与所需实例类型兼容的替代实例。有关如何确定兼容性的更多信息，请参阅[更改实例类型的兼容性](resize-limitations.md)。
**迁移过程概述**
+ 备份原始实例上的数据。
+ 启动一个具有与您所需的新实例类型兼容的配置的新实例，附加已附加到原始实例的任何 EBS 卷。
+ 在新实例上安装应用程序。
+ 恢复所有数据。
+ 如果原始实例有弹性 IP 地址，则必须将其与新实例关联，以确保您的用户可以继续使用您的应用程序而不会中断。
**将实例迁移到新实例**
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 备份仍然需要的任何数据，如下所示：
+ 连接到您的实例，并将实例存储卷上的数据复制到持久性存储中。
+ [创建 EBS 卷的快照](https://docs.aws.amazon.com/ebs/latest/userguide/ebs-creating-snapshot.html)，以便您可以使用相同数据创建新卷；或者将卷从原始实例分离，以便您可以将其附加到新实例。
1. 在导航窗格中，选择 **Instances (实例)**。
1. 选择 **Launch instances**。配置实例时，执行以下操作：
1. 选择支持您所需实例类型的 AMI。例如，您必须选择支持新实例类型的处理器类型的 AMI。此外，当前一代的实例类型需要 HVM AMI。
1. 选择所需的新实例类型。如果您所需的实例类型不可用，则说明其与您所选 AMI 的配置不兼容。
1. 如果您要允许相同的流量到达新实例，请选择与原始实例使用相同的 VPC 和安全组。
1. 完成新实例的配置后，请完成以下步骤以选择密钥对并启动实例。实例进入 `running` 状态可能需要几分钟时间。
1. 如果您将数据备份到 EBS 快照，请[从快照创建卷](https://docs.aws.amazon.com/ebs/latest/userguide/ebs-creating-volume.html#ebs-create-volume-from-snapshot)，然后[将该卷附加](https://docs.aws.amazon.com/ebs/latest/userguide/ebs-attaching-volume.html)到新实例。
要将 EBS 卷从原始实例移动到新实例，请先从原始实例[分离该卷](https://docs.aws.amazon.com/ebs/latest/userguide/ebs-detaching-volume.html)，然后[将该卷附加](https://docs.aws.amazon.com/ebs/latest/userguide/ebs-attaching-volume.html)到新实例。
1. 在新实例上安装应用程序和所有必需软件。
1. 还原您在原始实例的实例存储卷中备份的所有数据。
1. 如果原始实例有弹性 IP 地址，请将其按如下方式分配给新实例：
1. 在导航窗格中，选择 **Elastic IPs**。
1. 选择与原始实例关联的弹性 IP 地址，然后依次选择**操作**、**取消关联弹性 IP 地址**。当系统提示进行确认时，选择**取消关联**。
1. 在弹性 IP 地址仍处于选中状态的情况下，依次选择**操作**、**关联弹性 IP 地址**。
1. 对于 **Resource type (资源类型)**，选择 **Instance (实例)**。
1. 对于**实例**，选择新实例。
1. （可选）对于 **Private IP address (私有 IP 地址)**，请指定要将弹性 IP 地址关联到的私有 IP 地址。
1. 选择 **Associate**。
1. (可选) 如果不再需要原始实例，您可以将其终止。选择实例，确认您将要终止原始实例而不是新实例（例如，查看名称或启动时间），然后依次选择 **Instance state**（实例状态）、**Terminate instance**（终止实例）。
# 实例类型更改的问题排查
使用以下信息可帮助您诊断和修复在更改实例类型时可能遇到的常见问题。
## 更改实例类型后，实例无法启动
**可能的原因：未满足新实例类型的要求**
如果您的实例未启动，则可能是新实例类型的某一要求未满足。有关更多信息，请参阅[为什么我的 Linux 实例在更改其类型后无法启动？](https://repost.aws/knowledge-center/boot-error-linux-nitro-instance)
**可能的原因：AMI 不支持实例类型**
若使用 EC2 控制台更改实例类型，则仅限所选 AMI 支持的实例类型可用。若使用 AWS CLI 启动实例，则可以指定不兼容的 AMI 和实例类型。如果 AMI 和实例类型不兼容，则实例无法启动。有关更多信息，请参阅 [更改实例类型的兼容性](resize-limitations.md)。
**可能的原因：实例位于集群置放群组中**
如果您的实例位于[集群置放群组](placement-strategies.md#placement-groups-cluster)中，并且更改实例类型后实例无法启动，请尝试以下操作：
1. 停止集群置放群组中的所有实例。
1. 更改受影响的实例的实例类型。
1. 启动集群置放群组中的所有实例。
## 更改实例类型后，无法从互联网访问应用程序或网站
**可能的原因：公有 IPv4 地址被释放**
更改实例类型时，您必须先停止该实例。停止实例时，我们会释放公有 IPv4 地址并向该实例提供一个新的公有 IPv4 地址。
为了在实例停止和启动之间保留公有 IPv4 地址，我们建议您使用弹性 IP 地址，若您的实例处于运行中，则无需额外费用。有关更多信息，请参阅 [弹性 IP 地址](elastic-ip-addresses-eip.md)。
# 具爆发能力的实例
许多通用型工作负载通常不繁忙，并且不需要高水平的持续 CPU 性能。下图展示了当前客户在 AWS 云中运行的许多常见工作负载的 CPU 利用率。
![\[许多常见工作负载如下所示：平均 CPU 利用率等于或低于基准线，某些峰值高于基准线。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/CPU-common-workloads.png)
这些低至中等 CPU 利用率工作负载会导致 CPU 周期浪费，因此，您需要支付的费用超过使用量。为了解决这个问题，您可以利用低成本可突增通用型实例，即 T 实例。
T 实例系列提供基准 CPU 性能，而且只要有需要，就能随时突增到基准线以上。基准 CPU 旨在满足大多数通用型工作负载的需求，包括大型微服务、Web 服务器、中小型数据库、数据记录、代码存储库、虚拟桌面、开发和测试环境以及业务关键型应用程序。T 实例平衡了计算、内存和网络资源，并为您提供最经济高效的方式来运行各种具有低至中等 CPU 利用率的通用型应用程序。与 M 实例相比，它们可以为您节省高达 15% 的成本，并且可以通过更小、更经济的实例大小节约更多成本，提供低至 2 个 vCPU 和 0.5GiB 的内存。较小的 T 实例大小（例如纳型、微型、小型和中型）非常适合需要少量内存且无需高 CPU 利用率的工作负载。
**注意**
本主题介绍可突增 CPU。有关可突增网络性能的信息，请参阅 [Amazon EC2 实例网络带宽](ec2-instance-network-bandwidth.md)。
## EC2 可突增实例类型
EC2 可突增实例包括 T4g、T3a 和 T3 实例类型，以及上一代 T2 实例类型。
T4g 实例类型是最新一代可突增实例。它们提供最好的性价比，并为您提供所有 EC2 实例类型中最低的成本。T4g 实例类型由基于 Arm 的 [AWS Graviton2](https://aws.amazon.com/ec2/graviton/) 处理器提供动力，并且具有操作系统供应商、独立软件供应商以及流行的 AWS 服务和应用程序广泛的生态系统支持。
下表总结了可突增实例类型之间的主要区别。
****
| 类型 | 描述 | 处理器系列 |
| --- | --- | --- |
| 最新一代 |
| T4g | 成本最低的 EC2 实例类型，与 T3 相比，性价比高 40%，成本低 20% | 采用 Arm Neoverse N1 核心的 AWS Graviton2 处理器 |
| T3a | 成本最低的基于 x86 的实例，与 T3 实例相比，成本低 10% | AMD 第一代 EPYC 处理器 |
| T3 | 适用于 x86 工作负载的最佳峰值性价比，同等性能的价格比上一代 T2 实例低 30% | 英特尔至强可扩展（Skylake、Cascade Lake 处理器） |
| 上一代 |
| T2 | 上一代可突增实例 | 英特尔至强处理器 |
有关实例定价以及其他规格的信息，请参阅 [Amazon EC2 定价](https://aws.amazon.com/ec2/pricing/)和 [Amazon EC2 实例类型](https://aws.amazon.com/ec2/instance-types/)。有关可突增网络性能的信息，请参阅 [Amazon EC2 实例网络带宽](ec2-instance-network-bandwidth.md)。
如果您是在 2025 年 7 月 15 日之前创建的 AWS 账户且其使用时间未满 12 个月，您可以在特定使用限制下免费使用 `t2.micro` 实例（或者在 `t2.micro` 不可用的区域中使用 `t3.micro` 实例）。如果您是在 2025 年 7 月 15 日当天或之后创建的 AWS 账户，则可以使用 `t3.micro`、`t3.small`、`t4g.micro` 和 `t4g.small` 实例类型 6 个月，或直到您的服务抵扣金用完为止。有关更多信息，请参阅 [AWS 免费套餐](https://aws.amazon.com/free/)。
**T 实例支持的购买选项**
+ On-Demand Instances
+ Reserved Instances
+ 专用实例（仅限 T3）
+ 专属主机（仅限 T3，仅处于 `standard` 模式）
+ 竞价型实例
有关更多信息，请参阅 [Amazon EC2 账单和购买选项](instance-purchasing-options.md)。
**Topics**
+ [
## EC2 可突增实例类型
](#burstable-instance-types)
+ [
## 最佳实践
](#burstable-performance-instances-best-practices)
+ [
# 可突增性能实例的关键概念
](burstable-credits-baseline-concepts.md)
+ [
# 可突增性能实例的无限模式
](burstable-performance-instances-unlimited-mode.md)
+ [
# 可突增性能实例的标准模式
](burstable-performance-instances-standard-mode.md)
+ [
# 配置可突增性能实例
](burstable-performance-instances-how-to.md)
+ [
# 监控可突增实例的 CPU 积分
](burstable-performance-instances-monitoring-cpu-credits.md)
## 最佳实践
按照这些最佳实践可以从可突增性能实例获得最大的好处。
+ 确保您选择的实例大小达到您的操作系统和应用程序的最低内存要求。在许多使用案例中，带有消耗大量内存和 CPU 资源的图形用户界面的操作系统（例如，Windows）可能需要 `t3.micro` 或更大的实例。随着您的工作负载对内存和 CPU 的需求随时间增加，您可以通过 T 实例灵活地扩展到相同实例类型更大实例大小，或者选择其他实例类型。
+ 为您的账户启用 [AWS Compute Optimizer](https://aws.amazon.com/compute-optimizer/getting-started/) 并审查针对您的工作负载的 Compute Optimizer 推荐。Compute Optimizer 可以帮助评估是应该扩大实例规模以提高性能，还是应该缩小实例规模以节省成本。Compute Optimizer 还可以根据您的场景推荐不同的实例类型。有关更多信息，请参阅《AWS Compute Optimizer 用户指南》**中的[查看 EC2 实例建议](https://docs.aws.amazon.com/compute-optimizer/latest/ug/view-ec2-recommendations.html)。
# 可突增性能实例的关键概念
传统 Amazon EC2 实例类型提供固定的 CPU 资源，而可突增性能实例提供基准水平的 CPU 利用率并能够将 CPU 利用率突增到基准水平之上。这样确保您只需为基准 CPU 以及任何额外的突增 CPU 使用量付费，从而降低计算成本。基准利用率和突增能力由 CPU 积分控制。可突增性能实例是唯一将积分用于 CPU 使用的实例类型。
当每个具爆发能力的实例保持在 CPU 基准以下时，它会持续获得积分，并且在突增超过基准时持续花费积分。获得或花费的积分数量取决于实例的 CPU 利用率：
+ 如果 CPU 利用率低于基准，则所获得的积分将会大于所花费的积分。
+ 如果 CPU 利用率等于基准，则所获得的积分将会等于所花费的积分。
+ 如果 CPU 利用率高于基准，则所花费的积分将会高于所获得的积分。
当获得的积分大于花费的积分时，差额称为“累积积分”，这些积分以后可以用于突增超过基准的 CPU 利用率。同样，当花费的积分超过获得的积分时，实例行为取决于信用配置模式 – 标准模式或无限模式。
在标准模式下，当花费的积分超过获得的积分时，实例将使用累积积分来突增到基准 CPU 利用率之上。如果没有剩余的累积积分，则实例将逐渐下降到基准 CPU 利用率，并且在累积更多积分之前不能突增到基准之上。
在无限模式下，如果实例突发超过基准 CPU 利用率，则实例首先使用累积积分进行突增。如果没有剩余的累积积分，则实例将花费剩余积分进行突增。在该实例的 CPU 使用率低于基准时，实例会使用它获得的 CPU 积分支付以前花费的超额积分。凭借获得 CPU 积分来支付超额积分的能力，Amazon EC2 可以在 24 小时周期内将实例的 CPU 使用率保持在平均水平。如果 24 小时的平均 CPU 使用率超过基准，则会按每 vCPU 小时的[固定额外费率](https://aws.amazon.com/ec2/pricing/on-demand/#T2.2FT3.2FT4g_Unlimited_Mode_Pricing)对实例收取额外的使用费用。
**Contents**
+ [
## 关键概念和定义
](#key-concepts)
+ [
## 赢取 CPU 积分
](#earning-CPU-credits)
+ [
## CPU 积分获得率
](#CPU-credit-earn-rate)
+ [
## CPU 积分累积限制
](#CPU-credit-accrual-limit)
+ [
## 累积的 CPU 积分生命期
](#accrued-CPU-credits-life-span)
+ [
## 基准利用率
](#baseline_performance)
## 关键概念和定义
以下关键概念和定义适用于具爆发能力的实例。
**CPU 使用率**
CPU 利用率是当前正在实例上使用的已分配 EC2 计算单位的百分率。此指标衡量实例上正在利用的已分配 CPU 周期的百分比。CPU 利用率 CloudWatch 指标显示每个实例的 CPU 利用率，而不是每个核心的 CPU 利用率。实例的基准 CPU 规范还基于每个实例的 CPU 利用率。要测量 CPU 利用率，请使用 AWS 管理控制台 或 AWS CLI，请参阅 [获取特定实例的统计数据](US_SingleMetricPerInstance.md)。
**CPU 积分**
vCPU 时间的单位。
示例：
1 个 CPU 积分 = 1 个 vCPU \$1 100% 利用率 \$1 1 分钟。
1 个 CPU 积分 = 1 个 vCPU \$1 50% 利用率 \$1 2 分钟
1 个 CPU 积分 = 2 个 vCPU \$1 25% 利用率 \$1 2 分钟
**基准利用率**
基准利用率 是当获得的 CPU 积分数与所使用的 CPU 积分数相等时，CPU 在净积分余额为零时的利用率水平。基准利用率也称为基准。基准利用率表示为 vCPU 利用率的百分比，计算方式如下：基准利用率 % =（获得的积分数/vCPU 数）/60 分钟。
有关每种具有可爆发性能实例类型的基准利用率，请参阅 [积分表](#burstable-performance-instances-credit-table)。
**获得的积分**
实例在运行时连续获得的积分。
每小时获得的积分数 = % 基准利用率 \$1 vCPU 数 \$1 60 分钟
例如：
具有 2 个 vCPU 且基准利用率为 5% 的 T3.nano 每小时可获得 6 积分，计算方式如下：
2 个 vCPU \$1 5% 基准 \$1 60 分钟 = 每小时 6 积分
**已花费或使用的积分**
实例在运行时连续使用的积分。
每分钟花费的 CPU 积分 = vCPU 数 \$1 CPU 利用率 \$1 1 分钟
**累积积分**
当实例使用的积分少于基准利用率所需的积分时，未使用的 CPU 积分。换句话说，累积积分 = 低于基准的（获得的积分 - 已使用的积分）。
例如：
如果 t3.nano 以 2% 的 CPU 利用率运行，在一小时内低于 5% 的基准，则累积积分的计算方式如下：
累积 CPU 积分 =（每小时获得的积分 - 每小时使用的积分）= 6 - 2 个 vCPU \$1 2% CPU 利用率 \$1 60 分钟 = 6 - 2.4 = 每小时 3.6 积分
**积分累积限制**
取决于实例大小，但通常等于 24 小时内获得的最大积分数。
例如：
对于 t3.nano，积分累积限额 = 24 \$1 6 = 144 积分
**启动积分**
仅适用于为标准模式配置的 T2 实例。启动积分是分配给新 T2 实例的有限数量的 CPU 积分，这样在标准模式下启动时，它可以突增到基准以上。
**剩余积分**
实例在耗尽其累积积分余额后花费的积分。剩余积分专为可突增实例而设计，以便在较长时间内保持高性能，并且仅在无限模式下使用。剩余积分余额用于确定实例在无限模式下使用了多少积分。
**标准模式**
积分配置模式，允许实例通过支出积分余额中累积的积分突增到基准以上。
**无限模式**
积分配置模式，允许实例通过承受所需的任何时段的高 CPU 利用率来突增到基准以上。如果在滚动 24 小时或实例生命周期（以较短者为准）内实例的平均 CPU 使用率等于或低于基准，实例的每小时价格自动涵盖所有 CPU 使用峰值。如果实例长时间以较高的 CPU 使用率运行，可能会按每 vCPU 小时的[固定费率](https://aws.amazon.com/ec2/pricing/on-demand/#T2.2FT3.2FT4g_Unlimited_Mode_Pricing)收取额外的费用。
下表总结了可突增实例类型之间的主要积分区别。
****
| 类型 | 支持的 CPU 积分类型 | 积分配置模式 | 实例启动和停止之间的累积的 CPU 积分生命周期 |
| --- | --- | --- | --- |
| 最新一代 |
| T4g | 获得的积分、累积积分、已使用的积分、剩余积分（仅无限模式） | 标准、无限（默认值） | 7 天（积分在实例停止后持续 7 天） |
| T3a | 获得的积分、累积积分、已使用的积分、剩余积分（仅无限模式） | 标准、无限（默认值） | 7 天（积分在实例停止后持续 7 天） |
| T3 | 获得的积分、累积积分、已使用的积分、剩余积分（仅无限模式） | 标准、无限（默认值） | 7 天（积分在实例停止后持续 7 天） |
| 上一代 |
| T2 | 获得的积分、累积积分、已使用的积分、启动积分（标准模式）、剩余积分（仅无限模式） | 标准（默认值）、无限 | 0 天（实例停止时积分会丢失） |
**注意**
在专属主机上启动的 T3 实例不支持无限制模式。
## 赢取 CPU 积分
每个可突增性能实例以设定的每小时速率（以毫秒级精度）持续获得 CPU 积分，具体取决于实例大小。用于加减积分的核算过程也以毫秒级精度进行，因此您不必担心 CPU 积分超支；CPU 的短时间突增只消耗少量 CPU 积分。
如果可突增性能实例使用的 CPU 资源少于基准利用率所需的数量（例如，处于空闲状态时），则未使用的 CPU 积分将累积到 CPU 积分余额中。如果可突增性能实例需要突增至基准利用率水平以上，它将花费累积积分。可突增性能实例累积的积分越多，在需要更高 CPU 利用率时，它突增到基准以上的时间就越长。
下表列出了可突增性能实例类型、每小时获得 CPU 积分的速率、实例可以累积获得的最大 CPU 积分数、每个实例的 vCPU 数以及以完整核心百分比形式表示的基准利用率（使用单个 vCPU）。
| 实例类型 | 每小时获得的 CPU 积分 | 可累积获得的最大积分数\$1 | vCPU\$1\$1\$1 | 每个 vCPU 的基准利用率 |
| --- | --- | --- | --- | --- |
| **T2** | | | | |
| t2.nano | 3 | 72 | 1 | 5% |
| t2.micro | 6 | 144 | 1 | 10% |
| t2.small | 12 | 288 | 1 | 20% |
| t2.medium | 24 | 576 | 2 | 20%\$1\$1 |
| t2.large | 36 | 864 | 2 | 30%\$1\$1 |
| t2.xlarge | 54 | 1296 | 4 | 22.5%\$1\$1 |
| t2.2xlarge | 81.6 | 1958.4 | 8 | 17%\$1\$1 |
| **T3** | | | | |
| t3.nano | 6 | 144 | 2 | 5%\$1\$1 |
| t3.micro | 12 | 288 | 2 | 10%\$1\$1 |
| t3.small | 24 | 576 | 2 | 20%\$1\$1 |
| t3.medium | 24 | 576 | 2 | 20%\$1\$1 |
| t3.large | 36 | 864 | 2 | 30%\$1\$1 |
| t3.xlarge | 96 | 2304 | 4 | 40%\$1\$1 |
| t3.2xlarge | 192 | 4608 | 8 | 40%\$1\$1 |
| **T3a** | | | | |
| t3a.nano | 6 | 144 | 2 | 5%\$1\$1 |
| t3a.micro | 12 | 288 | 2 | 10%\$1\$1 |
| t3a.small | 24 | 576 | 2 | 20%\$1\$1 |
| t3a.medium | 24 | 576 | 2 | 20%\$1\$1 |
| t3a.large | 36 | 864 | 2 | 30%\$1\$1 |
| t3a.xlarge | 96 | 2304 | 4 | 40%\$1\$1 |
| t3a.2xlarge | 192 | 4608 | 8 | 40%\$1\$1 |
| **T4g** | | | | |
| t4g.nano | 6 | 144 | 2 | 5%\$1\$1 |
| t4g.micro | 12 | 288 | 2 | 10%\$1\$1 |
| t4g.small | 24 | 576 | 2 | 20%\$1\$1 |
| t4g.medium | 24 | 576 | 2 | 20%\$1\$1 |
| t4g.large | 36 | 864 | 2 | 30%\$1\$1 |
| t4g.xlarge | 96 | 2304 | 4 | 40%\$1\$1 |
| t4g.2xlarge | 192 | 4608 | 8 | 40%\$1\$1 |
| |
| --- |
| \$1 可累积的积分数等于可在 24 小时周期内获得的积分数。 |
| \$1\$1 表中的基准利用率百分比按每个 vCPU 计算。在 CloudWatch 中，CPU 使用率按各个 vCPU 显示。例如，以基准水平运行的 `t3.large` 实例的 CPU 利用率在 CloudWatch CPU 指标中显示为 30%。有关如何计算基准利用率的信息，请参阅[基准利用率](#baseline_performance)。 |
| \$1\$1\$1 每个 vCPU 都是英特尔至强核心或 AMD EPYC 核心的线程，但 T2 和 T4g 实例除外。 |
## CPU 积分获得率
每小时获得的 CPU 积分数是由实例大小决定的。例如，`t3.nano` 每小时获得 6 积分，而 `t3.small` 每小时获得 24 积分。上表列出了所有实例的积分获得率。
## CPU 积分累积限制
虽然获得的积分在运行的实例上从不过期，但实例可累积获得的积分数存在限制。该限制由 CPU 积分余额限制决定。在到达限制后，获得的任何新积分都会被丢弃，如下图所示。存储桶已满表示达到 CPU 积分余额限制，而溢出指示超出限制的新获得积分。
![\[超出限额后，将丢弃获得的新积分。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/t2-t3-bucket.png)
对于每种 实例大小，CPU 积分余额限制是不同的。例如，`t3.micro` 实例可在 CPU 积分余额中累积最多 288 个获得的 CPU 积分。上表列出了每个 实例可以累积获得的最大积分数。
T2 标准实例也获得启动积分。启动积分不计入 CPU 积分余额限制。如果 T2 实例尚未使用其启动积分，并保持闲置状态 24 小时，同时累积获得的积分，则其 CPU 积分余额将超过限制。有关更多信息，请参阅 [启动积分](burstable-performance-instances-standard-mode-concepts.md#launch-credits)。
T4g、T3a 和 T3 实例不会获得启动积分。默认情况下，这些实例以 `unlimited` 模式启动，因此可以在启动时立即突增，无需任何启动积分。预设情况下 T3 实例在专属主机启动时启动为 `standard`；`unlimited` 模式不支持专属主机上的 T3 实例。
## 累积的 CPU 积分生命期
运行的实例上的 CPU 积分不会过期。
对于 T2，CPU 积分余额在实例停止与启动之间不保留。如果您停止 T2 实例，实例将失去其所有累积积分。
对于 T4g、T3a 和 T3，CPU 积分余额将在实例停止后保留七天，而后不复存在。如果在七天内启动实例，则不会丢失积分。
有关更多信息，请参阅 [CloudWatch 指标表](burstable-performance-instances-monitoring-cpu-credits.md#burstable-performance-instances-CW-metrics-table)中的 `CPUCreditBalance`。
## 基准利用率
*基准利用率* 是当获得的 CPU 积分数与所使用的 CPU 积分数相等时，CPU 在净积分余额为零时的利用率水平。基准利用率也称为*基准*。
基准利用率表示为 vCPU 利用率的百分比，计算方法如下：
`(number of credits earned/number of vCPUs)/60 minutes = % baseline utilization`
例如，一个 `t3.nano` 实例具有 2 个 vCPU，每小时获得 6 积分，得到的基准利用率为 5%，计算方法如下：
`(6 credits earned/2 vCPUs)/60 minutes = 5% baseline utilization`
一个 `t3.large` 实例具有 2 个 vCPU，每小时获得 36 积分，得到的基准利用率为 30%（`(36/2)/60`）。
下图提供了平均 CPU 利用率低于基准的 `t3.large` 示例。
![\[平均 CPU 利用率低于基准的 t3.large 实例图。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/baseline-utilization.png)
# 可突增性能实例的无限模式
配置为 `unlimited` 的可突增性能实例可以承受所需的任何时段的高 CPU 利用率。如果在滚动 24 小时或实例生命周期（以较短者为准）内实例的平均 CPU 使用率等于或低于基准，实例的每小时价格自动涵盖所有 CPU 使用峰值。
对于绝大多数通用型工作负载，配置为 `unlimited` 的实例可提供足够高的性能，而不会收取任何额外的费用。如果实例长时间以较高的 CPU 利用率运行，可能会按每 vCPU 小时的固定费率收取额外的费用。有关定价的信息，请参阅 [Amazon EC2 定价](https://aws.amazon.com/ec2/pricing/)和 [T2/T3/T4 无限模式定价](https://aws.amazon.com/ec2/pricing/on-demand/#T2.2FT3.2FT4g_Unlimited_Mode_Pricing)。
如果您在 2025 年 7 月 15 日之前创建 AWS 账户且使用的 `t2.micro` 或 `t3.micro` 实例享受 [AWS 免费套餐](https://aws.amazon.com/free/)优惠并在 `unlimited` 模式下使用，则在连续 24 小时内平均利用率超过实例的[基准利用率](burstable-credits-baseline-concepts.md#baseline_performance)时，您可能需要支付相应费用。
T4g、T3a 和 T3 实例默认情况下以 `unlimited` 模式启动（除非您[更改默认值](burstable-performance-instances-how-to.md#burstable-performance-instance-set-default-credit-specification-for-account)）。如果滚动 24 小时内的平均 CPU 使用率超过基准，将会产生超额积分费用。如果您以 `unlimited` 模式启动 Spot 实例 并计划立即短时间使用它们（没有空闲时间来累积 CPU 积分），则会产生超额积分费用。建议您以[标准](burstable-performance-instances-standard-mode.md)模式启动 Spot 实例，以避免支付更高的费用。有关更多信息，请参阅 [超额积分会产生费用](burstable-performance-instances-unlimited-mode-concepts.md#unlimited-mode-surplus-credits) 和 [启动可突增性能实例](how-spot-instances-work.md#burstable-spot-instances)。
**注意**
预设情况下 T3 实例在专属主机启动时启动为 `standard`；`unlimited` 模式不支持专属主机上的 T3 实例。
**Contents**
+ [
# 可突增实例的无限模式概念
](burstable-performance-instances-unlimited-mode-concepts.md)
+ [
## 无限可突增性能实例的工作原理
](burstable-performance-instances-unlimited-mode-concepts.md#how-burstable-performance-instances-unlimited-works)
+ [
## 何时使用无限模式与固定 CPU
](burstable-performance-instances-unlimited-mode-concepts.md#when-to-use-unlimited-mode)
+ [
## 超额积分会产生费用
](burstable-performance-instances-unlimited-mode-concepts.md#unlimited-mode-surplus-credits)
+ [
## 无限突增性能的成本是多少？
](burstable-performance-instances-unlimited-mode-concepts.md#how-much-does-unlimited-burstable-performance-cost)
+ [
## T2 无限实例没有启动积分
](burstable-performance-instances-unlimited-mode-concepts.md#unlimited-mode-no-launch-credits)
+ [
## 启用无限模式
](burstable-performance-instances-unlimited-mode-concepts.md#unlimited-mode-enabling)
+ [
## 在无限模式和标准模式之间切换时，积分会出现什么情况
](burstable-performance-instances-unlimited-mode-concepts.md#unlimited-mode-switching-and-credits)
+ [
## 监控积分使用情况
](burstable-performance-instances-unlimited-mode-concepts.md#unlimited-mode-monitoring-credit-usage)
+ [
# 可突增实例的无限模式示例
](unlimited-mode-examples.md)
+ [
## 示例 1：介绍 T3 无限版的积分使用情况
](unlimited-mode-examples.md#t3_unlimited_example)
+ [
## 示例 2：介绍 T2 无限版的积分使用情况
](unlimited-mode-examples.md#t2_unlimited_example)
# 可突增实例的无限模式概念
`unlimited` 是用于可突增性能实例的积分配置选项。可以随时对正在运行或已停止的实例启用或禁用它。您可以在每个 AWS 区域的账户级别[将 `unlimited` 设置为每个可突增性能实例系列的默认积分选项](burstable-performance-instances-how-to.md#burstable-performance-instance-set-default-credit-specification-for-account)，以便账户中所有新的可突增性能实例都使用默认积分选项启动。
## 无限可突增性能实例的工作原理
如果配置为 `unlimited` 的可突增性能实例用完其 CPU 积分余额，它可能会花费*超额*积分以突增到[基准](burstable-credits-baseline-concepts.md#baseline_performance)以上。在该实例的 CPU 使用率低于基准时，实例会使用它获得的 CPU 积分支付以前花费的超额积分。凭借获得 CPU 积分来支付超额积分的能力，Amazon EC2 可以在 24 小时周期内将实例的 CPU 使用率保持在平均水平。如果 24 小时的平均 CPU 使用率超过基准，则会按每 vCPU 小时的[固定额外费率](https://aws.amazon.com/ec2/pricing/on-demand/#T2.2FT3.2FT4g_Unlimited_Mode_Pricing)对实例收取额外的使用费用。
下图显示 `t3.large` 的 CPU 使用率。`t3.large` 的基准 CPU 使用率为 30%。如果实例在 24 小时内以平均 30% CPU 使用率或更低运行，则没有额外费用，因为费用已由实例每小时价格所涵盖。但是，如果实例在 24 小时内以平均 40% 的 CPU 使用率运行（如图中所示），则会按每 vCPU 小时的[固定额外费率](https://aws.amazon.com/ec2/pricing/on-demand/#T2.2FT3.2FT4g_Unlimited_Mode_Pricing)对实例收取额外的 10% CPU 使用率费用。
![\[T3.large 实例的 CPU 使用情况计费。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/t3-cpu-usage.png)
有关每个实例类型的每个 vCPU 的基准利用率以及每个实例类型可获得的积分数的更多信息，请参阅[积分表](burstable-credits-baseline-concepts.md#burstable-performance-instances-credit-table)。
## 何时使用无限模式与固定 CPU
当确定您在 `unlimited` 模式下是应使用可突增性能实例（如 T3）还是固定性能实例（如 M5）时，您需要确定收支平衡 CPU 使用率。可突增性能实例的收支平衡 CPU 使用率是可突增性能实例与固定性能实例的费用相同的点。收支平衡 CPU 使用率可帮助您确定以下内容：
+ 如果 24 小时内的平均 CPU 使用率等于或低于收支平衡 CPU 使用率，请在 `unlimited` 模式下使用可突增性能实例，以便您可以受益于可突增性能实例的较低价格，同时获得与固定性能实例相同的性能。
+ 如果 24 小时内的平均 CPU 使用率高于收支平衡 CPU 使用率，可突增性能实例将花费比同等大小的固定性能实例更多的费用。如果 T3 实例以 100% CPU 持续突增，则您最终要支付的价格约为同等大小 M5 实例的价格的 1.5 倍。
下图显示了其中 `t3.large` 花费与 `m5.large` 花费相同的收支平衡 CPU 使用率点。`t3.large` 的收支平衡 CPU 使用率点为 42.5%。如果平均 CPU 使用率为 42.5%，则运行 `t3.large` 的费用与 `m5.large` 的运行费用相同，如果平均 CPU 使用率高于 42.5%，则前者费用更高。如果工作负载需要低于 42.5% 的平均 CPU 使用率，您可以受益于 `t3.large` 的较低价格，同时获得与 `m5.large` 相同的性能。
![\[T3.large 实例的收支平衡 CPU 使用率点为 42.5%。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/T3-unltd-when-to-use.png)
下表显示了如何计算收支平衡的 CPU 使用率阈值，以便您可以确定何时使用 `unlimited` 模式的可突增性能实例或固定性能实例将更为便宜。表中的列标记为 A 到 K。
| 实例类型 | vCPU | T3 价格\$1/小时 | M5 价格\$1/小时 | 价格差异 | T3 的每个 vCPU 的基准利用率 (%) | 向超额积分每 vCPU 小时收取费用 | 每 vCPU 分钟收费 | 每 vCPU 可用的额外突增分钟数 | 可用的额外 CPU % | 收支平衡 CPU % |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| A | B | C | D | E = D - C | F | G | H = G / 60 | I = E / H | J = (I / 60) / B | K = F \$1 J |
| t3.large | 2 | 0.0835 美元 | 0.096 美元 | 0.0125 USD | 30% | \$10.05 | 0.000833 美元 | 15 | 12.5% | 42.5% |
| |
| --- |
| \$1 价格基于 us-east-1 和 Linux OS。 |
该表提供以下信息：
+ 列 A 显示实例类型 `t3.large`。
+ 列 B 显示 `t3.large` 的 vCPU 数。
+ 列 C 显示每小时 `t3.large` 的价格。
+ 列 D 显示每小时 `m5.large` 的价格。
+ 列 E 显示 `t3.large` 和 `m5.large` 之间的价格差异。
+ F 列显示的是 `t3.large` 的每个 vCPU 的基准利用率，即 30%。在基准时，实例的每小时成本涵盖 CPU 使用率的成本。
+ 列 G 显示向实例收取的每 vCPU 小时的[固定额外费率](https://aws.amazon.com/ec2/pricing/on-demand/#T2.2FT3.2FT4g_Unlimited_Mode_Pricing)（如果实例在耗尽其获得的积分后以 100% CPU 突增）。
+ 列 H 显示向实例收取的每 vCPU 分钟的[固定额外费率](https://aws.amazon.com/ec2/pricing/on-demand/#T2.2FT3.2FT4g_Unlimited_Mode_Pricing)（如果实例在耗尽其获得的积分后以 100% CPU 突增）。
+ 列 I 显示 `t3.large` 可每小时以 100% CPU 突增的同时支付与 `m5.large` 相同的每小时价格的额外分钟数。
+ 列 J 显示该实例可突增的同时支付与 `m5.large` 相同的每小时价格的超过基准的额外 CPU 使用率（单位为 %）。
+ 列 K 显示 `t3.large` 在支付不超过 `m5.large` 的费用的情况下可突增的收支平衡 CPU 使用率（单位为 %）。除此之外，`t3.large` 的费用超过 `m5.large`。
下表显示了与类似大小的 M5 实例类型相比 T3 实例类型的收支平衡 CPU 使用率（单位为 %）。
| T3 实例类型 | T3 的收支平衡 CPU 使用率（单位为 %）（与 M5 相比） |
| --- | --- |
| t3.large | 42.5% |
| t3.xlarge | 52.5% |
| t3.2xlarge | 52.5% |
## 超额积分会产生费用
如果实例的平均 CPU 使用率等于或低于基准，则实例不会产生额外的费用。由于实例在 24 小时周期内可获得[最大数量的积分](burstable-credits-baseline-concepts.md#burstable-performance-instances-credit-table)（例如，`t3.micro` 实例可在 24 小时周期内获得最多 288 积分）的原因，因此在花费的超额积分不超过最大积分数时，不会立即向您收费。
但是，如果 CPU 利用率保持在基准以上，则实例无法获得足够的积分来支付已花费的超额积分。对于未支付的超额积分，按每 vCPU 小时的固定费率收取额外的费用。有关费率的信息，请参阅 [ T2/T3/T4g 无限模式定价 ](https://aws.amazon.com/ec2/pricing/on-demand/#T2.2FT3.2FT4g_Unlimited_Mode_Pricing)。
在出现以下任一情况时，将对之前花费的超额积分收费：
+ 花费的超额积分超出实例可在 24 小时周期内获得的[最大积分数](burstable-credits-baseline-concepts.md#burstable-performance-instances-credit-table)。对于超出最大积分数的所花费超额积分，将在该小时结束时向您收费。
+ 实例已停止或终止。
+ 实例从 `unlimited` 切换为 `standard`。
花费的超额积分是通过 CloudWatch 指标 `CPUSurplusCreditBalance` 跟踪的。通过 CloudWatch 指标 `CPUSurplusCreditsCharged` 来跟踪收费的超额积分。有关更多信息，请参阅 [可突增性能实例的其他 CloudWatch 指标](burstable-performance-instances-monitoring-cpu-credits.md#burstable-performance-instances-cw-metrics)。
## 无限突增性能的成本是多少？
如果您使用了剩余的服务抵扣金，但这些服务抵扣金未被已获得的服务抵扣金予以清偿（请参阅 [超额积分会产生费用](#unlimited-mode-surplus-credits)），则需按照每 vCPU 小时的固定额外费率来支付剩余的服务抵扣金费用。费率列在 *Amazon EC2 按需型定价*页面上的 [T2/T3/T4g 无限模式定价](https://aws.amazon.com/ec2/pricing/on-demand/#T2.2FT3.2FT4g_Unlimited_Mode_Pricing)部分中。
## T2 无限实例没有启动积分
T2 标准实例可收到[启动积分](burstable-performance-instances-standard-mode-concepts.md#launch-credits)，但 T2 无限实例不会收到启动积分。T2 无限实例可以随时突增到基准以上，而不会收取额外的费用，但前提是在滚动 24 小时时间段或其生命周期（以较短者为准）内实例的平均 CPU 使用率等于或低于基准。因此，T2 无限实例不需要启动积分，即可在启动后立即达到较高的性能。
如果 T2 实例从 `standard` 切换到 `unlimited`，则将从 `CPUCreditBalance` 中扣除所有累积的启动积分，然后再结转剩余的 `CPUCreditBalance`。
T4g、T3a 和 T3 实例永远不会收到启动积分，因为这些实例默认以无限模式启动，所以才可以在启动时立即突增。无限模式积分配置让 T4g、T3a 和 T3 实例能够根据需要使用尽可能多的 CPU，以便在需要的时间内突增超出基准。
## 启用无限模式
您可以随时在正在运行或停止的实例上从 `unlimited` 切换到 `standard` 以及从 `standard` 切换到 `unlimited`。有关更多信息，请参阅[在启动时配置积分规范](burstable-performance-instances-how-to.md#launch-burstable-performance-instances) 和 [管理可突增性能实例的积分规范](burstable-performance-instances-how-to.md#modify-burstable-performance-instances)。
您可以在每个AWS区域的账户级别将 `unlimited` 设置为每个可突增性能实例系列的默认积分选项，以便账户中所有新的可突增性能实例都使用默认积分选项启动。有关更多信息，请参阅[管理账户的默认积分规范](burstable-performance-instances-how-to.md#burstable-performance-instance-set-default-credit-specification-for-account)。
您可以使用 Amazon EC2 控制台或 AWS CLI，检查可突增性能实例已配置为 `unlimited` 还是 `standard`。有关更多信息，请参阅 [配置可突增性能实例](burstable-performance-instances-how-to.md)。
## 在无限模式和标准模式之间切换时，积分会出现什么情况
`CPUCreditBalance` 是跟踪实例产生的积分数的 CloudWatch 指标。`CPUSurplusCreditBalance` 是跟踪实例所用超额积分数的 CloudWatch 指标。
当您将配置为 `unlimited` 的实例更改为 `standard` 时，会出现以下情况：
+ `CPUCreditBalance` 值保持不变并进行结转。
+ 立即针对 `CPUSurplusCreditBalance` 值进行收费。
在 `standard` 实例切换到 `unlimited` 时，会出现以下情况：
+ 将结转包含已累积获得的积分的 `CPUCreditBalance` 值。
+ 对于 T2 标准实例，将从 `CPUCreditBalance` 值中扣除所有启动积分，并且将结转包含已累积获得的积分的剩余 `CPUCreditBalance` 值。
## 监控积分使用情况
要了解您实例花费的积分是否超过基准提供的积分，您可以使用 CloudWatch 指标来跟踪使用情况，并且可以设置小时警报，以便获得积分使用情况通知。有关更多信息，请参阅 [监控可突增实例的 CPU 积分](burstable-performance-instances-monitoring-cpu-credits.md)。
# 可突增实例的无限模式示例
以下示例介绍当实例配置为 `unlimited` 时的积分使用情况。
**Topics**
+ [
## 示例 1：介绍 T3 无限版的积分使用情况
](#t3_unlimited_example)
+ [
## 示例 2：介绍 T2 无限版的积分使用情况
](#t2_unlimited_example)
## 示例 1：介绍 T3 无限版的积分使用情况
在此示例中，您可以查看作为 `t3.nano` 启动的 `unlimited` 实例的 CPU 利用率，以及它如何花费*获得* 的积分和*超额* 积分来保持 CPU 利用率。
`t3.nano` 实例在 24 小时滚动周期内获得 144 个 CPU 积分，这些积分可兑换 144 分钟 vCPU 使用时间。在实例用完 CPU 积分余额（由 CloudWatch 指标 `CPUCreditBalance`表示）时，它会花费*超额* CPU 积分—（*尚未获得的* 积分）—以突增所需的时间。由于 `t3.nano` 实例在 24 小时周期内最多可获得 144 积分，因此，在花费的超额积分不超过该最大积分数时，不会立即向您收费。如果花费 144 个以上的 CPU 积分，则会在该小时结束时对超出的部分进行收费。
下图所示的示例旨在说明实例如何使用超额积分突增到基准以上，甚至在用完 `CPUCreditBalance` 后。以下工作流程引用图中的编号数据点：
**P1** – 在图表中的 0 小时处，实例以 `unlimited` 模式启动并立即开始获得积分。实例自启动后保持闲置状态（CPU 利用率为 0%），不使用任何积分。所有未使用的积分都累积到积分余额中。对于前 24 小时，`CPUCreditUsage` 为 0，而 `CPUCreditBalance` 值达到其最大值 144。
**P2** – 对于接下来的 12 小时，CPU 利用率为 2.5%，这低于 5% 基准。实例获得的积分多于花费的积分，但 `CPUCreditBalance` 值不能超过其最大值 144 积分。
**P3** – 对于接下来的 24 小时，CPU 利用率为 7%（高于基准），这要求花费 57.6 积分。实例花费的积分多于获得的积分，`CPUCreditBalance` 值降至 86.4 积分。
**P4** – 对于接下来的 12 小时，CPU 利用率降至 2.5%（低于基准），这要求花费 36 积分。同时，实例获得 72 积分。实例获得的积分多于花费的积分，`CPUCreditBalance` 值增至 122 积分。
**P5** – 对于接下来的 5 小时，实例突增至 100% CPU 利用率，并花费总计 570 积分来持续突增。在进入此期间的大约一小时内，此实例用完其整个 `CPUCreditBalance` 122 积分，并开始花费超额积分来维持高的 CPU 利用率，在此期间总共花费 448 个超额积分 (570-122=448)。当 `CPUSurplusCreditBalance` 值达到 144 个 CPU 积分（`t3.nano` 实例在 24 小时内可获得的最大值）时，之后任何花费的超额积分都无法由获得的积分抵消。之后花费的超额积分总计为 304 积分 (448-144=304)，这会导致这一小时结束后对于这 304 积分收取很小的一笔附加费。
**P6** – 对于接下来的 13 小时，CPU 利用率为 5%（基准）。实例获得的积分与花费的积分一样多，而无需额外支付 `CPUSurplusCreditBalance` 的费用。`CPUSurplusCreditBalance` 值保持为 144 积分。
**P7** – 对于本例中的最后 24 小时，实例空闲，CPU 利用率为 0%。在此期间，实例获得 144 积分，用于支付 `CPUSurplusCreditBalance` 的费用。
![\[T3 实例在 24 小时后获得 144 积分。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/t3_unlimited_graph.png)
## 示例 2：介绍 T2 无限版的积分使用情况
在此示例中，您可以查看作为 `t2.nano` 启动的 `unlimited` 实例的 CPU 利用率，以及它如何花费*获得* 的积分和*超额* 积分来保持 CPU 利用率。
`t2.nano` 实例在 24 小时滚动周期内获得 72 个 CPU 积分，这些积分可兑换 72 分钟 vCPU 使用时间。在实例用完 CPU 积分余额（由 CloudWatch 指标 `CPUCreditBalance`表示）时，它会花费*超额* CPU 积分—（*尚未获得的* 积分）—以突增所需的时间。由于 `t2.nano` 实例在 24 小时周期内最多可获得 72 积分，因此，在花费的超额积分不超过该最大积分数时，不会立即向您收费。如果花费 72 个以上的 CPU 积分，则会在该小时结束时对超出的部分进行收费。
下图所示的示例旨在说明实例如何使用超额积分突增到基准以上，甚至在用完 `CPUCreditBalance` 后。您可以假定，在图表的时间线开始时，实例累积的积分余额等于它可在 24 小时内获得的最大积分数。以下工作流程引用图中的编号数据点：
**1** – 在前 10 分钟内，`CPUCreditUsage` 设置为 0 并且 `CPUCreditBalance` 值始终为最大值 72。
**2** – 在 23:40，随着 CPU 使用率增加，实例花费 CPU 积分并且 `CPUCreditBalance` 值减少。
**3** – 在大约 00:47，实例用完全部 `CPUCreditBalance`，并开始花费超额积分以保持较高的 CPU 利用率。
**4** – 一直花费超额积分，直到 1:55，此时 `CPUSurplusCreditBalance` 值达到 72 个 CPU 积分。这等于 `t2.nano` 实例在 24 小时周期内可获得的最大积分数。以后花费的任何超额积分无法由 24 小时周期内获得的积分抵消，这会导致在该小时结束时收取少量的额外费用。
**5** – 在大约 2:20，实例继续花费超额积分。此时，CPU 使用率低于基准并且实例开始获得积分，每小时 3 积分 (或每 5 分钟 0.25 积分)，它使用这些积分来支付 `CPUSurplusCreditBalance`。在 `CPUSurplusCreditBalance` 值减少到 0 后，实例开始在其 `CPUCreditBalance` 中累积获得积分（每 5 分钟 0.25 积分）。
![\[以无限模式启动的 t2.nano 实例的 CPU 使用率图示。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/t2_unlimited_graph.png)
**计算账单（Linux 实例）**
超额积分每 vCPU 小时收取 0.05 美元。在 1:55 和 2:20 之间，实例大约花费 25 个超额积分，这相当于 0.42 个 vCPU 小时。该实例产生的额外费用为 0.42 vCPU 小时 x 0.05 美元/vCPU 小时 = 0.021 美元，舍入到 0.02 美元。下面是该 T2 无限实例的月末账单：
![\[T2 无限实例的账单示例。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/t2_unlimited_bill_linux.png)
**计算账单（Windows 实例）**
超额积分每 vCPU 小时收取 0.096 美元。在 1:55 和 2:20 之间，实例大约花费 25 个超额积分，这相当于 0.42 个 vCPU 小时。该实例产生的额外费用为 0.42 vCPU 小时 x 0.096 美元/vCPU 小时 = 0.04032 美元，舍入到 0.04 美元。下面是该 T2 无限实例的月末账单：
![\[T2 无限实例的账单示例。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/t2_unlimited_bill_windows.png)
您可以设置账单提醒以每小时通知一次产生的任何费用，并在必要时采取相应的措施。
# 可突增性能实例的标准模式
配置为 `standard` 的可突增性能实例适用于具有平均 CPU 利用率的工作负载，它始终低于实例的基准 CPU 利用率。为了突增到基准以上，实例会花费在其 CPU 积分余额中累积的积分。如果实例累积的积分较少，CPU 利用率将逐渐下降到基准水平，因此，在累积的 CPU 积分余额用完时，实例的性能不会急剧下降。有关更多信息，请参阅[可突增性能实例的关键概念](burstable-credits-baseline-concepts.md)。
**Contents**
+ [
# 可突增实例的标准模式概念
](burstable-performance-instances-standard-mode-concepts.md)
+ [
## 标准可突增性能实例的工作原理
](burstable-performance-instances-standard-mode-concepts.md#how-burstable-performance-instances-standard-works)
+ [
## 启动积分
](burstable-performance-instances-standard-mode-concepts.md#launch-credits)
+ [
## 启动积分限制
](burstable-performance-instances-standard-mode-concepts.md#launch-credit-limits)
+ [
## 启动积分和获得的积分之间的区别
](burstable-performance-instances-standard-mode-concepts.md#burstable-performance-instances-diff-launch-earned-credits)
+ [
# 可突增实例的标准模式示例
](standard-mode-examples.md)
+ [
## 示例 1：介绍 T3 标准版的积分使用情况
](standard-mode-examples.md#t3_standard_example)
+ [
## 示例 2：介绍 T2 标准版的积分使用情况
](standard-mode-examples.md#t2-standard-example)
+ [
### 第 1 个时段：1 – 24 小时
](standard-mode-examples.md#period-1)
+ [
### 第 2 个时段：25 – 36 小时
](standard-mode-examples.md#period-2)
+ [
### 第 3 个时段：37 – 61 小时
](standard-mode-examples.md#period-3)
+ [
### 第 4 个时段：62 – 72 小时
](standard-mode-examples.md#period-4)
+ [
### 第 5 个时段：73 – 75 小时
](standard-mode-examples.md#period-5)
+ [
### 第 6 个时段：76 – 90 小时
](standard-mode-examples.md#period-6)
+ [
### 第 7 个时段：91 – 96 小时
](standard-mode-examples.md#period-7)
# 可突增实例的标准模式概念
`standard` 是用于可突增性能实例的配置选项。可以随时对正在运行或已停止的实例启用或禁用它。您可以在每个 AWS 区域的账户级别[将 `standard` 设置为每个可突增性能实例系列的默认积分选项](burstable-performance-instances-how-to.md#burstable-performance-instance-set-default-credit-specification-for-account)，以便账户中所有新的可突增性能实例都使用默认积分选项启动。
## 标准可突增性能实例的工作原理
当配置为 `standard` 的可突增性能实例处于运行状态时，它会以设定的每小时速率（以毫秒级精度）持续获得积分。对于 T2 标准模式，在实例停止后，会丢失积累的全部积分，积分余额会重置为零。在它重新启动后，会接受一组新的启动积分，并开始累积获得积分。对于 T4g、T3a 和 T3 标准实例，CPU 积分余额将在实例停止后保留七天，而后不复存在。如果在七天内启动实例，则不会丢失积分。
T2 标准实例会收到两种类型的 [CPU 积分](burstable-credits-baseline-concepts.md#key-concepts)：*获得的积分*以及*启动积分*。在 T2 标准实例处于运行状态时，它会以固定的每小时速率 (以毫秒级精度) 持续获得积分。在一开始，该实例尚未获得积分来提供良好的初始体验；因此为了提供良好的初始体验，一开始会收到启动积分，可以先花费，同时累积获得积分。
T4g、T3a 和 T3 实例不会收到启动积分，因为这些实例支持无限模式。无限模式积分配置让 T4g、T3a 和 T3 实例能够根据需要使用尽可能多的 CPU，以便在需要的时间内突增超出基准。
## 启动积分
在启动时，T2 标准实例的每个 vCPU 会获得 30 个启动积分，而 T1 标准实例会获得 15 个启动积分。例如，`t2.micro` 实例具有一个 vCPU 并获得 30 个启动积分，而 `t2.xlarge` 实例具有 4 个 vCPU 并获得 120 个启动积分。启动积分旨在提供良好的初始体验，以使实例能够在启动后 (没有累积获得积分之前) 立即突增到更高的性能。
首先花费启动积分，再使用获得的积分。未花费的启动积分将累积到 CPU 积分余额中，但不会计入 CPU 积分余额限制。例如，`t2.micro` 实例的 CPU 积分余额限制为 144 个获得的积分。如果实例启动并保持空闲状态 24 小时，其 CPU 积分余额将达到 174 (30 个启动积分 \$1 144 个获得的积分)，这已超过限制。不过，在实例花费 30 个启动积分后，积分余额就不能超过 144 个。有关每种实例大小的 CPU 积分余额限制的更多信息，请参阅[积分表](burstable-credits-baseline-concepts.md#burstable-performance-instances-credit-table)。
下表列出了在启动时分配的初始 CPU 积分以及 vCPU 数。
| 实例类型 | 启动积分 | vCPU |
| --- | --- | --- |
| t1.micro | 15 | 1 |
| t2.nano | 30 | 1 |
| t2.micro | 30 | 1 |
| t2.small | 30 | 1 |
| t2.medium | 60 | 2 |
| t2.large | 60 | 2 |
| t2.xlarge | 120 | 4 |
| t2.2xlarge | 240 | 8 |
## 启动积分限制
T2 标准实例接收启动积分的次数存在限制。在每个区域，每 24 个小时的滚动周期内，每个账户中所有 T2 标准实例组合的默认限制是 100 次启动。例如，当一个实例在 24 小时周期内停止并启动 100 次时，或当 100 个实例在 24 小时周期内启动时，或者其他组合等同于 100 次启动时，将达到此限制。新账户可能具有较低的限制，该限制随着时间根据您的使用情况而增加。
**提示**
要确保您的工作负载始终获得所需的性能，请切换到[可突增性能实例的无限模式](burstable-performance-instances-unlimited-mode.md)或考虑使用更大的实例。
## 启动积分和获得的积分之间的区别
下表列出了启动积分和获得的积分之间的区别。
| | 启动积分 | 获得的积分 |
| --- | --- | --- |
| **积分获得率** | 在启动时，T2 标准实例的每个 vCPU 获得 30 个启动积分。 如果 T2 实例从 `unlimited` 切换到 `standard`，则在切换时不会获得启动积分。 | 每个 T2 实例以固定的每小时速率 (以毫秒级精度) 持续获得 CPU 积分，具体取决于实例大小。有关每种实例大小获得的 CPU 积分数量的更多信息，请参阅[积分表](burstable-credits-baseline-concepts.md#burstable-performance-instances-credit-table)。 |
| **积分获得限制** | 对于每个区域，在每 24 个小时的滚动周期内，每个账户中所有 T2 标准实例组合的启动积分接收限制是 100 次启动。新账户可能具有较低的限制，该限制随着时间根据您的使用情况而增加。 | T2 实例累积的积分数不能超过 CPU 积分余额限制。如果 CPU 积分余额已达到其限制，则将丢弃在达到限制后获得的任何积分。启动积分不计入限制。有关每种 T2 实例大小的 CPU 积分余额限制的更多信息，请参阅[积分表](burstable-credits-baseline-concepts.md#burstable-performance-instances-credit-table)。 |
| **积分使用** | 首先花费启动积分，再使用获得的积分。 | 只有花完所有启动积分后才能花费获得的积分。 |
| **过期积分** | 在 T2 标准实例运行过程中，启动积分不会过期。当 T2 标准实例停止或切换至“T2 无限”时，所有启动积分都将丢失。 | 在 T2 实例运行过程中，已累积获得的积分不会过期。T2 实例停止后，将丢失所有已累积获得的积分。 |
CloudWatch 指标 `CPUCreditBalance` 可跟踪已累积的启动积分和已累积获得的积分数。有关更多信息，请参阅 [CloudWatch 指标表](burstable-performance-instances-monitoring-cpu-credits.md#burstable-performance-instances-CW-metrics-table)中的 `CPUCreditBalance`。
# 可突增实例的标准模式示例
以下示例介绍当实例配置为 `standard` 时的积分使用情况。
**Topics**
+ [
## 示例 1：介绍 T3 标准版的积分使用情况
](#t3_standard_example)
+ [
## 示例 2：介绍 T2 标准版的积分使用情况
](#t2-standard-example)
## 示例 1：介绍 T3 标准版的积分使用情况
在本示例中，您将了解作为 `t3.nano` 启动的 `standard` 实例如何获得、累积和使用*获得* 的积分。您可以看到积分余额如何反映累积的*获得* 的积分。
运行的 `t3.nano` 实例每 24 小时获得 144 积分。其积分余额限制为 144 个获得的积分。达到该限制后，将丢弃获得的任何新积分。有关可获得和可累积的积分数的更多信息，请参阅[积分表](burstable-credits-baseline-concepts.md#burstable-performance-instances-credit-table)。
您可启动 T3 标准实例并立即使用它。或者，您可能在启动 T3 标准实例后让其闲置几天，再在该实例上运行应用程序。实例是正在被使用还是闲置决定积分是消耗还是累积。如果实例从启动时开始保持闲置状态 24 小时，则积分余额将达到其限制，这是可以累积的获得积分的最大数目。
本示例介绍启动后闲置 24 小时的实例，并向您分析 96 小时内共 7 个时段的积分情况，演示获得、累积、使用和丢弃积分的速率以及每个时段结束时的积分余额值。
以下工作流程引用图中的编号数据点：
**P1** – 在图表中的 0 小时处，实例以 `standard` 模式启动并立即开始获得积分。实例自启动后保持闲置状态（CPU 利用率为 0%），不使用任何积分。所有未使用的积分都累积到积分余额中。对于前 24 小时，`CPUCreditUsage` 为 0，而 `CPUCreditBalance` 值达到其最大值 144。
**P2** – 对于接下来的 12 小时，CPU 利用率为 2.5%，这低于 5% 基准。实例获得的积分多于花费的积分，但 `CPUCreditBalance` 值不能超过其最大值 144 积分。所获得的超过限制的所有积分都会被丢弃。
**P3** – 对于接下来的 24 小时，CPU 利用率为 7%（高于基准），这要求花费 57.6 积分。实例花费的积分多于获得的积分，`CPUCreditBalance` 值降至 86.4 积分。
**P4** – 对于接下来的 12 小时，CPU 利用率降至 2.5%（低于基准），这要求花费 36 积分。同时，实例获得 72 积分。实例获得的积分多于花费的积分，`CPUCreditBalance` 值增至 122 积分。
**P5** – 对于接下来的两个小时，实例突增至 60% CPU 利用率，并耗尽其整个 `CPUCreditBalance` 值的 122 积分。在此期间结束时，`CPUCreditBalance` 为零，CPU 利用率会被强制降低到基准利用率级别 5%。在基准时，实例获得的积分与花费的积分一样多。
**P6** – 对于接下来的 14 小时，CPU 利用率为 5%（基准）。实例获得的积分与花费的积分一样多。`CPUCreditBalance` 值保持为 0。
**P7** – 对于本例中的最后 24 小时，实例空闲，CPU 利用率为 0%。在此期间，实例获得 144 积分，这些积分将累积到其 `CPUCreditBalance` 中。
![\[T3 标准实例 CPU 使用率。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/t3_standard_graph.png)
## 示例 2：介绍 T2 标准版的积分使用情况
在本示例中，您将了解作为 `t2.nano` 启动的 `standard` 实例如何获得、累积和使用*启动积分*和*获得的积分*。您还可以了解积分余额如何反映累积*获得的积分*和累积*启动积分*。
启动时，`t2.nano` 实例获得 30 启动积分，之后每 24 小时获得 72 积分。其积分余额限制是获得的 72 积分；启动积分不计入该限制。达到该限制后，将丢弃获得的任何新积分。有关可获得和可累积的积分数的更多信息，请参阅[积分表](burstable-credits-baseline-concepts.md#burstable-performance-instances-credit-table)。有关 限制的更多信息，请参阅 [启动积分限制](burstable-performance-instances-standard-mode-concepts.md#launch-credit-limits)。
您可启动 T2 标准实例并立即使用它。或者，您可能在启动 T2 标准实例后让其闲置几天，再在该实例上运行应用程序。实例是正在被使用还是闲置决定积分是消耗还是累积。如果实例自启动后闲置 24 小时，积分余额将超过其限制，因为积分余额同时反映累积获得的积分和累积启动积分。不过，使用 CPU 后，会先使用启动积分。此后，积分余额限制始终反映可累积获得的最大积分。
本示例介绍启动后闲置 24 小时的实例，并向您分析 96 小时内共 7 个时段的积分情况，演示获得、累积、使用和丢弃积分的速率以及每个时段结束时的积分余额值。
### 第 1 个时段：1 – 24 小时
在图上的第 0 小时，T2 实例作为 `standard` 启动并立即获得 30 启动积分。当它处于运行状态时，会获得积分。实例自启动后保持闲置状态（CPU 利用率为 0%），不使用任何积分。所有未使用的积分都累积到积分余额中。在启动后大约 14 小时，积分余额为 72 (30 启动积分 \$1 获得的 42 积分)，这与实例在 24 小时内获得的积分相同。在启动后 24 小时，积分余额超过 72，因为未使用的启动积分累积到了积分余额中 (积分余额为 —102 积分：30 启动积分 \$1 72 获得积分)。
![\[在 T2 标准的第 1 个时段中，积分余额为 102 积分。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/t2-graph1.png)
| | |
| --- |--- |
| 积分使用率 | 每 24 小时 0 积分 (0% CPU 利用率) |
| 积分获得率 | 每 24 小时 72 积分 |
| 积分丢弃率 | 每 24 小时 0 积分 |
| 积分余额 | 102 积分 (30 启动积分 \$1 获得的 72 积分) |
**结论**
如果启动后没有 CPU 利用率，实例累积的积分将超过其在 24 小时内获得的积分 (30 启动积分 \$1 获得的 72 积分 = 102 积分)。
在真实场景中，EC2 实例在启动和运行时会使用少量积分，以防止积分余额达到本实例中的最大理论值。
### 第 2 个时段：25 – 36 小时
在接下来 12 小时，实例继续保持闲置状态并获得积分，但积分余额不会增加。积分余额保持在 102 (30 启动积分 \$1 获得的 72 积分)。积分余额已达到 72 累积获得的积分限制，因此会丢弃新获得的积分。
![\[积分余额已达到 72 个累积获得的积分限制。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/t2-graph2.png)
| | |
| --- |--- |
| 积分使用率 | 每 24 小时 0 积分 (0% CPU 利用率) |
| 积分获得率 | 每 24 小时 72 积分 (每小时 3 积分) |
| 积分丢弃率 | 每 24 小时 72 积分 (100% 积分获得率) |
| 积分余额 | 102 积分 (30 启动积分 \$1 72 获得积分) — 余额保持不变 |
**结论**
如果积分余额已达到其限制，实例会继续获得积分，但不会累积更多获得的积分。达到该限制后，会丢弃新获得的积分。启动积分不计入 积分余额限制。如果余额包含累积的启动积分，余额将超过该限制。
### 第 3 个时段：37 – 61 小时
在接下来 25 小时，实例使用 2% CPU，需要 30 积分。在同一周期，它获得 75 积分，但积分余额减少。余额减少的原因是先使用累积的*启动* 积分，并且由于积分余额已达到其获得的 72 积分限制，因此丢弃了新获得的积分。
![\[由于积分余额已达到其限制，因此会丢弃新获得的积分。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/t2-graph3.png)
| | |
| --- |--- |
| 积分使用率 | 24 小时 28.8 积分 (每小时 1.2 积分，2% CPU 利用率，40% 积分获得率) — 25 小时 30 积分 |
| 积分获得率 | 每 24 小时 72 积分 |
| 积分丢弃率 | 每 24 小时 72 积分 (100% 积分获得率) |
| 积分余额 | 72 积分 (使用了 30 启动积分；剩余获得的 72 积分未使用) |
**结论**
实例先使用启动积分，再使用获得的积分。启动积分不计入积分限制。使用启动积分后，积分余额永远不会超过在 24 小时内可获得的积分。此外，实例运行时，不会获得更多启动积分。
### 第 4 个时段：62 – 72 小时
在接下来 11 小时，实例使用 2% CPU，需要 13.2 积分。这与上一周期的 CPU 利用率相同，但积分余额不会减少。它保持在 72 积分。
积分余额不减少的原因是积分获得率高于积分使用率。实例使用 13.2 积分的同时，获得 33 积分。不过，由于余额限制是 72 积分，因此会丢弃获得的超过该限制的任何积分。积分余额保持在 72 积分，这与第 2 个时段保持在 102 积分不同，因为没有累积的启动积分。
![\[由于没有累积的启动积分，因而积分余额保持在 72 积分。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/t2-graph4.png)
| | |
| --- |--- |
| 积分使用率 | 24 小时 28.8 积分 (每小时 1.2 积分，2% CPU 利用率，40% 积分获得率) — 11 小时 13.2 积分 |
| 积分获得率 | 每 24 小时 72 积分 |
| 积分丢弃率 | 每 24 小时 43.2 积分 (60% 积分获得率) |
| 积分余额 | 72 积分 (0 启动积分，获得的 72 积分) — 余额达到其限制 |
**结论**
使用启动积分后，积分余额限制由实例在 24 小时内可获得的积分数决定。如果实例获得的积分多于使用的积分，则会丢弃新获得的超过限制的积分。
### 第 5 个时段：73 – 75 小时
在接下来 3 小时，实例的 CPU 利用率激增至 20%，需要 36 积分。在相同的 3 小时内，实例获得 9 积分，导致净余额减少 27 积分。在这 3 小时结束时，积分余额为累积获得的 45 积分。
![\[在这 3 小时结束时，积分余额为累积获得的 45 积分。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/t2-graph5.png)
| | |
| --- |--- |
| 积分使用率 | 24 小时 288 积分 (每小时 12 积分，20% CPU 利用率，400% 积分获得率) — 3 小时 36 积分 |
| 积分获得率 | 每 24 小时 72 积分 (3 小时 9 积分) |
| 积分丢弃率 | 每 24 小时 0 积分 |
| 积分余额 | 45 积分 (以前的余额 (72) - 使用的积分 (36) \$1 获得的积分 (9)) — 余额按每 24 小时 216 积分的速率减少 (使用率 288/24 \$1 获得率 72/24 = 余额减少率 216/24) |
**结论**
如果实例使用的积分多于获得的积分，则其积分余额将减少。
### 第 6 个时段：76 – 90 小时
在接下来 15 小时，实例使用 2% CPU，需要 18 积分。这与第 3 个和第 4 个时段的 CPU 利用率相同。不过，此周期的积分余额增加，而第 3 个时段的积分余额减少，第 4 个时段的保持不变。
在第 3 个时段，使用累积的启动积分，并会丢弃获得的超过积分限制的任何积分，导致积分余额减少。在第 4 个时段，实例发挥的积分数少于其获得的积分数。所获得的任何超出限制的积分将丢弃，因此余额保持在其最大值 72 积分。
在本周期，没有累积的启动积分，余额中累积获得的积分数低于限制。不会丢弃获得的任何积分。此外，实例获得的积分多于使用的积分，导致积分余额增加。
![\[实例获得的积分多于花费的积分。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/t2-graph6.png)
| | |
| --- |--- |
| 积分使用率 | 24 小时 28.8 积分 (每小时 1.2 积分，2% CPU 利用率，40% 积分获得率) — 15 小时 18 积分 |
| 积分获得率 | 每 24 小时 72 积分 (15 小时 45 积分) |
| 积分丢弃率 | 每 24 小时 0 积分 |
| 积分余额 | 72 积分 (余额按每 24 小时 43.2 积分的速率增加 — 更改率 = 使用率 28.8/24 \$1 获得率 72/24) |
**结论**
如果实例使用的积分少于获得的积分，则其积分余额将增加。
### 第 7 个时段：91 – 96 小时
在接下来六小时，实例保持闲置状态—（CPU 利用率为 0%），—不使用任何积分。这与第 2 个时段的 CPU 利用率相同，但积分余额不保持在 102 积分，而保持在 72 积分，—这是实例的积分余额限制。
在第 2 个时段，积分余额中包含累积的 30 启动积分。启动积分在第 3 个时段使用。正在运行的实例无法获得更多启动积分。达到积分余额限制后，会丢弃获得的超过限制的任何积分。
![\[所获得的超过限制的积分会被丢弃。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/t2-graph7.png)
| | |
| --- |--- |
| 积分使用率 | 每 24 小时 0 积分 (0% CPU 利用率) |
| 积分获得率 | 每 24 小时 72 积分 |
| 积分丢弃率 | 每 24 小时 72 积分 (100% 积分获得率) |
| 积分余额 | 72 积分 (0 启动积分，获得的 72 积分) |
**结论**
如果已达到积分余额限制，实例会继续获得积分，但不会累积更多获得的积分。达到该限制后，会丢弃新获得的积分。积分余额限制由实例在 24 小时内可获得的积分数决定。有关积分余额限制的更多信息，请参阅[积分表](burstable-credits-baseline-concepts.md#burstable-performance-instances-credit-table)。
# 配置可突增性能实例
用于启动、监控和修改可突增性能实例(T 实例)的步骤是类似的。主要差别在于它们启动时的默认积分规范。
每个 T 实例系列都具有以下*默认积分规范*：
+ T4g、T3a 和 T3 实例以 `unlimited` 模式启动
+ 专属主机上的 T3 实例仅可以作为 `standard` 启动
+ T2 实例以 `standard` 模式启动
您可以[更改账户的默认积分规范](#burstable-performance-instance-set-default-credit-specification-for-account)。
**Topics**
+ [
## 在启动时配置积分规范
](#launch-burstable-performance-instances)
+ [
## 配置自动扩缩组以将积分规范设置为 unlimited
](#burstable-performance-instances-auto-scaling-grp)
+ [
## 管理可突增性能实例的积分规范
](#modify-burstable-performance-instances)
+ [
## 管理账户的默认积分规范
](#burstable-performance-instance-set-default-credit-specification-for-account)
## 在启动时配置积分规范
您可以启动积分规范为 `unlimited` 或 `standard` 的 T 实例。
以下过程介绍了如何使用 EC2 控制台或 AWS CLI。有关如何使用自动扩缩组的信息，请参阅 [配置自动扩缩组以将积分规范设置为 unlimited](#burstable-performance-instances-auto-scaling-grp)。
------
#### [ Console ]
**在启动时配置实例的积分规范**
1. 按照程序[启动实例](ec2-launch-instance-wizard.md)。
1. 在 **Instance type**（实例类型）下，选择一个 T 实例类型。
1. 展开**高级详细信息**。在**积分规范**中选择积分规范。
1. 在 **Summary**（摘要）面板中查看实例配置，然后选择 **Launch instance**（启动实例）。
------
#### [ AWS CLI ]
**在启动时设置实例的积分规范**
使用 [run-instances](https://docs.aws.amazon.com/cli/latest/reference/ec2/run-instances.html) 命令和 `--credit-specification` 选项。
```
--credit-specification CpuCredits=unlimited
```
------
#### [ PowerShell ]
**在启动时设置实例的积分规范**
将 [New-EC2Instance](https://docs.aws.amazon.com/powershell/latest/reference/items/New-EC2Instance.html) cmdlet 与 `-CreditSpecification_CpuCredit` 参数结合使用。
```
-CreditSpecification_CpuCredit unlimited
```
------
## 配置自动扩缩组以将积分规范设置为 unlimited
在启动 T 实例时，它们需要具有 CPU 积分才能获得良好的引导体验。如果您使用 Auto Scaling 组启动实例，建议您将实例配置为 `unlimited`。如果这样做，实例会在自动启动或者由 Auto Scaling 组重新启动时使用超额积分。使用超额积分可以防止受到性能限制。
### 创建启动模板
在 Auto Scaling 组中以 `unlimited` 模式启动实例时，您必须使用*启动模板*。启动配置不支持以 `unlimited` 模式启动实例。
------
#### [ Console ]
**创建可用于设置积分规范的启动模板**
1. 请遵照《Amazon EC2 Auto Scaling 用户指南》**中的[使用高级设置创建启动模板](https://docs.aws.amazon.com/autoscaling/ec2/userguide/advanced-settings-for-your-launch-template.html)。
1. 在**启动模板内容**中，对于**实例类型**，请选择实例大小。
1. 要在 Auto Scaling 组中以 `unlimited` 模式启动实例，请在**高级详细信息**下，对于**积分规范**选择**无限**。
1. 在您完成后，定义启动模板参数，选择**创建启动模板**。
------
#### [ AWS CLI ]
**创建可用于设置积分规范的启动模板**
使用 [create-launch-template](https://docs.aws.amazon.com/cli/latest/reference/ec2/create-launch-template.html) 命令。
```
aws ec2 create-launch-template \
--launch-template-name my-launch-template \
--version-description FirstVersion \
--launch-template-data CreditSpecification={CpuCredits=unlimited}
```
------
#### [ PowerShell ]
**创建可用于设置积分规范的启动模板**
使用 [New-EC2LaunchTemplate](https://docs.aws.amazon.com/powershell/latest/reference/items/New-EC2LaunchTemplate.html) cmdlet。按如下方式定义启动模板数据的积分规范。
```
$creditSpec = New-Object Amazon.EC2.Model.CreditSpecificationRequest
$creditSpec.CpuCredits = "unlimited"
$launchTemplateData = New-Object Amazon.EC2.Model.RequestLaunchTemplateData
$launchTemplateData.CreditSpecification = $creditSpec
```
------
### 关联 Auto Scaling 组与启动模板
要将启动模板与一个 Auto Scaling 组相关联，请使用启动模板创建 Auto Scaling 组，或者将启动模板添加到现有 Auto Scaling 组中。
------
#### [ Console ]
**使用启动模板创建自动扩缩组**
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 在屏幕顶部的导航栏中，选择在创建启动模板时使用的同一区域。
1. 在导航窗格中，依次选择 **Auto Scaling 组**和**创建 Auto Scaling 组**。
1. 选择**启动模板**，选择您的启动模板，然后选择**下一步**。
1. 填写 Auto Scaling 组的各个字段。当您在**审核**页面上完成审核配置设置时，选择**创建 Auto Scaling 组**。有关更多信息，请参阅*Amazon EC2 Auto Scaling 用户指南*中的[使用启动模板创建 Auto Scaling 组](https://docs.aws.amazon.com/autoscaling/ec2/userguide/create-asg-launch-template.html) 。
**添加启动模板到现有自动扩缩组**
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 在屏幕顶部的导航栏中，选择在创建启动模板时使用的同一区域。
1. 在导航窗格中，选择 **Auto Scaling Groups**。
1. 从 Auto Scaling 组列表中选择一个 Auto Scaling 组，然后依次选择**操作**和**编辑**。
1. 在**详细信息**选项卡上，对于**启动模板**，选择一个启动模板，然后选择**保存**。
------
#### [ AWS CLI ]
**使用启动模板创建自动扩缩组**
使用 [create-auto-scaling-group](https://docs.aws.amazon.com/cli/latest/reference/autoscaling/create-auto-scaling-group.html) 命令并指定 `--launch-template` 参数。
**添加启动模板到现有自动扩缩组**
使用 [update-auto-scaling-group](https://docs.aws.amazon.com/cli/latest/reference/autoscaling/update-auto-scaling-group.html) 命令并指定 `--launch-template` 参数。
------
#### [ PowerShell ]
**使用启动模板创建自动扩缩组**
使用 [New-ASAutoScalingGroup](https://docs.aws.amazon.com/powershell/latest/reference/items/New-ASAutoScalingGroup.html) cmdlet 并指定 `-LaunchTemplate_LaunchTemplateId` 或 `-LaunchTemplate_LaunchTemplateName` 参数。
**添加启动模板到现有自动扩缩组**
使用 [Update-ASAutoScalingGroup](https://docs.aws.amazon.com/powershell/latest/reference/items/Update-ASAutoScalingGroup.html) cmdlet 并指定 `-LaunchTemplate_LaunchTemplateId` 或 `-LaunchTemplate_LaunchTemplateName` 参数。
------
## 管理可突增性能实例的积分规范
您可以随时将正在运行或停止的 T 实例的积分规范在 `unlimited` 与 `standard` 之间切换。
请注意，在 `unlimited` 模式中，实例可能会花费超额积分，从而产生额外费用。有关更多信息，请参阅 [超额积分会产生费用](burstable-performance-instances-unlimited-mode-concepts.md#unlimited-mode-surplus-credits)。
------
#### [ Console ]
**管理实例的积分规范**
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 在左侧导航窗格中，选择 **Instances (实例)**。
1. （可选）选择实例。在**详细信息**选项卡上，找到**积分规范**。该值为 `unlimited` 或 `standard`。
1. （可选）要一次修改多个实例的积分规范，请选择所有实例。
1. 依次选择**操作**、**实例设置**和**更改积分规范**。仅当您选择了 T 实例时，此选项才会启用。
1. 如要启用或停用**无限模式**，选中或清除每个实例 ID 旁边的复选框。
------
#### [ AWS CLI ]
**获取实例的积分规范**
使用 [describe-instance-credit-specifications](https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-instance-credit-specifications.html) 命令。如果您不指定实例 ID，则将返回积分规范为 `unlimited` 的所有实例。输出还将包括先前配置了 `unlimited` 积分规范的实例。例如，如果您将 T3 实例大小调整为 M4 实例，而该实例配置为 `unlimited`，Amazon EC2 将返回 M4 实例。
```
aws ec2 describe-instance-credit-specifications \
--instance-id i-1234567890abcdef0 \
--query InstanceCreditSpecifications[].CpuCredits \
--output text
```
下面是示例输出。
```
unlimited
```
**设置实例的积分规范**
使用 [modify-instance-credit-specification](https://docs.aws.amazon.com/cli/latest/reference/ec2/modify-instance-credit-specification.html) 命令。
```
aws ec2 modify-instance-credit-specification \
--region us-east-1 \
--instance-credit-specification "InstanceId=i-1234567890abcdef0,CpuCredits=unlimited"
```
------
#### [ PowerShell ]
**获取实例的积分规范**
使用 [Get-EC2CreditSpecification](https://docs.aws.amazon.com/powershell/latest/reference/items/Get-EC2CreditSpecification.html) cmdlet。
```
(Get-EC2CreditSpecification `
-InstanceId i-1234567890abcdef0).CpuCredits
```
下面是示例输出。
```
unlimited
```
**设置实例的积分规范**
使用 [Edit-EC2InstanceCreditSpecification](https://docs.aws.amazon.com/powershell/latest/reference/items/Edit-EC2InstanceCreditSpecification.html) cmdlet。
```
Edit-EC2InstanceCreditSpecification `
-Region us-east-1 `
-InstanceCreditSpecification @({InstanceId="i-1234567890abcdef0" CpuCredits="unlimited"})
```
------
## 管理账户的默认积分规范
每个 T 实例系列都有[默认积分规范](#default-credit-spec)。您可以在每个 AWS 区域的账户级别更改每个 T 实例系列的默认积分规范。默认积分规范的有效值为 `unlimited` 和 `standard`。
如果您使用 EC2 控制台中的启动实例向导来启动实例，则您为积分规范选择的值会覆盖账户级别的默认积分规范。如果您使用 AWS CLI 启动实例，则账户中所有新的 T 实例都使用默认积分规范启动。现有正在运行或已停止的实例的积分规范不受影响。
**考虑因素**
实例系列的默认积分规范在 5 分钟滚动周期内只能修改一次，在 24 小时滚动周期内最多可修改四次。
------
#### [ Console ]
**管理默认积分规范**
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 要更改 AWS 区域，请使用页面右上角的区域选择器。
1. 在导航窗格中，选择**控制面板**。
1. 在**账户属性**卡的**设置**下，选择**默认服务抵扣金规格**。
1. 选择**管理**。
1. 对于每个实例系列，选择 **Unlimited (无限)** 或 **Standard (标准)**，然后选择 **Update (更新)**。
------
#### [ AWS CLI ]
**获取默认积分规范**
使用 [get-default-credit-specification](https://docs.aws.amazon.com/cli/latest/reference/ec2/get-default-credit-specification.html) 命令。
```
aws ec2 get-default-credit-specification \
--region us-east-1 \
--instance-family t2 \
--query InstanceFamilyCreditSpecifications[].CpuCredits \
--output text
```
下面是示例输出。
```
standard
```
**设置默认积分规范**
使用 [modify-default-credit-specification](https://docs.aws.amazon.com/cli/latest/reference/ec2/modify-default-credit-specification.html) 命令。以下示例将该值设置为 `unlimited`。
```
aws ec2 modify-default-credit-specification \
--region us-east-1 \
--instance-family t2 \
--cpu-credits unlimited
```
------
#### [ PowerShell ]
**获取默认积分规范**
使用 [Get-EC2DefaultCreditSpecification](https://docs.aws.amazon.com/powershell/latest/reference/items/Get-EC2DefaultCreditSpecification.html) cmdlet。
```
(Get-EC2DefaultCreditSpecification `
-Region us-east-1 `
-InstanceFamily t2).CpuCredits
```
下面是示例输出。
```
standard
```
**设置默认积分规范**
使用 [Edit-EC2DefaultCreditSpecification](https://docs.aws.amazon.com/powershell/latest/reference/items/Edit-EC2DefaultCreditSpecification.html) cmdlet。以下示例将该值设置为 `unlimited`。
```
Edit-EC2DefaultCreditSpecification `
-Region us-east-1 `
-InstanceFamily t2 `
-CpuCredit unlimited
```
------
# 监控可突增实例的 CPU 积分
EC2 将指标发送到 Amazon CloudWatch。您可以在 CloudWatch 控制台的 Amazon EC2 每个实例指标中查看 CPU 积分指标，也可以使用 AWS CLI 列出每个实例的指标。有关更多信息，请参阅 [可用于实例的 CloudWatch 指标](viewing_metrics_with_cloudwatch.md)。
**Topics**
+ [
## 可突增性能实例的其他 CloudWatch 指标
](#burstable-performance-instances-cw-metrics)
+ [
## 计算使用的 CPU 积分
](#burstable-performance-instances-calculating-credit-use)
## 可突增性能实例的其他 CloudWatch 指标
可突增性能实例具有这些额外的 CloudWatch 指标，将每 5 分钟更新一次这些指标：
+ `CPUCreditUsage` – 在测量周期内花费的 CPU 积分数。
+ `CPUCreditBalance` – 实例产生的 CPU 积分数量。在 CPU 突增以及 CPU 积分的花费速度比获得速度快时，该余额将用完。
+ `CPUSurplusCreditBalance` – 在 `CPUCreditBalance` 值为零时，用于保持 CPU 利用率而花费的超额 CPU 积分数。
+ `CPUSurplusCreditsCharged` – 超过可在 24 小时内获得的 [CPU 积分数上限](burstable-credits-baseline-concepts.md#burstable-performance-instances-credit-table)的超额 CPU 积分数，因而会产生额外的费用。
最后两个指标仅适用于配置为 `unlimited` 的实例。
下表描述了可突增性能实例的 CloudWatch 指标。有关更多信息，请参阅[可用于实例的 CloudWatch 指标](viewing_metrics_with_cloudwatch.md)。
| 指标 | 描述 |
| --- | --- |
| CPUCreditUsage | 实例为保持 CPU 使用率而花费的 CPU 积分数。一个 CPU 积分等于一个 vCPU 按 100% 利用率运行一分钟，或者 vCPU、利用率和时间的等效组合（例如， 一个 vCPU 按 50% 利用率运行两分钟，或者两个 vCPU 按 25% 利用率运行两分钟）。 CPU 积分指标仅每 5 分钟提供一次。如果您指定一个大于五分钟的时间段，请使用`Sum` 统计数据，而非 `Average` 统计数据。 单位：积分 (vCPU 分钟) |
| CPUCreditBalance | 实例自启动后已累积获得的 CPU 积分数。对于 T2 标准，`CPUCreditBalance` 还包含已累积的启动积分数。 在获得积分后，积分将在积分余额中累积；在花费积分后，将从积分余额中扣除积分。积分余额具有最大值限制，这是由实例大小决定的。在达到限制后，将丢弃获得的任何新积分。对于 T2 标准，启动积分不计入限制。 实例可以花费 `CPUCreditBalance` 中的积分，以便突增到基准 CPU 使用率以上。 在实例运行过程中，`CPUCreditBalance` 中的积分不会过期。在 T4g、T3a 或 T3 实例停止时，`CPUCreditBalance` 值将保留七天。之后，所有累积的积分都将丢失。在 T2 实例停止时，`CPUCreditBalance` 值不会保留，并且所有累积的积分都将丢失。 CPU 积分指标仅每 5 分钟提供一次。 单位：积分 (vCPU 分钟) |
| CPUSurplusCreditBalance | 在 `unlimited` 值为零时，`CPUCreditBalance` 实例花费的超额积分数。 `CPUSurplusCreditBalance` 值由获得的 CPU 积分支付。如果超额积分数超出实例可在 24 小时周期内获得的最大积分数，则超出最大积分数的已花费超额积分将产生额外费用。 单位：积分 (vCPU 分钟) |
| CPUSurplusCreditsCharged | 未由获得的 CPU 积分支付并且会产生额外费用的已花费超额积分数。 在出现以下任一情况时，将对花费的超额积分收费： [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/burstable-performance-instances-monitoring-cpu-credits.html) 单位：积分 (vCPU 分钟) |
## 计算使用的 CPU 积分
实例使用的 CPU 积分使用上表中所述的实例 CloudWatch 指标计算。
Amazon EC2 每 5 分钟向 CloudWatch 发送一次指标。在任何时间点引用的*以前* 指标值是指 *5 分钟前* 发送的以前指标值。
### 计算标准实例使用的 CPU 积分
+ 如果 CPU 使用率低于基准，此时花费的积分低于前 5 分钟间隔获得的积分，CPU 积分余额将增加。
+ 如果 CPU 使用率高于基准，此时花费的积分超过前 5 分钟间隔获得的积分，CPU 积分余额将减少。
从数学上讲，这是使用以下公式得出的：
**Example**
```
CPUCreditBalance = prior CPUCreditBalance + [Credits earned per hour * (5/60) - CPUCreditUsage]
```
实例大小确定实例每小时可获得的积分数以及实例可在积分余额中累积获得的积分数。有关每小时获得的积分数的信息，以及每个实例大小的积分余额限制，请参阅[积分表](burstable-credits-baseline-concepts.md#burstable-performance-instances-credit-table)。
**示例**
该示例使用 `t3.nano` 实例。要计算实例的 `CPUCreditBalance` 值，请按以下方式使用前面的公式：
+ `CPUCreditBalance` – 要计算的当前积分余额。
+ `prior CPUCreditBalance` – 5 分钟前的积分余额。在该示例中，实例累积了两积分。
+ `Credits earned per hour` – `t3.nano` 实例每小时获得 6 积分。
+ `5/60` – 表示 CloudWatch 指标发布的 5 分钟间隔。将每小时获得的积分乘以 5/60（5 分钟）以计算实例在过去 5 分钟获得的积分数。`t3.nano` 实例每 5 分钟获得 0.5 积分。
+ `CPUCreditUsage` – 实例在过去 5 分钟内花费的积分数。在该示例中，实例在过去 5 分钟内花费 1 积分。
您可以使用这些值计算 `CPUCreditBalance` 值：
**Example**
```
CPUCreditBalance = 2 + [0.5 - 1] = 1.5
```
### 计算无限实例使用的 CPU 积分
在可突增性能实例需要突增到基准以上时，它始终先花费累积的积分，然后再花费超额积分。在用完累积的 CPU 积分余额时，它会花费超额积分以将 CPU 突增所需的时间。在 CPU 使用率低于基准时，在实例累积获得的积分之前始终先支付超额积分。
我们在以下公式中使用 `Adjusted balance` 项以反映在该 5 分钟间隔内发生的活动。我们使用该值计算 `CPUCreditBalance` 和 `CPUSurplusCreditBalance` CloudWatch 指标的值。
**Example**
```
Adjusted balance = [prior CPUCreditBalance - prior CPUSurplusCreditBalance] + [Credits earned per hour * (5/60) - CPUCreditUsage]
```
如果 `0` 的值为 `Adjusted balance`，表示实例花费获得的所有积分来进行突增，而未花费任何超额积分。因此，`CPUCreditBalance` 和 `CPUSurplusCreditBalance` 均设置为 `0`。
正的 `Adjusted balance` 值表示实例累积获得了积分，并支付了以前的超额积分 (如果有)。因此，将 `Adjusted balance` 值分配给 `CPUCreditBalance`，并将 `CPUSurplusCreditBalance` 设置为 `0`。实例大小决定了可累积的[最大积分数](burstable-credits-baseline-concepts.md#burstable-performance-instances-credit-table)。
**Example**
```
CPUCreditBalance = min [max earned credit balance, Adjusted balance]
CPUSurplusCreditBalance = 0
```
负的 `Adjusted balance` 值表示实例花费了其累积获得的所有积分，并且还花费了超额积分来进行突增。因此，将 `Adjusted balance` 值分配给 `CPUSurplusCreditBalance`，并将 `CPUCreditBalance` 设置为 `0`。此外，实例大小决定了它可累积的[最大积分数](burstable-credits-baseline-concepts.md#burstable-performance-instances-credit-table)。
**Example**
```
CPUSurplusCreditBalance = min [max earned credit balance, -Adjusted balance]
CPUCreditBalance = 0
```
如果花费的超额积分超过了实例可累积的最大积分，超额积分余额将设置为最大值，如前面的公式中所示。将对剩余的超额积分收费，如 `CPUSurplusCreditsCharged` 指标表示。
**Example**
```
CPUSurplusCreditsCharged = max [-Adjusted balance - max earned credit balance, 0]
```
最后，在实例终止时，将对由 `CPUSurplusCreditBalance` 跟踪的任何超额积分收费。如果实例从 `unlimited` 切换到 `standard`，则还会对任何剩余的 `CPUSurplusCreditBalance` 收费。
# 使用 GPU 实例加速性能
基于 GPU 的实例能让您访问具有数千个计算内核的 NVIDIA GPU。您可以通过这些实例利用 CUDA 或开放计算语言 (OpenCL) 并行计算框架，为科学、工程和渲染应用程序加速。还可以将这些实例用于图形应用程序，包括游戏流式处理、3-D 应用流式处理和其他图形工作负载。
在激活或优化基于 GPU 的实例之前，您必须安装相应的驱动程序，如下所示：
+ 要在挂载 NVIDIA GPU 的实例（例如，P3 或 G4dn 实例）上安装 NVIDIA 驱动程序，请参阅 [NVIDIA 驱动程序](install-nvidia-driver.md)。
+ 要在挂载 AMD GPU 的实例（例如，G4ad 实例）上安装 AMD 驱动程序，请参阅 [AMD 驱动程序](install-amd-driver.md)。
**Topics**
+ [激活 NVIDIA GRID 虚拟应用程序](activate_grid.md)
+ [优化 GPU 设置](optimize_gpu.md)
+ [在 G4ad 上设置双 4K 显示屏](activate_g4ad_4k.md)
+ [
# 开始使用 GPU 加速实例
](gpu-instances-started.md)
# 在基于 Amazon EC2 GPU 的实例上激活 NVIDIA GRID 虚拟应用程序
要激活基于 GPU 的实例上的 GRID 虚拟应用程序（默认情况下启用 NVIDIA GRID 虚拟工作站），您必须为驱动程序定义产品类型。您使用的过程取决于实例的操作系统。
## Linux 实例
**激活 Linux 实例上的 GRID 虚拟应用程序**
1. 从提供的模板文件创建 `/etc/nvidia/gridd.conf` 文件。
```
[ec2-user ~]$ sudo cp /etc/nvidia/gridd.conf.template /etc/nvidia/gridd.conf
```
1. 在您常用的文本编辑器中打开 `/etc/nvidia/gridd.conf` 文件。
1. 找到 `FeatureType` 行，并将其设置为 `0`。然后，添加包含 `IgnoreSP=TRUE` 的行。
```
FeatureType=0 IgnoreSP=TRUE
```
1. 保存文件并退出。
1. 重启实例以接受新配置。
```
[ec2-user ~]$ sudo reboot
```
## Windows 实例
**激活 Windows 实例上的 GRID 虚拟应用程序**
1. 运行 **regedit.exe** 以打开注册表编辑器。
1. 导航到 `HKEY_LOCAL_MACHINE\SOFTWARE\NVIDIA Corporation\Global\GridLicensing`。
1. 打开右侧窗格上的上下文 (右键单击) 菜单，选择**新建**，然后选择 **DWORD**。
1. 对于 **Name** (名称)，输入 **FeatureType**，然后按 `Enter`。
1. 打开 **FeatureType** 上的上下文 (右键单击) 菜单，然后选择**修改**。
1. 对于**值数据**，请输入 NVIDIA GRID 虚拟应用的 `0` 并选择 **OK**。
1. 打开右侧窗格上的上下文 (右键单击) 菜单，选择**新建**，然后选择 **DWORD**。
1. 对于**名称**，输入 **IgnoreSP**，然后按 `Enter`。
1. 打开 **IgnoreSP** 上的上下文 (右键单击) 菜单，然后选择**修改**。
1. 对于**值数据**，键入 `1`，然后选择**确定**。
1. 关闭注册表编辑器。
# 优化 Amazon EC2 实例上的 GPU 设置
您可以执行多个 GPU 设置优化，以实现 NVIDIA GPU 实例的最佳性能。对于其中一些实例类型，NVIDIA 驱动程序使用 autoboost 功能，该功能会改变 GPU 时钟速度。通过禁用 autoboost 并将 GPU 时钟速度设置为其最大频率，您可以始终获得 GPU 实例的最大性能。
## 在 Linux 上优化 GPU 设置
1. 将 GPU 设置配置为永久。该命令可能需要几分钟才能运行完毕。
```
[ec2-user ~]$ sudo nvidia-persistenced
```
1. [仅限 G3 和 P2 实例] 禁用实例上所有 GPU 的 autoboost 功能。
```
[ec2-user ~]$ sudo nvidia-smi --auto-boost-default=0
```
1. 将所有 GPU 时钟速度设置为其最大频率。使用以下命令中指定的内存和图形时钟速度。
有些版本的 NVIDIA 驱动程序不支持设置应用程序时钟速度，并会显示错误 `"Setting applications clocks is not supported for GPU..."`，您可以忽略该错误。
+ G3 实例：
```
[ec2-user ~]$ sudo nvidia-smi -ac 2505,1177
```
+ G4dn 实例：
```
[ec2-user ~]$ sudo nvidia-smi -ac 5001,1590
```
+ G5 实例：
```
[ec2-user ~]$ sudo nvidia-smi -ac 6250,1710
```
+ G6、Gr6f、Gr6 和 Gr6f 实例：
```
[ec2-user ~]$ sudo nvidia-smi -ac 6251,2040
```
+ G6e 实例：
```
[ec2-user ~]$ sudo nvidia-smi -ac 9001,2520
```
+ G7e 实例：
```
[ec2-user ~]$ sudo nvidia-smi -ac 12481,2430
```
+ P2 实例：
```
[ec2-user ~]$ sudo nvidia-smi -ac 2505,875
```
+ P3 和 P3dn 实例：
```
[ec2-user ~]$ sudo nvidia-smi -ac 877,1530
```
+ P4d 实例：
```
[ec2-user ~]$ sudo nvidia-smi -ac 1215,1410
```
+ P4de 实例：
```
[ec2-user ~]$ sudo nvidia-smi -ac 1593,1410
```
+ P5 实例：
```
[ec2-user ~]$ sudo nvidia-smi -ac 2619,1980
```
+ P5e 和 P5en 实例：
```
[ec2-user ~]$ sudo nvidia-smi -ac 3201,1980
```
+ P6-B200 实例：
```
[ec2-user ~]$ sudo nvidia-smi -ac 3996,1965
```
+ P6-B300 实例：
```
[ec2-user ~]$ sudo nvidia-smi -ac 3996,2032
```
## 在 Windows 上优化 GPU 设置
1. 打开 PowerShell 窗口并导航到 NVIDIA 安装文件夹。
```
PS C:\> cd "C:\Windows\System32\DriverStore\FileRepository\nvgridsw_aws.inf_*\"
```
1. [仅限 G3 和 P2 实例] 禁用实例上所有 GPU 的 autoboost 功能。
```
PS C:\> .\nvidia-smi --auto-boost-default=0
```
1. 将所有 GPU 时钟速度设置为其最大频率。使用以下命令中指定的内存和图形时钟速度。
有些版本的 NVIDIA 驱动程序不支持设置应用程序时钟速度，并会显示错误 `"Setting applications clocks is not supported for GPU..."`，您可以忽略该错误。
+ G3 实例：
```
PS C:\> .\nvidia-smi -ac "2505,1177"
```
+ G4dn 实例：
```
PS C:\> .\nvidia-smi -ac "5001,1590"
```
+ G5 实例：
```
PS C:\> .\nvidia-smi -ac "6250,1710"
```
+ G6、Gr6f、Gr6 和 Gr6f 实例：
```
PS C:\> .\nvidia-smi -ac "6251,2040"
```
+ G6e 实例：
```
PS C:\> .\nvidia-smi -ac "9001,2520"
```
+ P2 实例：
```
PS C:\> .\nvidia-smi -ac "2505,875"
```
+ P3 和 P3dn 实例：
```
PS C:\> .\nvidia-smi -ac "877,1530"
```
# 在 G4ad Linux 实例上设置双 4K 显示屏
启动 G4ad 实例后，您可以设置双 4K 显示屏。
**安装 AMD 驱动程序并配置双屏**
1. 连接到您的 Linux 实例以获取相关 GPU 的 PCI 总线地址，以用作双 4K（2x4k）的目标：
```
lspci -vv | grep -i amd
```
您将获得与下内容类似的输出：
```
00:1e.0 Display controller: Advanced Micro Devices, Inc. [*AMD*/ATI] Device 7362 (rev c3)
Subsystem: Advanced Micro Devices, Inc. [AMD/ATI] Device 0a34
```
1. 请注意，上述输出中的 PCI 总线地址为 00:1e.0。创建一个名为 `/etc/modprobe.d/amdgpu.conf` 的文件然后添加：
```
options amdgpu virtual_display=0000:00:1e.0,2
```
1. 要在 Linux 上安装 AMD 驱动程序，请参阅 [EC2 实例的 AMD 驱动程序](install-amd-driver.md)。如果您已经安装了 AMD GPU 驱动程序，则需要通过 dkms 重建 amdgpu 内核模块。
1. 使用下面的 xorg.conf 文件定义双（2x4K）屏幕拓扑并将文件保存到 `/etc/X11/xorg.conf:`
```
~$ cat /etc/X11/xorg.conf
Section "ServerLayout"
Identifier "Layout0"
Screen 0 "Screen0"
Screen 1 "Screen1"
InputDevice "Keyboard0" "CoreKeyboard"
InputDevice "Mouse0" "CorePointer"
Option "Xinerama" "1"
EndSection
Section "Files"
ModulePath "/opt/amdgpu/lib64/xorg/modules/drivers"
ModulePath "/opt/amdgpu/lib/xorg/modules"
ModulePath "/opt/amdgpu-pro/lib/xorg/modules/extensions"
ModulePath "/opt/amdgpu-pro/lib64/xorg/modules/extensions"
ModulePath "/usr/lib64/xorg/modules"
ModulePath "/usr/lib/xorg/modules"
EndSection
Section "InputDevice"
# generated from default
Identifier "Mouse0"
Driver "mouse"
Option "Protocol" "auto"
Option "Device" "/dev/psaux"
Option "Emulate3Buttons" "no"
Option "ZAxisMapping" "4 5"
EndSection
Section "InputDevice"
# generated from default
Identifier "Keyboard0"
Driver "kbd"
EndSection
Section "Monitor"
Identifier "Virtual"
VendorName "Unknown"
ModelName "Unknown"
Option "Primary" "true"
EndSection
Section "Monitor"
Identifier "Virtual-1"
VendorName "Unknown"
ModelName "Unknown"
Option "RightOf" "Virtual"
EndSection
Section "Device"
Identifier "Device0"
Driver "amdgpu"
VendorName "AMD"
BoardName "Radeon MxGPU V520"
BusID "PCI:0:30:0"
EndSection
Section "Device"
Identifier "Device1"
Driver "amdgpu"
VendorName "AMD"
BoardName "Radeon MxGPU V520"
BusID "PCI:0:30:0"
EndSection
Section "Extensions"
Option "DPMS" "Disable"
EndSection
Section "Screen"
Identifier "Screen0"
Device "Device0"
Monitor "Virtual"
DefaultDepth 24
Option "AllowEmptyInitialConfiguration" "True"
SubSection "Display"
Virtual 3840 2160
Depth 32
EndSubSection
EndSection
Section "Screen"
Identifier "Screen1"
Device "Device1"
Monitor "Virtual"
DefaultDepth 24
Option "AllowEmptyInitialConfiguration" "True"
SubSection "Display"
Virtual 3840 2160
Depth 32
EndSubSection
EndSection
```
1. 按照设置[交互式桌面](#amd-interactive-desktop)中的说明设置 DCV。
1. 完成 DCV 设置后，重新启动。
1. 确认驱动程序运行正常：
```
dmesg | grep amdgpu
```
该响应应当与以下内容相似：
```
Initialized amdgpu
```
1. 您应会在 `DISPLAY=:0 xrandr -q` 的输出中看到您已连接了 2 个虚拟显示器：
```
~$ DISPLAY=:0 xrandr -q
Screen 0: minimum 320 x 200, current 3840 x 1080, maximum 16384 x 16384
Virtual connected primary 1920x1080+0+0 (normal left inverted right x axis y axis) 0mm x 0mm
4096x3112 60.00
3656x2664 59.99
4096x2160 60.00
3840x2160 60.00
1920x1200 59.95
1920x1080 60.00
1600x1200 59.95
1680x1050 60.00
1400x1050 60.00
1280x1024 59.95
1440x900 59.99
1280x960 59.99
1280x854 59.95
1280x800 59.96
1280x720 59.97
1152x768 59.95
1024x768 60.00 59.95
800x600 60.32 59.96 56.25
848x480 60.00 59.94
720x480 59.94
640x480 59.94 59.94
Virtual-1 connected 1920x1080+1920+0 (normal left inverted right x axis y axis) 0mm x 0mm
4096x3112 60.00
3656x2664 59.99
4096x2160 60.00
3840x2160 60.00
1920x1200 59.95
1920x1080 60.00
1600x1200 59.95
1680x1050 60.00
1400x1050 60.00
1280x1024 59.95
1440x900 59.99
1280x960 59.99
1280x854 59.95
1280x800 59.96
1280x720 59.97
1152x768 59.95
1024x768 60.00 59.95
800x600 60.32 59.96 56.25
848x480 60.00 59.94
720x480 59.94
640x480 59.94 59.94
```
1. 连接到 DCV 后，将分辨率更改为 2x4K，确认 DCV 已经注册了双显示器支持。
![\[更改 DCV 分辨率\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/dm-dcv-example.png)
## 为 Linux 设置交互式桌面
确认 Linux 实例已安装 AMD GPU 驱动程序并且 amdgpu 正在使用中之后，您可以安装交互式桌面管理器。我们建议使用 MATE 桌面环境，以获得最佳兼容性和性能。
**先决条件**
打开文本编辑器并将以下内容另存为名为 `xorg.conf` 的文件。您的实例上需要此文件。
```
Section "ServerLayout"
Identifier "Layout0"
Screen 0 "Screen0"
InputDevice "Keyboard0" "CoreKeyboard"
InputDevice "Mouse0" "CorePointer"
EndSection
Section "Files"
ModulePath "/opt/amdgpu/lib64/xorg/modules/drivers"
ModulePath "/opt/amdgpu/lib/xorg/modules"
ModulePath "/opt/amdgpu-pro/lib/xorg/modules/extensions"
ModulePath "/opt/amdgpu-pro/lib64/xorg/modules/extensions"
ModulePath "/usr/lib64/xorg/modules"
ModulePath "/usr/lib/xorg/modules"
EndSection
Section "InputDevice"
# generated from default
Identifier "Mouse0"
Driver "mouse"
Option "Protocol" "auto"
Option "Device" "/dev/psaux"
Option "Emulate3Buttons" "no"
Option "ZAxisMapping" "4 5"
EndSection
Section "InputDevice"
# generated from default
Identifier "Keyboard0"
Driver "kbd"
EndSection
Section "Monitor"
Identifier "Monitor0"
VendorName "Unknown"
ModelName "Unknown"
EndSection
Section "Device"
Identifier "Device0"
Driver "amdgpu"
VendorName "AMD"
BoardName "Radeon MxGPU V520"
BusID "PCI:0:30:0"
EndSection
Section "Extensions"
Option "DPMS" "Disable"
EndSection
Section "Screen"
Identifier "Screen0"
Device "Device0"
Monitor "Monitor0"
DefaultDepth 24
Option "AllowEmptyInitialConfiguration" "True"
SubSection "Display"
Virtual 3840 2160
Depth 32
EndSubSection
EndSection
```
**在 Amazon Linux 2 上设置交互式桌面**
1. 安装 EPEL 存储库。
```
[ec2-user ~]$ sudo amazon-linux-extras install epel -y
```
1. 安装 MATE 桌面。
```
[ec2-user ~]$ sudo amazon-linux-extras install mate-desktop1.x -y
[ec2-user ~]$ sudo yum groupinstall "MATE Desktop" -y
[ec2-user ~]$ sudo systemctl disable firewalld
```
1. 将 `xorg.conf` 文件复制到 `/etc/X11/xorg.conf`。
1. 重启实例。
```
[ec2-user ~]$ sudo reboot
```
1. （可选）[安装 Amazon DCV 服务器](https://docs.aws.amazon.com/dcv/latest/adminguide/setting-up-installing.html)以将 Amazon DCV 作为高性能显示协议，然后使用您偏好的客户端[连接到 Amazon DCV 会话](https://docs.aws.amazon.com/dcv/latest/userguide/using-connecting.html)。
**在 Ubuntu 上设置交互式桌面**
1. 安装 MATE 桌面。
```
$ sudo apt install xorg-dev ubuntu-mate-desktop -y
$ sudo apt purge ifupdown -y
```
1. 将 `xorg.conf` 文件复制到 `/etc/X11/xorg.conf`。
1. 重启实例。
```
$ sudo reboot
```
1. 为适当版本的 Ubuntu 安装 AMF 编码器。
```
$ sudo apt install ./amdgpu-pro-20.20-*/amf-amdgpu-pro_20.20-*_amd64.deb
```
1. （可选）[安装 Amazon DCV 服务器](https://docs.aws.amazon.com/dcv/latest/adminguide/setting-up-installing.html)以将 Amazon DCV 作为高性能显示协议，然后使用您偏好的客户端[连接到 Amazon DCV 会话](https://docs.aws.amazon.com/dcv/latest/userguide/using-connecting.html)。
1. DCV 安装完成后，授予 DCV 用户视频权限：
```
$ sudo usermod -aG video dcv
```
**在 CentOS 上设置交互式桌面**
1. 安装 EPEL 存储库。
```
$ sudo yum update -y
$ sudo yum install epel-release -y
```
1. 安装 MATE 桌面。
```
$ sudo yum groupinstall "MATE Desktop" -y
$ sudo systemctl disable firewalld
```
1. 将 `xorg.conf` 文件复制到 `/etc/X11/xorg.conf`。
1. 重启实例。
```
$ sudo reboot
```
1. （可选）[安装 Amazon DCV 服务器](https://docs.aws.amazon.com/dcv/latest/adminguide/setting-up-installing.html)以将 Amazon DCV 作为高性能显示协议，然后使用您偏好的客户端[连接到 Amazon DCV 会话](https://docs.aws.amazon.com/dcv/latest/userguide/using-connecting.html)。
# 开始使用 GPU 加速实例
最新一代 GPU 加速实例类型（如以下列表所示的类型）为深度学习和高性能计算 (HPC) 应用程序提供了最高性能的功能。选择实例类型链接以了解有关其功能的更多信息。
+ [P6 系列](https://aws.amazon.com/ec2/instance-types/p6/)
+ [P6 系列](https://aws.amazon.com/ec2/instance-types/p6/)
+ [P5 系列](https://aws.amazon.com/ec2/instance-types/p5/)
有关加速实例类型的实例类型规范的完整列表，请参阅 *Amazon EC2 实例类型*参考中的[加速计算](https://docs.aws.amazon.com/ec2/latest/instancetypes/ac.html)。
**软件配置**
开始使用最新一代 GPU 加速实例类型的最简单方法是从预先配置了所有必需软件的 AWS 深度学习 AMI 启动实例。有关与 GPU 加速实例类型配合使用的最新 AWS Deep Learning AMIs，请参阅《*AWS Deep Learning AMIs 开发人员指南*》中的 [P6 Supported DLAMI](https://docs.aws.amazon.com/dlami/latest/devguide/p6-support-dlami.html)。
如果需要构建自定义 AMI 来启动托管深度学习或 HPC 应用程序的实例，则建议在基础映像上安装以下最低软件版本。
| 实例类型 | NVIDIA 驱动程序 | CUDA | NVIDIA GDRCopy | EFA 安装程序 | NCCL | EFA K8s |
| --- | --- | --- | --- | --- | --- | --- |
| G7e | 575 | 12.9 | 2.5 | 1.45.0 | 2.28.3 | 0.5.10 |
| P5 | 530 | 12.1 | 2.3 | 1.24.1 | 2.18.3 | 0.4.4 |
| p5.4xLarge | 530 | 12.1 | 2.3 | 1.43.1 ² | 2.18.3 | 0.4.4 |
| P5e | 550 | 12.1 | 2.3 | 1.24.1 | 2.18.3 | 0.5.5 |
| P5en | 550 | 12.1 | 2.3 | 1.24.1 | 2.18.3 | 0.5.6 |
| P6-B200 | 570 | 12.8 | 2.5 | 1.41.0 | 2.26.2-1 | 0.5.10 |
| P6e-GB200 | 570 | 12.8 | 2.5 | 1.41.0 | 2.26.2-1 | 0.5.10 |
| P6-B300 | 580 | 13.0 | 2.5 | 1.44.0 | 2.28.3 | 0.5.10 |
** ¹** **EFA K8s** 列包含 `aws-efa-k8s-device-plugin` 的最低推荐版本。
**²** 当 GPU 到 GPU 通信使用 Elastic Fabric Adapter (EFA) 和 NVIDIA 集体通信库 (NCCL) 时，存在影响 `P5.4xlarge` 实例的兼容性问题。要缓解此问题，需将环境变量 `FI_HMEM_DISABLE_P2P` 设置为 `1`，并确保安装了 1.43.1 或更高版本的 EFA。
**注意**
如果您使用 EFA 安装程序 1.41.0 版本，则 `aws-ofi-nccl plugin` 会附带它。对于早期版本的 EFA 安装程序，请使用 `aws-ofi-nccl plugin` 版本 `1.7.2-aws` 或更高版本。
还会建议您将实例配置为不使用深层 C 状态。有关更多信息，请参阅《Amazon Linux 2 User Guide》**中的 [High performance and low latency by limiting deeper C-states](https://docs.aws.amazon.com/linux/al2/ug/processor_state_control.html#c-states)。最新的 AWS 深度学习基础 GPU AMI 已预先配置为不使用深层 C 状态。
有关网络和 Elastic Fabric Adapter（EFA）配置，请参阅 [使用多网卡最大化 Amazon EC2 实例上的网络带宽](efa-acc-inst-types.md)。
# Amazon EC2 Mac 实例
EC2 Mac 实例非常适合为 Apple 平台（例如 iPhone、iPad、Mac、Vision Pro、Apple Watch、Apple TV 和 Safari）开发、构建、测试和签署应用程序。您可以使用 SSH 或 Apple Remote Desktop (ARD) 连接到 Mac 实例。
**注意**
**计费单位**为**专属主机**。在该主机上运行的实例不产生额外费用。
Amazon EC2 Mac 实例本身支持 macOS 操作系统。
+ **EC2 x86 Mac 实例**（`mac1.metal`）基于 2018 Mac mini 硬件构建，并由 3.2 GHz Intel 第八代（Coffee Lake）酷睿 i7 处理器、6 个物理内核和 12 个逻辑内核以及 32 GiB 内存提供支持。
+ **EC2 M1 Mac 实例**（`mac2.metal`）基于 2020 Mac mini 硬件构建，并由 Apple silicon M1 处理器、8 个 CPU 内核、8 个 GPU 内核、16 GiB 内存和 16 核 Apple Neural Engine 提供支持。
+ **EC2 M1 Ultra Mac 实例**（`mac2-m1ultra.metal`）基于 2022 Mac Studio 硬件构建，并由 Apple silicon M1 Ultra 处理器、20 个 CPU 内核、64 个 GPU 内核、128 GiB 内存和 32 核 Apple Neural Engine 提供支持。
+ **EC2 M2 Mac 实例**（`mac2-m2.metal`）基于 2023 Mac mini 硬件构建，并由 Apple silicon M2 处理器、8 个 CPU 内核、10 个 GPU 内核、24 GiB 内存和 16 核 Apple Neural Engine 提供支持。
+ **EC2 M2 Pro Mac 实例**（`mac2-m2pro.metal`）基于 2023 Mac mini 硬件构建，并由 Apple silicon M2 Pro 处理器、12 个 CPU 内核、19 个 GPU 内核、32 GiB 内存和 16 核 Apple Neural Engine 提供支持。
+ **EC2 M4 Mac 实例**（`mac-m4.metal`）基于 2024 Mac mini 硬件构建，并由 Apple silicon M4 处理器、10 个 CPU 内核、10 个 GPU 内核、24 GiB 内存和 16 核 Apple Neural Engine 提供支持。
+ **EC2 M4 Pro Mac 实例**（`mac-m4pro.metal`）基于 2024 Mac mini 硬件构建，并由 Apple silicon M4 Pro 处理器、14 个 CPU 内核、20 个 GPU 内核、48 GiB 内存和 16 核 Apple Neural Engine 提供支持。
Amazon EC2 Mac 专属主机支持[专属主机自动恢复](dedicated-hosts-recovery.md)和[基于重启的主机维护](dedicated-hosts-maintenance.md)。
**Topics**
+ [
## 注意事项
](#mac-instance-considerations)
+ [
## 实例就绪情况
](#mac-instance-readiness)
+ [
## EC2 macOS AMI
](#ec2-macos-images)
+ [
## EC2 macOS Init
](#ec2-macos-init)
+ [
## Amazon EC2 System Monitor for macOS
](#mac-instance-system-monitor)
+ [
## 相关资源
](#related-resources)
+ [
# 使用 AWS 管理控制台 或 AWS CLI 启动 Mac 实例
](mac-instance-launch.md)
+ [
# 使用 SSH 或 GUI 连接到 Mac 实例
](connect-to-mac-instance.md)
+ [
# 更新 Amazon EC2 Mac 实例上的操作系统和软件
](mac-instance-updates.md)
+ [
# 在 Mac 实例上增加 EBS 卷的大小
](mac-instance-increase-volume.md)
+ [
# 停止或终止 Amazon EC2 Mac 实例
](mac-instance-stop.md)
+ [
# 配置 Amazon EC2 Mac 实例的系统完整性保护
](mac-sip-settings.md)
+ [
# 查找 Amazon EC2 Mac 专属主机支持的 macOS 版本
](macos-firmware-visibility.md)
+ [
# 订阅 macOS AMI 通知
](macos-subscribe-notifications.md)
+ [
# 使用 AWS Systems Manager 参数存储 API 检索 macOS AMI ID
](macos-ami-ids-parameter-store.md)
+ [
# Amazon EC2 macOS AMI 发布说明
](macos-ami-overview.md)
## 注意事项
以下注意事项适用于 Mac 实例：
+ Mac 实例只能作为[专属主机](dedicated-hosts-overview.md)的裸机实例，最短分配期为 24 小时，然后才能释放该专属主机。每台专属主机可启动一个 Mac 实例。您可以与 AWS 组织内的 AWS 账户或组织部门，或与整个 AWS 组织分享专属主机。
+ Mac实例在不同 AWS 区域 可用。有关每个 AWS 区域 的 Mac 实例可用性的列表，请参阅[按区域划分的 Amazon EC2 实例类型](https://docs.aws.amazon.com/ec2/latest/instancetypes/ec2-instance-regions.html)。
+ Mac 实例仅适用于按需型实例。它们不能作为竞价型实例或预留实例提供。您可以通过购买 [Savings Plan](https://docs.aws.amazon.com/savingsplans/latest/userguide/) 节省 Mac 实例的开支。
+ 不同 Mac 实例类型与特定 macOS 亚马逊机器映像（AMI）的兼容性有所不同。有关更多信息，请参阅 [Amazon EC2 macOS AMI 发布说明](macos-ami-overview.md)。
+ 支持 EBS hotplug。
+ AWS 不管理或支持 Apple 硬件上的内部 SSD。强烈建议您改用 Amazon EBS 卷。EBS 卷在 Mac 实例上提供的弹性、可用性和持久性优势与在任何其他 EC2 实例上相同。
+ 为实现最佳性能，建议在 Mac 实例中使用具有 1 万 IOPS 和 400 MiB/s 吞吐量的 Amazon EBS 卷。有关更多信息，请参阅《Amazon EBS 用户指南》**中的 [Amazon EBS 卷类型](https://docs.aws.amazon.com/ebs/latest/userguide/ebs-volume-types.html)。
+ [Mac 实例支持 Amazon EC2 Auto Scaling。](https://aws.amazon.com/blogs/compute/implementing-autoscaling-for-ec2-mac-instances/)
+ x86 Mac 实例禁用自动软件更新。我们建议您在将实例投入生产之前应用更新并在实例上进行测试。有关更多信息，请参阅[更新 Amazon EC2 Mac 实例上的操作系统和软件](mac-instance-updates.md)。
+ 停止或终止 Mac 实例时，将在专属主机上执行清理工作流程。有关更多信息，请参阅 [停止或终止 Amazon EC2 Mac 实例](mac-instance-stop.md)。
+
**重要**
从外部卷启动 Mac 硬件时，“Apple 智能”功能不可用。由于系统默认从外部 EBS 卷启动 EC2 Mac 实例，这些实例不支持“Apple 智能”功能。
+
**警告**
请勿使用 FileVault。如果启用 FileVault，主机无法启动，因为分区已锁定。如果需要数据加密，请使用 Amazon EBS 加密，以避免启动问题和性能影响。使用 Amazon EBS 加密后，加密操作会在主机服务器上进行，确保静态数据安全性以及在实例和其附加的 EBS 存储之间的传输中数据的安全性。有关更多信息，请参阅《Amazon EBS 用户指南》**中的 [Amazon EBS 加密](https://docs.aws.amazon.com/ebs/latest/userguide/ebs-encryption.html)。
## 实例就绪情况
启动 Mac 实例后，您需要等到实例准备就绪后才能连接到该实例。对于 AWS 所售带 x86 Mac 实例或 Apple silicon Mac 实例的 AMI，启动时间可能在大约 6 分钟到 20 分钟不等。根据所选 Amazon EBS 卷的大小、在*用户数据*中包含的额外脚本或在自定义 macOS AMI 上额外加载的软件，启动时间可能会延长。
您可以使用小型 Shell 脚本（如下所示）轮询 describe-instance-status API，以了解实例何时可以连接。在以下命令中，将示例实例 ID 替换为您自己的 ID。
```
for i in $(seq 1 200); do aws ec2 describe-instance-status --instance-ids=i-1234567890abcdef0 \
--query='InstanceStatuses[0].InstanceStatus.Status'; sleep 5; done;
```
## EC2 macOS AMI
Amazon EC2 macOS 旨在为 Amazon EC2 Mac 实例上运行的开发人员工作负载提供稳定、安全和高性能的环境。EC2 macOS AMI 包含让您能够与 AWS 轻松集成的软件包，包括启动配置工具和许多常见的 AWS 库及工具。
有关 EC2 macOS AMI 的更多信息，请参阅 [Amazon EC2 macOS AMI 发布说明](macos-ami-overview.md)。
AWS 会定期提供更新的 EC2 macOS AMI，其中包括对 AWS 自有软件包的更新和经过全面测试的最新 macOS 版本。此外，只要最新的次要版本更新或主要版本更新能够完全测试和审查，AWS 就会向更新的 AMI 提供这些更新。如果您不需要为 Mac 实例保留数据或自定义内容，则可以通过使用当前 AMI 启动新实例，然后终止以前的实例来获取最新更新。否则，您可以选择要应用于 Mac 实例的更新。
有关如何订阅 macOS AMI 通知的信息，请参阅 [订阅 macOS AMI 通知](macos-subscribe-notifications.md)。
## EC2 macOS Init
EC2 macOS Init 用于在启动时初始化 EC2 Mac 实例。它使用优先级组同时运行逻辑任务组。
已启动的 plist 文件是 `/Library/LaunchDaemons/com.amazon.ec2.macos-init.plist`。EC2 macOS Init 的文件位于 `/usr/local/aws/ec2-macos-init`。
有关更多信息，请参阅 [https://github.com/aws/ec2-macos-init](https://github.com/aws/ec2-macos-init)。
## Amazon EC2 System Monitor for macOS
Amazon EC2 System Monitor for macOS 为 Amazon CloudWatch 提供 CPU 利用率指标。它在 1 分钟内将这些指标通过自定义串行设备发送到 CloudWatch。您可以按如下方式启用或禁用此代理。该功能默认已启用。
```
sudo setup-ec2monitoring [enable | disable]
```
**注意**
Apple silicon Mac 实例目前不支持 Amazon EC2 System Monitor for macOS。
## 相关资源
有关定价的信息，请参阅[定价](https://aws.amazon.com/ec2/instance-types/mac/#Pricing)。
有关 Mac 实例的更多信息，请参阅 [Amazon EC2 Mac 实例](https://aws.amazon.com/ec2/instance-types/mac/)。
有关 Mac 实例硬件规格和网络性能的更多信息，请参阅[通用实例](https://docs.aws.amazon.com/ec2/latest/instancetypes/gp.html)。
# 使用 AWS 管理控制台 或 AWS CLI 启动 Mac 实例
EC2 Mac 实例需要一个[专属主机](dedicated-hosts-overview.md)。您首先需要为您的账户分配一台主机，然后在该主机上启动实例。
您可以使用 AWS 管理控制台 或 AWS CLI 启动 Mac 实例。
## 使用控制台启动 Mac 实例
**将 Mac 实例启动到专属主机**
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 分配专属主机，如下所示：
1. 在导航窗格中，选择**专属主机**。
1. 选择**分配专属主机**，然后执行以下操作：
1. 对于**实例系列**，选择 **Mac** 实例系列。如果相应实例系列未出现在列表中，则表示当前选定的区域不支持该系列。
1. 对于**实例类型**，根据所选的实例系列选择实例类型。
1. 对于**可用区**，为专属主机选择可用区。
1. 对于 **Quantity**（数量），请保留 **1**。
1. 选择 **Allocate**。
1. 在主机上启动实例，如下所示：
1. 选择您创建的专属主机，然后执行以下操作：
1. 依次选择 **Actions**（操作）、**Launch instances onto host**（在主机上启动实例）。
1. 在**应用程序和操作系统映像（Amazon 系统映像）**下，选择 macOS AMI。
1. 在**实例类型**下，选择 Mac 实例类型。
1. 在**高级详细信息**下，验证**租赁**、**租赁主机类型**和**租赁主机 ID** 是否已根据您创建的专属主机进行预配置。根据需要更新 **Tenancy affinity**（租赁关联）。
1. 完成向导，根据需要指定 EBS 卷、安全组和密钥对。
1. 在 **Summary**（摘要）面板中，选择 **Launch instance**（启动实例）。
1. 确认页面会让您知道自己的实例已启动。选择 **View all instances**（查看所有实例）以关闭确认页面并返回控制台。实例的初始状态为 `pending`。当实例的状态更改为 `running` 并通过状态检查时，该实例即可准备就绪。
## 使用启动 Mac 实例 AWS CLI
**分配专属主机**
使用以下 [allocate-hosts](https://docs.aws.amazon.com/cli/latest/reference/ec2/allocate-hosts.html) 命令为 Mac 实例分配专属主机，将 `instance-type` 替换为有效的 mac 实例类型，并将 `region` 和 `availability-zone` 替换为符合您环境的内容。
```
aws ec2 allocate-hosts --region us-east-1 --instance-type mac1.metal --availability-zone us-east-1b --auto-placement "on" --quantity 1
```
**在主机上启动实例**
使用以下 [run-instances](https://docs.aws.amazon.com/cli/latest/reference/ec2/run-instances.html) 命令启动 Mac 实例，再次将 `instance-type` 替换为有效的 mac 实例类型，并将 `region` 和 `availability-zone` 替换为之前使用的内容。
```
aws ec2 run-instances --region us-east-1 --instance-type mac1.metal --placement Tenancy=host --image-id ami_id --key-name my-key-pair
```
实例的初始状态为 `pending`。当实例的状态更改为 `running` 并通过状态检查时，该实例即可准备就绪。使用以下 [describe-instance-status](https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-instance-status.html) 命令显示实例的状态信息。
```
aws ec2 describe-instance-status --instance-ids i-017f8354e2dc69c4f
```
以下是正在运行且已通过状态检查的实例的示例输出。
```
{
"InstanceStatuses": [
{
"AvailabilityZone": "us-east-1b",
"InstanceId": "i-017f8354e2dc69c4f",
"InstanceState": {
"Code": 16,
"Name": "running"
},
"InstanceStatus": {
"Details": [
{
"Name": "reachability",
"Status": "passed"
}
],
"Status": "ok"
},
"SystemStatus": {
"Details": [
{
"Name": "reachability",
"Status": "passed"
}
],
"Status": "ok"
}
}
]
}
```
# 使用 SSH 或 GUI 连接到 Mac 实例
您可以使用 SSH 或图形用户界面（GUI）连接到 Mac 实例。
多个用户可以同时访问操作系统。由于端口 5900 上有内置的屏幕共享服务，通常会出现 1:1 的 user:GUI 会话。在 macOS 中使用 SSH 支持多个会话，上限为 `sshd_config` 文件中规定的“最大会话数”限制。
## 使用 SSH 连接到您的实例。
默认情况下，Amazon EC2 Mac 实例不允许远程根 SSH。ec2-user 账户已配置为使用 SSH 远程登录。ec2-user 账户也具有 **sudo** 权限。连接到实例后，您可以添加其他用户。
要支持使用 SSH 连接到您的实例，请使用密钥对和允许 SSH 访问的安全组启动实例，并确保实例具有互联网连接。连接到实例时，您可以提供密钥对的 `.pem` 文件。
通过以下过程使用 SSH 客户端连接到您的 Mac 实例。如果您在尝试连接到实例时收到错误，请参阅 [排查 Amazon EC2 Linux 实例的连接问题](TroubleshootingInstancesConnecting.md)。
**使用 SSH 连接到您的实例**
1. 通过在命令行输入 **ssh**，验证您的本地计算机是否安装了 SSH 客户端。如果您的计算机无法识别该命令，请为操作系统搜索 SSH 客户端并进行安装。
1. 获得实例的公有 DNS 名称。使用 Amazon EC2 控制台，您可以在 **Details (详细信息)** 和 **Networking (联网)** 选项卡上找到公有 DNS 名称。通过使用 [ cribe-instances ](https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-instances.html) 命令 AWS CLI，您可以找到公有 DNS 名称。
1. 找到您在启动实例时指定的密钥对的 `.pem` 文件。
1. 使用以下 **ssh** 命令连接到您的实例，请指定实例和 `.pem` 文件的公有 DNS 名称。
```
ssh -i /path/key-pair-name.pem ec2-user@instance-public-dns-name
```
密码验证已禁用，以防止强力 (brute-force) 密码攻击。在更改 SSH 配置之前，请打开 `/usr/local/aws/ec2-macos-init/init.toml` 并将 `secureSSHDConfig` 设置为 `false`。
## 连接到您实例的图形用户界面（GUI）
按照以下程序，使用 VNC、Apple Remote Desktop（ARD）或 Apple Screen Sharing 应用程序（macOS 中附带）连接到您实例的 GUI。
**注意**
macOS 10.14 及更高版本仅允许控制是否通过[系统首选项](https://support.apple.com/guide/remote-desktop/enable-remote-management-apd8b1c65bd/mac)启用屏幕共享。
**使用 ARD 客户端或 VNC 客户端连接到实例**
1. 验证本地计算机是否安装了 ARD 客户端或支持 ARD 的 VNC 客户端。在 macOS 上，您可以利用内置的屏幕共享应用程序。否则，请搜索适用于您的操作系统的 ARD，然后进行安装。
1. 从本地计算机上，[使用 SSH 连接到实例](#mac-instance-ssh)。
1. 使用 **passwd** 命令为 ec2-user 账户设置密码，如下所示。
```
[ec2-user ~]$ sudo passwd ec2-user
```
1. 使用以下命令安装并启动 macOS 屏幕共享。
```
[ec2-user ~]$ sudo launchctl enable system/com.apple.screensharing
sudo launchctl load -w /System/Library/LaunchDaemons/com.apple.screensharing.plist
```
1. 键入 **exit**，然后按下回车键，从而将实例断开连接。
1. 在计算机上，使用以下 **ssh** 命令连接到您的实例。除了上一部分中显示的选项外，还可以使用 **-L** 选项启用端口转发并将本地端口 5900 上的所有流量转发到实例上的 ARD 服务器。
```
ssh -L 5900:localhost:5900 -i /path/key-pair-name.pem ec2-user@instance-public-dns-name
```
1. 从本地计算机上，使用 ARD 客户端或支持 ARD 的 VNC 客户端连接到 `localhost:5900`。例如，在 macOS 上使用屏幕共享应用程序，如下所示：
1. 打开**查找器**并选择**前往**。
1. 选择**连接到服务器**。
1. 在**服务器地址**字段中，输入 `vnc://localhost:5900`。
1. 根据提示登录，将 **ec2-user** 用作为 ec2-user 账户创建的用户名和密码。
## 在 Mac 实例上修改 macOS 屏幕分辨率
使用 ARD 或支持此 ARD 的 VNC 客户端连接到 EC2 Mac 实例后，您可以使用任何公开提供的 macOS 工具或实用程序（例如 [displayplacer](https://github.com/jakehilborn/displayplacer)）修改 macOS 环境的屏幕分辨率。
**使用 displayplacer 修改屏幕分辨率**
1. 安装 displayplacer。
```
[ec2-user ~]$ brew tap jakehilborn/jakehilborn && brew install displayplacer
```
1. 显示当前屏幕信息和可能的屏幕分辨率。
```
[ec2-user ~]$ displayplacer list
```
1. 应用所需的屏幕分辨率。
```
[ec2-user ~]$ displayplacer "id: res:x origin:(0,0) degree:0"
```
例如：
```
RES="2560x1600"
displayplacer "id:69784AF1-CD7D-B79B-E5D4-60D937407F68 res:${RES} scaling:off origin:(0,0) degree:0"
```
# 更新 Amazon EC2 Mac 实例上的操作系统和软件
以下主题说明了如何在 Apple silicon Mac 实例（Mac2、Mac2-m1ultra、Mac2-m2、Mac2-m2pro、Mac-m4 和 Mac-m4pro）和采用 x86 架构的 Mac 实例（Mac1）上更新操作系统和软件。
**警告**
测试版或预览版 macOS 只能在 Apple silicon Mac 实例上安装。Amazon EC2 不限定 macOS 的测试版或预览版，也不保证实例在更新到预生产版本 macOS 后仍能正常运行。
在停止或终止实例后，试图在 Amazon EC2 x86 Mac 实例上安装测试版或预览版 macOS 将导致 Amazon EC2 Mac 专属主机性能下降，并且会阻止您开启该主机或在该主机上启动新实例。
**注意**
如果您在 AWS 发布官方 AMI 之前执行就地 macOS 更新，则更新仅会应用于选定的主机。如果您有其他主机，或者启动了新主机，则还必须在这些主机上执行相同的更新过程。每个 macOS 版本都必须在底层 Apple Mac 硬件上安装最低固件版本才能成功启动。就地更新仅会更新选定主机上的固件，而不会传递到其他现有主机或新主机。要确定哪些 macOS 版本与您的 Amazon EC2 Mac 专属主机兼容，请参阅[查找 Amazon EC2 Mac 专属主机支持的 macOS 版本](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/macos-firmware-visibility.html)。
**Topics**
## 在 Apple silicon Mac 实例上更新软件
### 先决条件
由于网络驱动程序配置更新的原因，ENA 驱动程序版本 1.0.2 与 macOS 13.3 及更高版本不兼容。如果要安装任何测试版、预览版或正式版 macOS 13.3 或更高版本，并且尚未安装最新的 ENA 驱动程序，请按照以下步骤安装新版本的驱动程序。
**安装新版本的 ENA 驱动程序**
1. 在终端窗口中，使用 [SSH](connect-to-mac-instance.md#mac-instance-ssh) 连接到 Apple silicon Mac 实例。
1. 使用下面的命令更新 Homebrew 并将 ENA 应用程序下载到 `Applications` 文件中。
```
[ec2-user ~]$ brew update
```
```
[ec2-user ~]$ brew install amazon-ena-ethernet-dext
```
1. 键入 **exit**，然后按下回车键，从而将实例断开连接。
1. 使用 VNC 客户端激活 ENA 应用程序。
1. 使用 [连接到您实例的图形用户界面（GUI）](connect-to-mac-instance.md#mac-instance-vnc) 设置 VNC 客户端。
1. 使用屏幕共享应用程序连接到实例后，转到 **Applications** 文件夹并打开 ENA 应用程序。
1. 选择**激活**。
1. 要确认已正确激活驱动程序，请在终端窗口中运行以下命令。命令的输出将显示旧驱动程序处于正在终止状态，而新驱动程序处于已激活状态。
```
systemextensionsctl list;
```
1. 重启实例后，将仅出现新驱动程序。
### 执行软件更新
在 Apple silicon Mac 实例上，您必须完成几个步骤才能执行就地操作系统更新。这包括将 Amazon EBS 根卷的所有权委托给 EBS 根卷管理员用户。您可以选择使用 Amazon EC2 API 来自动执行此操作，也可以通过在实例上运行命令手动执行此操作。
------
#### [ Automated volume ownership delegation (Recommended) ]
**注意事项**
+ 完成卷所有权委托任务可能需要 30 到 90 分钟时间。在此期间，该实例将无法访问。
+ 支持以下 macOS 版本：
+ **Mac2 \$1 Mac2-m1ultra** – macOS Ventura（版本 13.0 或更高版本）
+ **Mac2-m2 \$1 Mac2-m2pro** – macOS Ventura（版本 13.2 或更高版本）
+ **Mac-m4 \$1 Mac-m4pro**：macOS Sequoia（版本 15.6 或更高版本）
+ 实例必须只有一个可引导卷，并且每个挂载卷只能有一个额外的管理员用户。
**第 1 步：为 EBS 根卷管理员用户设置密码并启用安全令牌**
您必须为 Amazon EBS 根卷管理员用户 (`ec2-user`) 设置密码并启用安全令牌。
**注意**
密码和安全令牌将在您首次使用 GUI 连接到 Apple silicon Mac 实例时设置。如果您之前[使用 GUI 连接到实例](connect-to-mac-instance.md#mac-instance-vnc)，则**无需**执行这些步骤。
1. [使用 SSH 连接到实例](connect-to-mac-instance.md#mac-instance-ssh)。
1. 为 `ec2-user` 用户设置密码。
```
$ sudo /usr/bin/dscl . -passwd /Users/ec2-user
```
1. 为 `ec2-user` 用户启用安全令牌。对于 `-oldPassword`，请指定与上一步中相同的密码。对于 `-newPassword`，请指定一个不同的密码。以下命令假定您已将旧密码和新密码保存在 `.txt` 文件中。
```
$ sysadminctl -oldPassword `cat old_password.txt` -newPassword `cat new_password.txt`
```
1. 确认已启用安全令牌。
```
$ sysadminctl -secureTokenStatus ec2-user
```
**第 2 步：将 Amazon EBS 根卷的所有权委托给 EBS 根卷管理员用户**
必须创建卷所有权委托任务后才能委托所有权。
1. 请使用 [create-delegate-mac-volume-ownership-task](https://docs.aws.amazon.com/cli/latest/reference/ec2/create-delegate-mac-volume-ownership-task.html) 命令创建此任务。对于 `--instance-id`，请指定实例 ID。对于 `--mac-credentials`，请指定以下凭证：
+ **内部磁盘管理员用户**
+ **用户名**：仅支持默认管理员用户 (`aws-managed-user`)，并且默认使用该用户。不能指定其他管理员用户。
+ **密码**：如果没有更改 `aws-managed-user` 的默认密码，请指定默认密码，即*空*。否则请指定您的密码。
+ **Amazon EBS 根卷管理员用户**
+ **用户名**：如果未更改默认管理员用户，请指定 `ec2-user`。否则指定您的管理员用户的用户名。
+ **密码**：指定您在上文第 1 步中为根卷管理员用户设置的密码。
```
aws ec2 create-delegate-mac-volume-ownership-task \
--instance-id i-1234567890abcdef0 \
--mac-credentials file://mac-credentials.json
```
以下为上文示例中所引用 `mac-credentials.json` 文件的内容。
```
{
"internalDiskPassword":"internal-disk-admin_password",
"rootVolumeUsername":"root-volume-admin_username",
"rootVolumepassword":"root-volume-admin_password"
}
```
1. 请等待卷所有权委托任务完成并且实例回到正常运行状态。使用 [describe-mac-modification-tasks](https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-mac-modification-tasks.html) 命令。对于 `--mac-modification-task-id`，请指定从上一步中获取的卷所有权委托任务的 ID。
```
aws ec2 describe-mac-modification-tasks \
--mac-modification-task-id task-id
```
1. 卷所有权委托任务完成后，继续执行第 3 步。
**第 3 步：更新软件**
委托 Amazon EBS 根卷所有权后，按照（下文）[在 x86 Mac 实例上更新软件](#x86-mac1) 中描述的步骤更新软件。
------
#### [ Manual volume ownership delegation ]
完成此过程后，您将创建两个密码。其中一个密码用于 Amazon EBS 根卷管理员用户 (`ec2-user`)，另一个密码用于内部磁盘管理员用户 (`aws-managed-user`)。请记住这些密码，因为您将在完成该过程后使用它们。
**注意**
在 macOS Big Sur 上执行该过程后，只能进行次要更新，例如从 macOS Big Sur 11.7.3 更新到 macOS Big Sur 11.7.4。对于 macOS Monterey 或更高版本，可以执行主要软件更新。
**访问内部磁盘**
1. 在本地计算机上的终端中，使用以下命令通过 SSH 连接到 Apple silicon Mac 实例。有关更多信息，请参阅 [使用 SSH 连接到您的实例。](connect-to-mac-instance.md#mac-instance-ssh)。
```
ssh -i /path/key-pair-name.pem ec2-user@instance-public-dns-name
```
1. 使用以下命令安装并启动 macOS 屏幕共享。
```
[ec2-user ~]$ sudo launchctl enable system/com.apple.screensharing
sudo launchctl load -w /System/Library/LaunchDaemons/com.apple.screensharing.plist
```
1. 使用以下命令设置 `ec2-user` 的密码。请记住该密码，因为您稍后会用到它。
```
[ec2-user ~]$ sudo /usr/bin/dscl . -passwd /Users/ec2-user
```
1. 键入 **exit** 并按 return，与实例断开连接。
1. 在本地计算机上的终端中，使用以下命令，通过通往 VNC 端口的 SSH 隧道重新连接到实例。
```
ssh -i /path/key-pair-name.pem -L 5900:localhost:5900 ec2-user@instance-public-dns-name
```
**注意**
在完成以下 VNC 连接和 GUI 步骤之前，请勿退出该 SSH 会话。实例重启后，连接会自动关闭。
1. 在本地计算机上，使用以下步骤连接到 `localhost:5900`：
1. 打开**查找器**并选择**前往**。
1. 选择**连接到服务器**。
1. 在**服务器地址**字段中，输入 `vnc://localhost:5900`。
1. 在 macOS 窗口中，使用您在[步骤 3](#passwd-step) 中创建的密码，以 `ec2-user` 身份连接到 Apple silicon Mac 实例的远程会话。
1. 使用以下选项之一访问名为 **InternalDisk** 的内部磁盘。
1. 对于 macOS Ventura 或更高版本：打开**系统设置**，在左侧窗格中选择**常规**，然后选择窗格右下角的**启动磁盘**。
1. 对于 macOS Monterey 或更低版本：打开**系统偏好设置**，选择**启动磁盘**，然后选择窗口左下角的锁定图标以解锁窗格。
**故障排除技巧**
如需安装内部磁盘，请在终端中运行以下命令。
```
APFSVolumeName="InternalDisk" ; SSDContainer=$(diskutil list | grep "Physical Store disk0" -B 3 | grep "/dev/disk" | awk {'print $1'} ) ; diskutil apfs addVolume $SSDContainer APFS $APFSVolumeName
```
1. 选择名为 **InternalDisk** 的内部磁盘，然后选择**重新启动**。出现系统提示时，再次选择**重新启动**。
**重要**
如果内部磁盘名为 **Macintosh HD** 而不是 **InternalDisk**，则需要停止实例然后重新启动，才能更新专属主机。有关更多信息，请参阅 [停止或终止 Amazon EC2 Mac 实例](mac-instance-stop.md)。
按照以下步骤操作可将所有权委派给管理用户。通过 SSH 重新连接到实例后，可使用特殊管理用户 (`aws-managed-user`) 从内部磁盘启动实例。`aws-managed-user` 的初始密码为空，因此您需要在首次连接时将其覆盖。然后，由于启动卷已更改，您需要重复安装和启动 macOS 屏幕共享的步骤。
**将 Amazon EBS 卷的所有权委派给管理员**
1. 在本地计算机上的终端中，使用以下命令连接到 Apple silicon Mac 实例。
```
ssh -i /path/key-pair-name.pem aws-managed-user@instance-public-dns-name
```
1. 收到警告 `WARNING: REMOTE HOST IDENTIFICATION HAS CHANGED!` 后，使用以下命令之一解决该问题。
1. 使用以下命令清除已知主机。然后重复上一步。
```
rm ~/.ssh/known_hosts
```
1. 将以下内容添加到上一个步中的 SSH 命令。
```
-o UserKnownHostsFile=/dev/null -o StrictHostKeyChecking=no
```
1. 使用以下命令设置 `aws-managed-user` 的密码。`aws-managed-user` 的初始密码为空，因此您需要在首次连接时将其覆盖。
1.
```
[aws-managed-user ~]$ sudo /usr/bin/dscl . -passwd /Users/aws-managed-user password
```
1. 收到提示 `Permission denied. Please enter user's old password:` 时，请按 Enter。
**故障排除技巧**
如您遇到 `passwd: DS error: eDSAuthFailed` 错误，请使用以下命令。
```
[aws-managed-user ~]$ sudo passwd aws-managed-user
```
1. 使用以下命令安装并启动 macOS 屏幕共享。
```
[aws-managed-user ~]$ sudo launchctl enable system/com.apple.screensharing
sudo launchctl load -w /System/Library/LaunchDaemons/com.apple.screensharing.plist
```
1. 键入 **exit** 并按 return，与实例断开连接。
1. 在本地计算机上的终端中，使用以下命令，通过通往 VNC 端口的 SSH 隧道重新连接到实例。
```
ssh -i /path/key-pair-name.pem -L 5900:localhost:5900 aws-managed-user@instance-public-dns-name
```
1. 在本地计算机上，使用以下步骤连接到 `localhost:5900`：
1. 打开**查找器**并选择**前往**。
1. 选择**连接到服务器**。
1. 在**服务器地址**字段中，输入 `vnc://localhost:5900`。
1. 在 macOS 窗口中，使用您在[步骤 3](#amu-passwd) 中创建的密码，以 `aws-managed-user` 身份连接到 Apple silicon Mac 实例的远程会话。
**注意**
当提示使用 Apple ID 登录时，选择**稍后设置**。
1. 使用以下选项之一访问 Amazon EBS 卷。
1. 对于 macOS Ventura 或更高版本：打开**系统设置**，在左侧窗格中选择**常规**，然后选择窗格右下角的**启动磁盘**。
1. 对于 macOS Monterey 或更低版本：打开**系统偏好设置**，选择**启动磁盘**，然后选择窗口左下角的锁定图标以解锁窗格。
**注意**
重启之前，当系统提示输入管理员密码时，请使用上述为 `aws-managed-user` 设置的密码。此密码可能不同于您为 `ec2-user` 或实例上的默认管理员账户设置的密码。以下说明指定了何时使用实例的管理员密码。
1. 选择 Amazon EBS 卷（**启动磁盘**窗口中未命名为 **internalDisk** 的卷），然后选择**重新启动**。
**注意**
如果 Apple silicon Mac 实例上附加了多个可启动的 Amazon EBS 卷，则必须为每个卷使用唯一的名称。
1. 确认重新启动，然后在出现系统提示时选择**授权用户**。
1. 在**在该卷上授权用户**窗格中，确认是否已选择管理用户（默认为 `ec2-user`），然后选择**授权**。
1. 输入您在上一过程[步骤 3](#passwd-step) 中创建的 `ec2-user` 密码，然后选择**继续**。
1. 出现系统提示时，输入特殊管理用户 (`aws-managed-user`) 的密码。
1. 在本地计算机上的终端中，通过 SSH 和用户名 `ec2-user` 重新连接到实例。
**故障排除技巧**
如果收到警告 `WARNING: REMOTE HOST IDENTIFICATION HAS CHANGED!`，请运行以下命令并通过 SSH 重新连接到实例。
```
rm ~/.ssh/known_hosts
```
1. 要执行软件更新，请使用 [在 x86 Mac 实例上更新软件](#x86-mac1) 下方的命令。
------
## 在 x86 Mac 实例上更新软件
在 x86 Mac 实例上，您可以使用 `softwareupdate` 命令从 Apple 安装操作系统更新。
**要在 x86 Mac 实例上从 Apple 安装操作系统更新**
1. 使用以下命令列出包含可用更新的软件包。
```
[ec2-user ~]$ softwareupdate --list
```
1. 安装所有更新或仅安装特定更新。要安装特定更新，请使用以下命令。
```
[ec2-user ~]$ sudo softwareupdate --install label
```
要改为安装所有更新，请使用以下命令。
```
[ec2-user ~]$ sudo softwareupdate --install --all --restart
```
系统管理员可以使用 AWS Systems Manager 在 x86 Mac 实例上推出预先批准的操作系统更新。有关更多信息，请参阅[《AWS Systems Manager 用户指南》](https://docs.aws.amazon.com/systems-manager/latest/userguide/)。
您可以使用 Homebrew 在 EC2 macOS AMI 中安装软件包的更新，以便在实例上拥有这些软件包的最新版本。您还可以使用 Homebrew 在 Amazon EC2 macOS 上安装和运行常见 macOS 应用程序。有关详细信息，请参阅 [Homebrew 文档 ](https://docs.brew.sh/)。
**使用 Homebrew 安装更新**
1. 使用以下命令更新 Homebrew。
```
[ec2-user ~]$ brew update
```
1. 使用以下命令列出包含可用更新的软件包。
```
[ec2-user ~]$ brew outdated
```
1. 安装所有更新或仅安装特定更新。要安装特定更新，请使用以下命令。
```
[ec2-user ~]$ brew upgrade package name
```
要改为安装所有更新，请使用以下命令。
```
[ec2-user ~]$ brew upgrade
```
# 在 Mac 实例上增加 EBS 卷的大小
您可以在 Mac 实例上增加 Amazon EBS 卷的大小。有关更多信息，请参阅《Amazon EBS 用户指南》**中的 [Amazon EBS 弹性卷](https://docs.aws.amazon.com/ebs/latest/userguide/ebs-modify-volume.html)。
增加卷的大小后，您必须按以下方式增加 APFS 容器的大小。
**使增加的磁盘空间可供使用**
1. 确定是否需要重新启动。如果您调整了正在运行的 Mac 实例上的现有 EBS 卷的大小，则必须[重新启动](ec2-instance-reboot.md)实例才能使新大小可用。如果在启动期间完成了磁盘空间的修改，则无需重新启动。
查看磁盘大小的当前状态：
```
[ec2-user ~]$ diskutil list external physical
/dev/disk0 (external, physical):
#: TYPE NAME SIZE IDENTIFIER
0: GUID_partition_scheme *322.1 GB disk0
1: EFI EFI 209.7 MB disk0s1
2: Apple_APFS Container disk2 321.9 GB disk0s2
```
1. 复制并粘贴以下命令。
```
[ec2-user ~]$ PDISK=$(diskutil list physical external | head -n1 | cut -d" " -f1)
APFSCONT=$(diskutil list physical external | grep "Apple_APFS" | tr -s " " | cut -d" " -f8)
yes | sudo diskutil repairDisk $PDISK
```
1. 复制并粘贴以下命令。
```
[ec2-user ~]$ sudo diskutil apfs resizeContainer $APFSCONT 0
```
# 停止或终止 Amazon EC2 Mac 实例
当您停止 Mac 实例时，它会保持 `stopping` 状态约 15 分钟，然后进入 `stopped` 状态。
当您停止或终止 Mac 实例时，Amazon EC2 将在底层 专属主机 上执行清理工作流程以擦除内部 SSD、清除持久 NVRAM 变量，并更新到最新的设备固件。这可确保 Mac 实例提供与其他 EC2 Nitro 实例相同的安全性和数据隐私。您还可以借助它运行最新的 macOS AMI。在清理工作流程中，专属主机临时进入待处理状态。在 x86 Mac 实例上，清理工作流程最多可能需要 50 分钟才能完成。如果 Amazon EC2 需要更新设备固件，则该工作流可能需要长达 3 小时才能完成。在 Apple silicon Mac 实例上，清理工作流最多可能需要 4.5 小时才能完成。
在清理工作流完成之前，您无法启动已停止的 Mac 实例或启动新的 Mac 实例，在该工作流完成之后，专属主机将进入 `available` 状态。
专属主机进入 `pending` 状态时，计量和计费将暂停。清理工作流程执行期间不会向您计费。
## 释放 Mac 实例的专属主机
完成 Mac 实例后，您可以释放专属主机。在释放专属主机之前，必须停止或终止 Mac 实例。在分配期超过 24 小时最低限度之前，您无法释放主机。
**释放专属主机**
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 在导航窗格中，选择**实例**。
1. 选择实例并选择 **Instance state (实例状态)**，然后选择 **Stop instance (停止实例)** 或 **Terminate instance (终止实例)**。
1. 在导航窗格中，选择**专属主机**。
1. 选择专属主机，然后选择**操作**、**释放主机**。
1. 当系统提示进行确认时，选择 **Release (释放)**。
# 配置 Amazon EC2 Mac 实例的系统完整性保护
您可以为采用 x86 架构的 Mac 实例和 Apple silicon Mac 实例配置系统完整性保护（SIP）设置。SIP 是 macOS 的一项关键安全功能，有助防止未经授权的代码执行和系统级别修改。有关更多信息，请参阅[关于系统完整性保护](https://support.apple.com/en-us/102149)。
您可以完全启用或禁用 SIP，也可以有选择地启用或禁用特定 SIP 设置。建议仅在执行必要任务时暂时禁用 SIP，并在任务完成后尽快重新启用。禁用 SIP 可能会使实例容易受到恶意代码攻击。
所有支持 Amazon EC2 Mac 实例的 AWS 区域都支持 SIP 配置。
**Topics**
+ [
## 注意事项
](#mac-sip-considerations)
+ [
## 默认 SIP 配置
](#mac-sip-defaults)
+ [
## 检查 SIP 配置
](#mac-sip-check-settings)
+ [
## Apple silicon Mac 实例的先决条件
](#mac-sip-prereqs)
+ [
## 配置 SIP 设置
](#mac-sip-configure)
+ [
## 检查 SIP 配置任务状态
](#mac-sip-state)
## 注意事项
+ 支持下列 Amazon EC2 Mac 实例类型和 macOS 版本：
+ **Mac1 \$1 Mac2 \$1 Mac2-m1ultra** – macOS Ventura（版本 13.0 或更高版本）
+ **Mac2-m2 \$1 Mac2-m2pro** – macOS Ventura（版本 13.2 或更高版本）
+ **Mac-m4 \$1 Mac-m4pro**：macOS Sequoia（版本 15.6 或更高版本）
**注意**
不支持 macOS 测试版和预览版。
+ 您可以指定自定义 SIP 配置，来🈶选择地启用或禁用特定 SIP 设置。如果您实施自定义配置，请[连接到实例并验证设置](#mac-sip-check-settings)，从而确保正确实现了您的需求并按预期运行。
SIP 配置可能会随 macOS 更新更改。我们建议在执行任何 macOS 版本升级后检查自定义 SIP 设置，确保安全配置依然兼容并正常发挥作用。
+ 对于采用 x86 架构的 Mac 实例，SIP 设置在实例级别应用。连接到实例的任何根卷都将自动沿用已配置的 SIP 设置。
对于 Apple silicon Mac 实例，SIP 设置在卷级别应用。连接到实例的根卷不会沿用 SIP 设置。如果挂载其他根卷，则必须重新将 SIP 设置配置为所需状态。
+ 完成 SIP 配置任务最长可能需要 90 分钟时间。在 SIP 配置任务进行期间，实例会保持无法访问状态。
+ SIP 配置不会传递到您随后利用该实例创建的快照或 AMI。
+ Apple silicon Mac 实例必须只有一个可引导卷，并且每个挂载卷只能有一个额外的管理员用户。
## 默认 SIP 配置
下表列举了采用 x86 架构的 Mac 实例和 Apple silicon Mac 实例的默认 SIP 配置。
| | Apple silicon Mac 实例 | 采用 x86 架构的 Mac 实例 |
| --- | --- | --- |
| Apple 内部专用 | 已启用 | 已禁用 |
| 文件系统保护 | 已启用 | 已禁用 |
| 基础系统 | 已启用 | 已启用 |
| 调试限制 | 已启用 | 已启用 |
| Dtrace 限制 | 已启用 | 已启用 |
| Kext 签名 | 已启用 | 已启用 |
| Nvram 保护 | 已启用 | 已启用 |
## 检查 SIP 配置
我们建议在进行更改之前和之后检查 SIP 配置，确保其配置符合预期。
**检查 Amazon EC2 Mac 实例的 SIP 配置**
[使用 SSH 连接到实例](connect-to-mac-instance.md#mac-instance-ssh)，然后在命令行中运行以下命令。
```
$ csrutil status
```
下面是示例输出。
```
System Integrity Protection status: enabled.
Configuration:
Apple Internal: enabled
Kext Signing: disabled
Filesystem Protections: enabled
Debugging Restrictions: enabled
DTrace Restrictions: enabled
NVRAM Protections: enabled
BaseSystem Verification: disabled
```
## Apple silicon Mac 实例的先决条件
在为 Apple silicon Mac 实例配置 SIP 设置之前，必须为 Amazon EBS 根卷管理员用户（`ec2-user`）设置密码并启用安全令牌。
**注意**
密码和安全令牌将在您首次使用 GUI 连接到 Apple silicon Mac 实例时设置。如果您之前[使用 GUI 连接到实例](connect-to-mac-instance.md#mac-instance-vnc)或者您使用采用 x86 架构的 Mac 实例，则**无需**执行这些步骤。
**注意**
所有用于 macOS 身份验证的 macOS 用户名和密码长度都必须为 4 到 16 个字符，才能用于 SIP 设置 API 调用。
**为 EBS 根卷管理员用户设置密码并启用安全令牌**
1. [使用 SSH 连接到实例](connect-to-mac-instance.md#mac-instance-ssh)。
1. 为 `ec2-user` 用户设置密码。
```
$ sudo /usr/bin/dscl . -passwd /Users/ec2-user
```
1. 为 `ec2-user` 用户启用安全令牌。对于 `-oldPassword`，请指定与上一步中相同的密码。对于 `-newPassword`，请指定一个不同的密码。以下命令假定您已将旧密码和新密码保存在 `.txt` 文件中。
```
$ sysadminctl -oldPassword `cat old_password.txt` -newPassword `cat new_password.txt`
```
1. 确认已启用安全令牌。
```
$ sysadminctl -secureTokenStatus ec2-user
```
## 配置 SIP 设置
在配置实例的 SIP 设置时，您可以启用或禁用所有 SIP 设置，也可以指定自定义配置，从而有选择地启用或禁用特定 SIP 设置。
**注意**
如果您实施自定义配置，请[连接到实例并验证设置](#mac-sip-check-settings)，从而确保正确实现了您的需求并按预期运行。
SIP 配置可能会随 macOS 更新更改。我们建议在执行任何 macOS 版本升级后检查自定义 SIP 设置，确保安全配置依然兼容并正常发挥作用。
要配置实例的 SIP 设置，您必须创建一个 SIP 配置任务。该 SIP 配置任务将指定实例的 SIP 设置。
在为 Apple silicon Mac 实例创建 SIP 配置时，必须指定以下凭证：
+ **内部磁盘管理员用户**
+ 用户名：仅支持默认管理员用户 (`aws-managed-user`)，并且默认使用该用户。不能指定其他管理员用户。
+ 密码：如果没有更改 `aws-managed-user` 的默认密码，请指定默认密码，即*空*。否则请指定您的密码。
+ **Amazon EBS 根卷管理员用户**
+ 用户名：如果未更改默认管理员用户，请指定 `ec2-user`。否则指定您的管理员用户的用户名。
+ 密码：必须始终指定此密码。
使用以下方法创建一个 SIP 配置任务。
------
#### [ Console ]
**使用控制台创建 SIP 配置任务**
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 在导航窗格中，选择**实例**，然后选择该 Amazon EC2 Mac 实例。
1. 在**安全**选项卡中，选择**修改 Mac，修改系统完整性保护**。
1. 要启用所有 SIP 设置，请选择**启用 SIP**。要禁用所有 SIP 设置，请清除**启用 SIP**。
1. 要指定自定义配置来有选择地启用或禁用特定 SIP 设置的，请选择**指定自定义 SIP 配置**，然后选择要启用的 SIP 设置，或者清除要禁用的 SIP 设置。
1. 指定根卷用户和内部磁盘所有者的凭证。
1. 选择**创建 SIP 修改任务**。
------
#### [ AWS CLI ]
**使用 AWS CLI 创建 SIP 配置任务**
使用 [ create-mac-system-integrity-protection-modification-task](https://docs.aws.amazon.com/cli/latest/reference/ec2/create-mac-system-integrity-protection-modification-task.html) 命令。
**启用或禁用所有 SIP 设置**
要完全启用或禁用所有 SIP 设置，请仅使用 `--mac-system-integrity-protection-status` 参数。
以下示例命令会启用所有 SIP 设置。
```
aws ec2 create-mac-system-integrity-protection-modification-task \
--instance-id i-0abcdef9876543210 \
--mac-system-integrity-protection-status enabled \
--mac-credentials file://mac-credentials.json
```
**指定自定义 SIP 配置**
要指定自定义 SIP 配置来有选择地启用或禁用特定 SIP 设置，请指定 `--mac-system-integrity-protection-status` 和 `--mac-system-integrity-protection-configuration` 参数。其中 `mac-system-integrity-protection-status` 用来指定整体 SIP 状态，`mac-system-integrity-protection-configuration` 用来有选择地启用或禁用特定 SIP 设置。
以下示例命令会创建一个 SIP 配置任务，来启用除 `NvramProtections` 和 `FilesystemProtections` 之外的所有 SIP 设置。
```
aws ec2 create-mac-system-integrity-protection-modification-task \
--instance-id i-0abcdef9876543210 \
--mac-system-integrity-protection-status enabled \
--mac-system-integrity-protection-configuration "NvramProtections=disabled, FilesystemProtections=disabled" \
--mac-credentials file://mac-credentials.json
```
以下示例命令会创建一个 SIP 配置任务，来禁用除 `DtraceRestrictions` 之外的所有 SIP 设置。
```
aws ec2 create-mac-system-integrity-protection-modification-task \
--instance-id i-0abcdef9876543210 \
--mac-system-integrity-protection-status disabled \
--mac-system-integrity-protection-configuration "DtraceRestrictions=enabled" \
--mac-credentials file://mac-credentials.json
```
**`mac-credentials.json` 文件的内容**
以下为上文示例中所引用 `mac-credentials.json` 文件的内容。
```
{
"internalDiskPassword":"internal-disk-admin_password",
"rootVolumeUsername":"root-volume-admin_username",
"rootVolumepassword":"root-volume-admin_password"
}
```
------
## 检查 SIP 配置任务状态
可以使用以下方法之一检查 SIP 配置任务的状态。
------
#### [ Console ]
**使用控制台查看 SIP 配置任务**
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 在导航窗格中，选择**实例**，然后选择该 Amazon EC2 Mac 实例。
1. 在**安全**选项卡中，向下滚动到 **Mac 修改任务**部分。
------
#### [ AWS CLI ]
**使用 AWS CLI 检查 SIP 配置任务的状态**
使用 [describe-mac-modification-tasks](https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-mac-modification-tasks.html) 命令。
------
# 查找 Amazon EC2 Mac 专属主机支持的 macOS 版本
您可以查看 Amazon EC2 Mac 专属主机支持的最新 macOS 版本。您可以使用此功能来验证专属主机是否支持通过首选的 macOS 版本启动实例。
每个 macOS 版本都需要在底层 Apple Mac 上安装最低固件版本才能成功启动。如果分配的 Mac 专属主机长时间处于空闲状态，或者存在长时间运行的实例，则 Apple Mac 固件版本可能会过时。
为确保支持最新 macOS 版本，可在分配的 Mac 专属主机上停止或终止实例。这将触发主机清理工作流程并更新底层 Apple Mac 上的固件，从而支持最新 macOS 版本。停止或终止正在运行的实例时，存在长时间运行实例的专属主机将自动更新。
有关清理工作流程的更多信息，请参阅 [停止或终止 Amazon EC2 Mac 实例](mac-instance-stop.md)。
有关启动 Mac 实例的更多信息，请参阅 [使用 AWS 管理控制台 或 AWS CLI 启动 Mac 实例](mac-instance-launch.md)。
您可以使用 Amazon EC2 控制台或 AWS CLI 来查看有关分配的专属主机支持的最新 macOS 版本的信息。
------
#### [ Console ]
**使用控制台查看专属主机固件信息**
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 在导航窗格中，选择**专属主机**。
1. 您可以在**专属主机详细信息**页面上的**支持的最新 macOS 版本**下，查看该主机支持的最新 macOS 版本。
------
#### [ AWS CLI ]
**使用 AWS CLI 查看专属主机固件信息**
使用 [https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-mac-hosts.html](https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-mac-hosts.html) 命令，将 `region` 替换为相应的 AWS 区域。
```
$ aws ec2 describe-mac-hosts --region us-east-1
{
"MacHosts": [
{
"HostId": "h-07879acf49EXAMPLE",
"MacOSLatestSupportedVersions": [
"14.3",
"13.6.4",
"12.7.3"
]
}
]
}
```
------
# 订阅 macOS AMI 通知
要在新 AMI 发布时或 bridgeOS 更新时收到通知，请使用 Amazon SNS 来订阅通知。
有关 EC2 macOS AMI 的更多信息，请参阅 [Amazon EC2 macOS AMI 发布说明](macos-ami-overview.md)。
**订阅 macOS AMI 通知**
1. 通过以下网址打开 Amazon SNS 控制台：[https://console.aws.amazon.com/sns/v3/home](https://console.aws.amazon.com/sns/v3/home)。
1. 如果需要，可在导航栏中将区域更改为**美国东部（弗吉尼亚州北部）**。您必须使用此区域，因为您订阅的 SNS 通知是在此区域中创建的。
1. 在导航窗格中，选择**订阅**。
1. 选择 **Create subscription**。
1. 对于**创建订阅**对话框，执行以下操作：
1. 对于 **Topic ARN**，复制并粘贴以下任意一个 Amazon Resource Name (ARN)：
+ **arn:aws:sns:us-east-1:898855652048:amazon-ec2-macos-ami-updates**
+ **arn:aws:sns:us-east-1:898855652048:amazon-ec2-bridgeos-updates**
1. 对于**协议**，选择以下选项之一：
+ **电子邮件：**
对于 **Endpoint**，键入可用于接收通知的电子邮件地址。在您创建订阅之后，您将收到一条确认消息，其中包含主题行`AWS Notification - Subscription Confirmation`。打开电子邮件，然后选择 **Confirm subscription (确认订阅)** 以完成订阅。
+ **SMS：**
对于 **Endpoint (端点)**，键入可用于接收通知的电话号码。
+ **AWS Lambda、Amazon SQS、Amazon Data Firehose**（*通知将以 JSON 格式提供*）：
对于 **Endpoint (端点)**，输入 Lambda 函数、SQS 队列或者可用于接收通知的 Firehose 流。
1. 选择 **Create subscription**。
每当发布 macOS AMI 时，我们都会向 `amazon-ec2-macos-ami-updates` 主题的订阅者发送通知。只要 bridgeOS 更新，我们就会向 `amazon-ec2-bridgeos-updates` 主题的订阅者发送通知。如果您不希望再收到这些通知，请通过以下步骤取消订阅。
**取消订阅 macOS AMI 通知**
1. 通过以下网址打开 Amazon SNS 控制台：[https://console.aws.amazon.com/sns/v3/home](https://console.aws.amazon.com/sns/v3/home)。
1. 如果需要，可在导航栏中将区域更改为**美国东部（弗吉尼亚州北部）**。您必须使用此区域，因为 SNS 通知是在此区域中创建的。
1. 在导航窗格中，选择 **Subscriptions**。
1. 选择订阅，然后选择 **Actions**、**Delete subscriptions**，在提示确认时，选择 **Delete**。
# 使用 AWS Systems Manager 参数存储 API 检索 macOS AMI ID
在启动实例时，您必须指定 (AMI)。AMI 特定于 AWS 区域、操作系统和处理器架构。您可以查看 AWS 区域 中的所有 macOS AMI，并通过查询 AWS Systems Manager 参数存储 API 来检索最新的 macOS AMI。通过使用这些公共参数，您无需手动查找 macOS AMI ID。公共参数可用于 x86 和 ARM64 macOS AMI，并且可以与现有 AWS CloudFormation 模板集成。
**所需的权限**
要执行此操作，[IAM 主体](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html#id_roles_terms-and-concepts)必须拥有调用 `ssm:GetParameter` API 操作的权限。
**要使用 AWS CLI 查看当前 AWS 区域 中的所有 macOS AMI 的列表**
使用以下 [get-parameters-by-path](https://docs.aws.amazon.com/cli/latest/reference/ssm/get-parameters-by-path.html) 命令查看当前区域中所有 macOS AMI 的列表。
```
aws ssm get-parameters-by-path --path /aws/service/ec2-macos --recursive --query "Parameters[].Name"
```
**要使用 AWS CLI 检索最新主要 macOS AMI 的 AMI ID**
使用以下带有子参数 `image_id` 的 [get-parameter](https://docs.aws.amazon.com/cli/latest/reference/ssm/get-parameter.html) 命令。在以下示例中，将 `sonoma` 替换为 macOS 支持的主要版本，将 `x86_64_mac` 替换为处理器，以及将 `region-code` 替换为需要其最新 macOS AMI ID 的受支持 AWS 区域。
```
aws ssm get-parameter --name /aws/service/ec2-macos/sonoma/x86_64_mac/latest/image_id --region region-code
```
有关更多信息，请参阅《AWS Systems Manager 用户指南》**中的[调用适用于 macOS 的 AMI 公共参数](https://docs.aws.amazon.com/systems-manager/latest/userguide/parameter-store-public-parameters-ami.html#public-parameters-ami-macos)。
# Amazon EC2 macOS AMI 发布说明
以下信息提供了有关 EC2 macOS AMI 中默认包含的软件包的详细信息，并汇总了每个 EC2 macOS AMI 版本的更改。
有关如何订阅 macOS AMI 通知的信息，请参阅 [订阅 macOS AMI 通知](macos-subscribe-notifications.md)。
Mac 实例可运行以下操作系统之一：
+ macOS Mojave（版本 10.14）（仅限 x86 Mac 实例）
+ macOS Catalina（版本 10.15）（仅限 x86 Mac 实例）
+ macOS Big Sur（版本 11）（x86 和 M1 Mac 实例）
+ macOS Monterey（版本 12）（x86 和 M1 Mac 实例）
+ macOS Ventura（版本 13）（所有 Mac 实例、M2 和 M2 Pro Mac 实例均支持 macOS Ventura 版本 13.2 或更高版本）
+ macOS Sonoma（版本 14）（所有 Mac 实例）
+ macOS Sequoia（版本 15）（所有 Mac 实例）
**注意**
M4 和 M4 Pro Mac 实例支持 macOS Sequoia 版本 15.6 或更高版本。
## 批准用于 macOS Sequoia 的本地网络隐私策略
macOS Sequoia（版本 15）具有一项新的本地网络隐私功能，该功能会影响基于本地 IP 的服务（包括 Amazon EC2 实例元数据服务（IMDS））的用户。
**重要**
为确保您可以不间断地访问基于本地 IP 的服务，请使用以下步骤批准本地网络隐私策略。
**若要批准本地网络隐私策略**
1. [连接到您实例的图形用户界面（GUI）](connect-to-mac-instance.md#mac-instance-vnc).
1. 按照屏幕上的提示批准本地网络隐私策略。
1. 批准策略后，请创建您的 EC2 Mac 实例的 AMI。有关更多信息，请参阅 [创建 Amazon EBS-backed AMI](creating-an-ami-ebs.md)。
从新创建的 AMI 启动的任何 EC2 Mac 实例都将保留本地网络隐私权限。
## Amazon EC2 macOS AMI 中包含的默认软件包
下表描述了 EC2 macOS AMI 中默认包含的软件包。
| 软件包 | 发行说明 |
| --- | --- |
| EC2 macOS Init | [https://github.com/aws/ec2-macos-init/tags](https://github.com/aws/ec2-macos-init/tags) |
| EC2 macOS Utils | [https://github.com/aws/ec2-macos-utils/tags](https://github.com/aws/ec2-macos-utils/tags) |
| Amazon SSM Agent | [https://github.com/aws/amazon-ssm-agent/releases](https://github.com/aws/amazon-ssm-agent/releases) |
| AWS Command Line Interface（AWS CLI）版本 2 | [https://raw.githubusercontent.com/aws/aws-cli/v2/CHANGELOG.rst](https://raw.githubusercontent.com/aws/aws-cli/v2/CHANGELOG.rst) |
| Xcode 的命令行工具 | [https://developer.apple.com/documentation/xcode-release-notes](https://developer.apple.com/documentation/xcode-release-notes) |
| Homebrew | [https://github.com/Homebrew/brew/releases](https://github.com/Homebrew/brew/releases) |
| EC2 Instance Connect | [https://github.com/aws/aws-ec2-instance-connect-config/releases](https://github.com/aws/aws-ec2-instance-connect-config/releases) |
| Safari | [https://developer.apple.com/documentation/safari-release-notes](https://developer.apple.com/documentation/safari-release-notes) |
## Amazon EC2 macOS AMI 更新
下表描述了 EC2 macOS AMI 版本中包含的更改。请注意，有些更改适用于所有 EC2 macOS AMI，而有些只适用于一部分 AMI。
### EC2 macOS AMI 更新
| 版本 | 更改 |
| --- | --- |
| 2026.03.17 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2026.03.03 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2025.12.26 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2025.12.17 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2025.11.18 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2025.09.04 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2025.08.05 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2025.06.27 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2025.05.21 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2025.05.05 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2025.03.18 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2025.01.24 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2024.12.20 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2024.10.28 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2024.08.20 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2024.06.07 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
| 2024.04.12 | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/macos-ami-overview.html) |
# Amazon EBS 优化的实例类型
Amazon EBS 优化的实例使用经过优化的配置堆栈，并为 Amazon EBS I/O 提供额外的专用带宽。这种优化通过最小化 Amazon EBS I/O 与来自您实例的其他流量之间的争用，为您的 EBS 卷提供最佳性能。
当附加到 EBS 优化的实例时，通用型 SSD（`gp2` 和 `gp3`）卷可在给定年度 99% 的时间内提供至少 90% 的预调配 IOPS 性能，而预调配 IOPS SSD（`io1` 和 `io2`）卷可在给定年度 99.9% 的时间内提供至少 90% 的预调配 IOPS 性能。吞吐量优化型 HDD（`st1`）和冷 HDD（`sc1`）在给定年度 99％ 的时间内提供至少 90% 的预期吞吐量性能。不合规时间段大致均匀分布，目标是达到 99% 的每小时预计总吞吐量。有关更多信息，请参阅《Amazon EBS 用户指南》**中的 [Amazon EBS 卷类型](https://docs.aws.amazon.com/ebs/latest/userguide/ebs-volume-types.html)。
某些实例类型**默认为 EBS 优化**，无需启用，尝试禁用也不会有任何影响。其他实例类型可选**支持 EBS 优化**，您可以在启动期间或之后启用该功能，但需[额外支付每小时费用](https://aws.amazon.com/ec2/previous-generation/#EBS-optimized_instances)。某些实例类型不支持 EBS 优化。
有关详细的实例类型规范和功能，请参阅 [Amazon EC2 实例类型指南](https://docs.aws.amazon.com/ec2/latest/instancetypes/instance-types.html)。
**注意事项**
+ 实例的 EBS 性能受实例类型的性能限制或其附加卷的聚合性能的限制，以较小者为准。要实现最大的 EBS 性能，实例必须附加卷以提供等于或大于最大实例性能的总性能。例如，要实现 `r6i.16xlarge` 的 `80,000` IOPS，实例必须至少具有预置了 `16,000` IOPS 的 `5` 个 `gp2` 卷（`5` 个卷 x `16,000` IOPS = `80,000` IOPS），或具有预置了 `80,000` IOPS 的 `1` 个 `gp3` 卷。建议您选择一种实例类型，其提供的专用 Amazon EBS 吞吐量高于您的应用程序需求；否则，Amazon EBS 与 Amazon EC2 的连接将成为性能瓶颈。
+ 您可以挂载到实例的最大 Amazon EBS 卷数取决于实例类型和实例规模。有关更多信息，请参阅 [Amazon EC2 实例的 Amazon EBS 卷限制](volume_limits.md)。
+ 最大 IOPS 和吞吐量限制是相互依赖的。根据您的 I/O 大小，您可能会先达到一个限制，然后再达到另一个限制，这可能会影响整体性能。为获得最佳结果，请在计划工作负载时同时考虑这两个限制。
## 默认为 EBS 优化
以下实例类型在默认情况下会进行 EBS 优化。无需启用 EBS 优化，禁用 EBS 优化也没有效果。
**Topics**
+ [
### 通用型
](#current-general-purpose)
+ [
### 计算优化型
](#current-compute-optimized)
+ [
### 内存优化型
](#current-memory-optimized)
+ [
### 存储优化
](#current-storage-optimized)
+ [
### 加速计算型
](#current-accelerated-computing)
+ [
### 高性能计算
](#current-high-performance-computing)
### 通用型
**注意**
M8a、M8g、M8gd、M8i、M8id、M8i-flex 实例类型支持可配置的带宽权重。使用这些实例类型，您可以针对网络性能或 Amazon EBS 性能优化实例的带宽。下表显示了这些实例类型的默认 Amazon EBS 带宽性能。有关更多信息，请参阅 [EC2 实例带宽权重配置](configure-bandwidth-weighting.md)。
| 实例大小 | 基准带宽（Mbps） | 最大带宽（Mbps） | 基准吞吐量（MB/s，128 KiB I/O） | 最大吞吐量（MB/s，128 KiB I/O） | 基准 IOPS（16KiB I/O） | 最大 IOPS（16KiB I/O） |
| --- | --- | --- | --- | --- | --- | --- |
| a1.medium 1 | 300 | 3500 | 37.50 | 437.50 | 2500 | 20000 |
| a1.large 1 | 525 | 3500 | 65.62 | 437.50 | 4000 | 20000 |
| a1.xlarge 1 | 800 | 3500 | 100.00 | 437.50 | 6000 | 20000 |
| a1.2xlarge 1 | 1750 | 3500 | 218.75 | 437.50 | 10000 | 20000 |
| a1.4xlarge 2 | 3500 | 437.5 | 20000 |
| a1.metal 2 | 3500 | 437.5 | 20000 |
| m4.large 2 | 450 | 56.25 | 3600 |
| m4.xlarge 2 | 750 | 93.75 | 6000 |
| m4.2xlarge 2 | 1000 | 125.0 | 8000 |
| m4.4xlarge 2 | 2000 | 250.0 | 16000 |
| m4.10xlarge 2 | 4000 | 500.0 | 32000 |
| m4.16xlarge 2 | 10000 | 1250.0 | 65000 |
| m5.large 1 | 650 | 4750 | 81.25 | 593.75 | 3600 | 18750 |
| m5.xlarge 1 | 1150 | 4750 | 143.75 | 593.75 | 6000 | 18750 |
| m5.2xlarge 1 | 2300 | 4750 | 287.50 | 593.75 | 12000 | 18750 |
| m5.4xlarge 2 | 4750 | 593.75 | 18750 |
| m5.8xlarge 2 | 6800 | 850.0 | 30000 |
| m5.12xlarge 2 | 9500 | 1187.5 | 40000 |
| m5.16xlarge 2 | 13600 | 1700.0 | 60000 |
| m5.24xlarge 2 | 19000 | 2375.0 | 80000 |
| m5.metal 2 | 19000 | 2375.0 | 80000 |
| m5a.large 1 | 650 | 2880 | 81.25 | 360.00 | 3600 | 16000 |
| m5a.xlarge 1 | 1085 | 2880 | 135.62 | 360.00 | 6000 | 16000 |
| m5a.2xlarge 1 | 1580 | 2880 | 197.50 | 360.00 | 8333 | 16000 |
| m5a.4xlarge 2 | 2880 | 360.0 | 16000 |
| m5a.8xlarge 2 | 4750 | 593.75 | 20000 |
| m5a.12xlarge 2 | 6780 | 847.5 | 30000 |
| m5a.16xlarge 2 | 9500 | 1187.5 | 40000 |
| m5a.24xlarge 2 | 13750 | 1718.75 | 60000 |
| m5ad.large 1 | 650 | 2880 | 81.25 | 360.00 | 3600 | 16000 |
| m5ad.xlarge 1 | 1085 | 2880 | 135.62 | 360.00 | 6000 | 16000 |
| m5ad.2xlarge 1 | 1580 | 2880 | 197.50 | 360.00 | 8333 | 16000 |
| m5ad.4xlarge 2 | 2880 | 360.0 | 16000 |
| m5ad.8xlarge 2 | 4750 | 593.75 | 20000 |
| m5ad.12xlarge 2 | 6780 | 847.5 | 30000 |
| m5ad.16xlarge 2 | 9500 | 1187.5 | 40000 |
| m5ad.24xlarge 2 | 13750 | 1718.75 | 60000 |
| m5d.large 1 | 650 | 4750 | 81.25 | 593.75 | 3600 | 18750 |
| m5d.xlarge 1 | 1150 | 4750 | 143.75 | 593.75 | 6000 | 18750 |
| m5d.2xlarge 1 | 2300 | 4750 | 287.50 | 593.75 | 12000 | 18750 |
| m5d.4xlarge 2 | 4750 | 593.75 | 18750 |
| m5d.8xlarge 2 | 6800 | 850.0 | 30000 |
| m5d.12xlarge 2 | 9500 | 1187.5 | 40000 |
| m5d.16xlarge 2 | 13600 | 1700.0 | 60000 |
| m5d.24xlarge 2 | 19000 | 2375.0 | 80000 |
| m5d.metal 2 | 19000 | 2375.0 | 80000 |
| m5dn.large 1 | 650 | 4750 | 81.25 | 593.75 | 3600 | 18750 |
| m5dn.xlarge 1 | 1150 | 4750 | 143.75 | 593.75 | 6000 | 18750 |
| m5dn.2xlarge 1 | 2300 | 4750 | 287.50 | 593.75 | 12000 | 18750 |
| m5dn.4xlarge 2 | 4750 | 593.75 | 18750 |
| m5dn.8xlarge 2 | 6800 | 850.0 | 30000 |
| m5dn.12xlarge 2 | 9500 | 1187.5 | 40000 |
| m5dn.16xlarge 2 | 13600 | 1700.0 | 60000 |
| m5dn.24xlarge 2 | 19000 | 2375.0 | 80000 |
| m5dn.metal 2 | 19000 | 2375.0 | 80000 |
| m5n.large 1 | 650 | 4750 | 81.25 | 593.75 | 3600 | 18750 |
| m5n.xlarge 1 | 1150 | 4750 | 143.75 | 593.75 | 6000 | 18750 |
| m5n.2xlarge 1 | 2300 | 4750 | 287.50 | 593.75 | 12000 | 18750 |
| m5n.4xlarge 2 | 4750 | 593.75 | 18750 |
| m5n.8xlarge 2 | 6800 | 850.0 | 30000 |
| m5n.12xlarge 2 | 9500 | 1187.5 | 40000 |
| m5n.16xlarge 2 | 13600 | 1700.0 | 60000 |
| m5n.24xlarge 2 | 19000 | 2375.0 | 80000 |
| m5n.metal 2 | 19000 | 2375.0 | 80000 |
| m5zn.large 1 | 800 | 3170 | 100.00 | 396.25 | 3333 | 13333 |
| m5zn.xlarge 1 | 1564 | 3170 | 195.50 | 396.25 | 6667 | 13333 |
| m5zn.2xlarge 2 | 3170 | 396.25 | 13333 |
| m5zn.3xlarge 2 | 4750 | 593.75 | 20000 |
| m5zn.6xlarge 2 | 9500 | 1187.5 | 40000 |
| m5zn.12xlarge 2 | 19000 | 2375.0 | 80000 |
| m5zn.metal 2 | 19000 | 2375.0 | 80000 |
| m6a.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| m6a.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| m6a.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| m6a.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| m6a.8xlarge 2 | 10000 | 1250.0 | 40000 |
| m6a.12xlarge 2 | 15000 | 1875.0 | 60000 |
| m6a.16xlarge 2 | 20000 | 2500.0 | 80000 |
| m6a.24xlarge 2 | 30000 | 3750.0 | 120000 |
| m6a.32xlarge 2 | 40000 | 5000.0 | 160000 |
| m6a.48xlarge 2 | 40000 | 5000.0 | 240000 |
| m6a.metal 2 | 40000 | 5000.0 | 240000 |
| m6g.medium 1 | 315 | 4750 | 39.38 | 593.75 | 2500 | 20000 |
| m6g.large 1 | 630 | 4750 | 78.75 | 593.75 | 3600 | 20000 |
| m6g.xlarge 1 | 1188 | 4750 | 148.50 | 593.75 | 6000 | 20000 |
| m6g.2xlarge 1 | 2375 | 4750 | 296.88 | 593.75 | 12000 | 20000 |
| m6g.4xlarge 2 | 4750 | 593.75 | 20000 |
| m6g.8xlarge 2 | 9500 | 1187.5 | 40000 |
| m6g.12xlarge 2 | 14250 | 1781.25 | 50000 |
| m6g.16xlarge 2 | 19000 | 2375.0 | 80000 |
| m6g.metal 2 | 19000 | 2375.0 | 80000 |
| m6gd.medium 1 | 315 | 4750 | 39.38 | 593.75 | 2500 | 20000 |
| m6gd.large 1 | 630 | 4750 | 78.75 | 593.75 | 3600 | 20000 |
| m6gd.xlarge 1 | 1188 | 4750 | 148.50 | 593.75 | 6000 | 20000 |
| m6gd.2xlarge 1 | 2375 | 4750 | 296.88 | 593.75 | 12000 | 20000 |
| m6gd.4xlarge 2 | 4750 | 593.75 | 20000 |
| m6gd.8xlarge 2 | 9500 | 1187.5 | 40000 |
| m6gd.12xlarge 2 | 14250 | 1781.25 | 50000 |
| m6gd.16xlarge 2 | 19000 | 2375.0 | 80000 |
| m6gd.metal 2 | 19000 | 2375.0 | 80000 |
| m6i.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| m6i.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| m6i.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| m6i.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| m6i.8xlarge 2 | 10000 | 1250.0 | 40000 |
| m6i.12xlarge 2 | 15000 | 1875.0 | 60000 |
| m6i.16xlarge 2 | 20000 | 2500.0 | 80000 |
| m6i.24xlarge 2 | 30000 | 3750.0 | 120000 |
| m6i.32xlarge 2 | 40000 | 5000.0 | 160000 |
| m6i.metal 2 | 40000 | 5000.0 | 160000 |
| m6id.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| m6id.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| m6id.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| m6id.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| m6id.8xlarge 2 | 10000 | 1250.0 | 40000 |
| m6id.12xlarge 2 | 15000 | 1875.0 | 60000 |
| m6id.16xlarge 2 | 20000 | 2500.0 | 80000 |
| m6id.24xlarge 2 | 30000 | 3750.0 | 120000 |
| m6id.32xlarge 2 | 40000 | 5000.0 | 160000 |
| m6id.metal 2 | 40000 | 5000.0 | 160000 |
| m6idn.large 1 | 1562 | 25000 | 195.31 | 3125.00 | 6250 | 100000 |
| m6idn.xlarge 1 | 3125 | 25000 | 390.62 | 3125.00 | 12500 | 100000 |
| m6idn.2xlarge 1 | 6250 | 25000 | 781.25 | 3125.00 | 25000 | 100000 |
| m6idn.4xlarge 1 | 12500 | 25000 | 1562.50 | 3125.00 | 50000 | 100000 |
| m6idn.8xlarge 2 | 25000 | 3125.0 | 100000 |
| m6idn.12xlarge 2 | 37500 | 4687.5 | 150000 |
| m6idn.16xlarge 2 | 50000 | 6250.0 | 200000 |
| m6idn.24xlarge 2 | 75000 | 9375.0 | 300000 |
| m6idn.32xlarge 2 | 100000 | 12500.0 | 400000 |
| m6idn.metal 2 | 100000 | 12500.0 | 400000 |
| m6in.large 1 | 1562 | 25000 | 195.31 | 3125.00 | 6250 | 100000 |
| m6in.xlarge 1 | 3125 | 25000 | 390.62 | 3125.00 | 12500 | 100000 |
| m6in.2xlarge 1 | 6250 | 25000 | 781.25 | 3125.00 | 25000 | 100000 |
| m6in.4xlarge 1 | 12500 | 25000 | 1562.50 | 3125.00 | 50000 | 100000 |
| m6in.8xlarge 2 | 25000 | 3125.0 | 100000 |
| m6in.12xlarge 2 | 37500 | 4687.5 | 150000 |
| m6in.16xlarge 2 | 50000 | 6250.0 | 200000 |
| m6in.24xlarge 2 | 75000 | 9375.0 | 300000 |
| m6in.32xlarge 2 | 100000 | 12500.0 | 400000 |
| m6in.metal 2 | 100000 | 12500.0 | 400000 |
| m7a.medium 1 | 325 | 10000 | 40.62 | 1250.00 | 2500 | 40000 |
| m7a.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| m7a.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| m7a.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| m7a.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| m7a.8xlarge 2 | 10000 | 1250.0 | 40000 |
| m7a.12xlarge 2 | 15000 | 1875.0 | 60000 |
| m7a.16xlarge 2 | 20000 | 2500.0 | 80000 |
| m7a.24xlarge 2 | 30000 | 3750.0 | 120000 |
| m7a.32xlarge 2 | 40000 | 5000.0 | 160000 |
| m7a.48xlarge 2 | 40000 | 5000.0 | 240000 |
| m7a.metal-48xl 2 | 40000 | 5000.0 | 240000 |
| m7g.medium 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| m7g.large 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| m7g.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| m7g.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| m7g.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| m7g.8xlarge 2 | 10000 | 1250.0 | 40000 |
| m7g.12xlarge 2 | 15000 | 1875.0 | 60000 |
| m7g.16xlarge 2 | 20000 | 2500.0 | 80000 |
| m7g.metal 2 | 20000 | 2500.0 | 80000 |
| m7gd.medium 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| m7gd.large 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| m7gd.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| m7gd.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| m7gd.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| m7gd.8xlarge 2 | 10000 | 1250.0 | 40000 |
| m7gd.12xlarge 2 | 15000 | 1875.0 | 60000 |
| m7gd.16xlarge 2 | 20000 | 2500.0 | 80000 |
| m7gd.metal 2 | 20000 | 2500.0 | 80000 |
| m7i.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| m7i.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| m7i.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| m7i.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| m7i.8xlarge 2 | 10000 | 1250.0 | 40000 |
| m7i.12xlarge 2 | 15000 | 1875.0 | 60000 |
| m7i.16xlarge 2 | 20000 | 2500.0 | 80000 |
| m7i.24xlarge 2 | 30000 | 3750.0 | 120000 |
| m7i.48xlarge 2 | 40000 | 5000.0 | 240000 |
| m7i.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| m7i.metal-48xl 2 | 40000 | 5000.0 | 240000 |
| m7i-flex.large 1 | 312 | 10000 | 39.06 | 1250.00 | 2500 | 40000 |
| m7i-flex.xlarge 1 | 625 | 10000 | 78.12 | 1250.00 | 3600 | 40000 |
| m7i-flex.2xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| m7i-flex.4xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| m7i-flex.8xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| m7i-flex.12xlarge 1 | 7500 | 15000 | 937.50 | 1875.00 | 30000 | 60000 |
| m7i-flex.16xlarge 1 | 10000 | 20000 | 1250.00 | 2500.00 | 40000 | 80000 |
| m8a.medium 1 | 325 | 10000 | 40.62 | 1250.00 | 2500 | 40000 |
| m8a.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| m8a.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| m8a.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| m8a.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| m8a.8xlarge 2 | 10000 | 1250.0 | 40000 |
| m8a.12xlarge 2 | 15000 | 1875.0 | 60000 |
| m8a.16xlarge 2 | 20000 | 2500.0 | 80000 |
| m8a.24xlarge 2 | 30000 | 3750.0 | 120000 |
| m8a.48xlarge 2 | 60000 | 7500.0 | 240000 |
| m8a.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| m8a.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| m8azn.medium 1 | 625 | 15000 | 78.12 | 1875.00 | 2500 | 60000 |
| m8azn.large 1 | 1250 | 15000 | 156.25 | 1875.00 | 5000 | 60000 |
| m8azn.xlarge 1 | 2500 | 15000 | 312.50 | 1875.00 | 10000 | 60000 |
| m8azn.3xlarge 1 | 7500 | 15000 | 937.50 | 1875.00 | 30000 | 60000 |
| m8azn.6xlarge 2 | 15000 | 1875.0 | 60000 |
| m8azn.12xlarge 2 | 30000 | 3750.0 | 120000 |
| m8azn.24xlarge 2 | 60000 | 7500.0 | 240000 |
| m8azn.metal-12xl 2 | 30000 | 3750.0 | 120000 |
| m8azn.metal-24xl 2 | 60000 | 7500.0 | 240000 |
| m8g.medium 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| m8g.large 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| m8g.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| m8g.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| m8g.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| m8g.8xlarge 2 | 10000 | 1250.0 | 40000 |
| m8g.12xlarge 2 | 15000 | 1875.0 | 60000 |
| m8g.16xlarge 2 | 20000 | 2500.0 | 80000 |
| m8g.24xlarge 2 | 30000 | 3750.0 | 120000 |
| m8g.48xlarge 2 | 40000 | 5000.0 | 240000 |
| m8g.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| m8g.metal-48xl 2 | 40000 | 5000.0 | 240000 |
| m8gb.medium 1 | 1562 | 25000 | 195.31 | 3125.00 | 7500 | 120000 |
| m8gb.large 1 | 3125 | 25000 | 390.62 | 3125.00 | 15000 | 120000 |
| m8gb.xlarge 1 | 6250 | 25000 | 781.25 | 3125.00 | 30000 | 120000 |
| m8gb.2xlarge 1 | 12500 | 25000 | 1562.50 | 3125.00 | 60000 | 120000 |
| m8gb.4xlarge 2 | 25000 | 3125.0 | 120000 |
| m8gb.8xlarge 2 | 50000 | 6250.0 | 240000 |
| m8gb.12xlarge 2 | 75000 | 9375.0 | 360000 |
| m8gb.16xlarge 2 | 100000 | 12500.0 | 480000 |
| m8gb.24xlarge 2 | 150000 | 18750.0 | 720000 |
| m8gb.48xlarge 2 | 300000 | 37500.0 | 1440000 |
| m8gb.metal-24xl 2 | 150000 | 18750.0 | 720000 |
| m8gb.metal-48xl 2 | 300000 | 37500.0 | 1440000 |
| m8gd.medium 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| m8gd.large 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| m8gd.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| m8gd.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| m8gd.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| m8gd.8xlarge 2 | 10000 | 1250.0 | 40000 |
| m8gd.12xlarge 2 | 15000 | 1875.0 | 60000 |
| m8gd.16xlarge 2 | 20000 | 2500.0 | 80000 |
| m8gd.24xlarge 2 | 30000 | 3750.0 | 120000 |
| m8gd.48xlarge 2 | 40000 | 5000.0 | 240000 |
| m8gd.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| m8gd.metal-48xl 2 | 40000 | 5000.0 | 240000 |
| m8gn.medium 1 | 760 | 10000 | 95.00 | 1250.00 | 2500 | 40000 |
| m8gn.large 1 | 1250 | 10000 | 156.25 | 1250.00 | 5000 | 40000 |
| m8gn.xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 10000 | 40000 |
| m8gn.2xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| m8gn.4xlarge 2 | 10000 | 1250.0 | 40000 |
| m8gn.8xlarge 2 | 20000 | 2500.0 | 80000 |
| m8gn.12xlarge 2 | 30000 | 3750.0 | 120000 |
| m8gn.16xlarge 2 | 40000 | 5000.0 | 160000 |
| m8gn.24xlarge 2 | 60000 | 7500.0 | 240000 |
| m8gn.48xlarge 2 | 60000 | 7500.0 | 240000 |
| m8gn.metal-24xl 2 | 60000 | 7500.0 | 240000 |
| m8gn.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| m8i.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| m8i.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| m8i.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| m8i.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| m8i.8xlarge 2 | 10000 | 1250.0 | 40000 |
| m8i.12xlarge 2 | 15000 | 1875.0 | 60000 |
| m8i.16xlarge 2 | 20000 | 2500.0 | 80000 |
| m8i.24xlarge 2 | 30000 | 3750.0 | 120000 |
| m8i.32xlarge 2 | 40000 | 5000.0 | 160000 |
| m8i.48xlarge 2 | 60000 | 7500.0 | 240000 |
| m8i.96xlarge 2 | 80000 | 10000.0 | 480000 |
| m8i.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| m8i.metal-96xl 2 | 80000 | 10000.0 | 480000 |
| m8id.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| m8id.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| m8id.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| m8id.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| m8id.8xlarge 2 | 10000 | 1250.0 | 40000 |
| m8id.12xlarge 2 | 15000 | 1875.0 | 60000 |
| m8id.16xlarge 2 | 20000 | 2500.0 | 80000 |
| m8id.24xlarge 2 | 30000 | 3750.0 | 120000 |
| m8id.32xlarge 2 | 40000 | 5000.0 | 160000 |
| m8id.48xlarge 2 | 60000 | 7500.0 | 240000 |
| m8id.96xlarge 2 | 80000 | 10000.0 | 480000 |
| m8id.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| m8id.metal-96xl 2 | 80000 | 10000.0 | 480000 |
| m8i-flex.large 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| m8i-flex.xlarge 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| m8i-flex.2xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| m8i-flex.4xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| m8i-flex.8xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| m8i-flex.12xlarge 1 | 7500 | 15000 | 937.50 | 1875.00 | 30000 | 60000 |
| m8i-flex.16xlarge 1 | 10000 | 20000 | 1250.00 | 2500.00 | 40000 | 80000 |
| mac1.metal 2 | 14000 | 1750.0 | 80000 |
| mac2.metal 2 | 10000 | 1250.0 | 55000 |
| mac2-m1ultra.metal 2 | 10000 | 1250.0 | 55000 |
| mac2-m2.metal 2 | 8000 | 1000.0 | 55000 |
| mac2-m2pro.metal 2 | 8000 | 1000.0 | 55000 |
| mac-m4.metal 2 | 8000 | 1000.0 | 55000 |
| mac-m4pro.metal 2 | 8000 | 1000.0 | 55000 |
| mac-m4max.metal 2 | 10000 | 1250.0 | 55000 |
| t3.nano 1 | 43 | 2085 | 5.38 | 260.62 | 250 | 11800 |
| t3.micro 1 | 87 | 2085 | 10.88 | 260.62 | 500 | 11800 |
| t3.small 1 | 174 | 2085 | 21.75 | 260.62 | 1000 | 11800 |
| t3.medium 1 | 347 | 2085 | 43.38 | 260.62 | 2000 | 11800 |
| t3.large 1 | 695 | 2780 | 86.88 | 347.50 | 4000 | 15700 |
| t3.xlarge 1 | 695 | 2780 | 86.88 | 347.50 | 4000 | 15700 |
| t3.2xlarge 1 | 695 | 2780 | 86.88 | 347.50 | 4000 | 15700 |
| t3a.nano 1 | 45 | 2085 | 5.62 | 260.62 | 250 | 11800 |
| t3a.micro 1 | 90 | 2085 | 11.25 | 260.62 | 500 | 11800 |
| t3a.small 1 | 175 | 2085 | 21.88 | 260.62 | 1000 | 11800 |
| t3a.medium 1 | 350 | 2085 | 43.75 | 260.62 | 2000 | 11800 |
| t3a.large 1 | 695 | 2780 | 86.88 | 347.50 | 4000 | 15700 |
| t3a.xlarge 1 | 695 | 2780 | 86.88 | 347.50 | 4000 | 15700 |
| t3a.2xlarge 1 | 695 | 2780 | 86.88 | 347.50 | 4000 | 15700 |
| t4g.nano 1 | 43 | 2085 | 5.38 | 260.62 | 250 | 11800 |
| t4g.micro 1 | 87 | 2085 | 10.88 | 260.62 | 500 | 11800 |
| t4g.small 1 | 174 | 2085 | 21.75 | 260.62 | 1000 | 11800 |
| t4g.medium 1 | 347 | 2085 | 43.38 | 260.62 | 2000 | 11800 |
| t4g.large 1 | 695 | 2780 | 86.88 | 347.50 | 4000 | 15700 |
| t4g.xlarge 1 | 695 | 2780 | 86.88 | 347.50 | 4000 | 15700 |
| t4g.2xlarge 1 | 695 | 2780 | 86.88 | 347.50 | 4000 | 15700 |
1 这些实例可以至少每 24 小时维持一次 30 分钟的最大性能，之后会恢复到基线性能。
2 这些实例可以无限期地维持其既定性能。如果工作负载需要在超过 30 分钟的时长内保持最大性能，请选择以下任一实例。
### 计算优化型
**注意**
C8a、C8g、C8gd、C8i、C8id、C8i-flex 实例类型支持可配置的带宽权重。使用这些实例类型，您可以针对网络性能或 Amazon EBS 性能优化实例的带宽。下表显示了这些实例类型的默认 Amazon EBS 带宽性能。有关更多信息，请参阅 [EC2 实例带宽权重配置](configure-bandwidth-weighting.md)。
| 实例大小 | 基准带宽（Mbps） | 最大带宽（Mbps） | 基准吞吐量（MB/s，128 KiB I/O） | 最大吞吐量（MB/s，128 KiB I/O） | 基准 IOPS（16KiB I/O） | 最大 IOPS（16KiB I/O） |
| --- | --- | --- | --- | --- | --- | --- |
| c4.large 2 | 500 | 62.5 | 4000 |
| c4.xlarge 2 | 750 | 93.75 | 6000 |
| c4.2xlarge 2 | 1000 | 125.0 | 8000 |
| c4.4xlarge 2 | 2000 | 250.0 | 16000 |
| c4.8xlarge 2 | 4000 | 500.0 | 32000 |
| c5.large 1 | 650 | 4750 | 81.25 | 593.75 | 4000 | 20000 |
| c5.xlarge 1 | 1150 | 4750 | 143.75 | 593.75 | 6000 | 20000 |
| c5.2xlarge 1 | 2300 | 4750 | 287.50 | 593.75 | 10000 | 20000 |
| c5.4xlarge 2 | 4750 | 593.75 | 20000 |
| c5.9xlarge 2 | 9500 | 1187.5 | 40000 |
| c5.12xlarge 2 | 9500 | 1187.5 | 40000 |
| c5.18xlarge 2 | 19000 | 2375.0 | 80000 |
| c5.24xlarge 2 | 19000 | 2375.0 | 80000 |
| c5.metal 2 | 19000 | 2375.0 | 80000 |
| c5a.large 1 | 200 | 3170 | 25.00 | 396.25 | 800 | 13300 |
| c5a.xlarge 1 | 400 | 3170 | 50.00 | 396.25 | 1600 | 13300 |
| c5a.2xlarge 1 | 800 | 3170 | 100.00 | 396.25 | 3200 | 13300 |
| c5a.4xlarge 1 | 1580 | 3170 | 197.50 | 396.25 | 6600 | 13300 |
| c5a.8xlarge 2 | 3170 | 396.25 | 13300 |
| c5a.12xlarge 2 | 4750 | 593.75 | 20000 |
| c5a.16xlarge 2 | 6300 | 787.5 | 26700 |
| c5a.24xlarge 2 | 9500 | 1187.5 | 40000 |
| c5ad.large 1 | 200 | 3170 | 25.00 | 396.25 | 800 | 13300 |
| c5ad.xlarge 1 | 400 | 3170 | 50.00 | 396.25 | 1600 | 13300 |
| c5ad.2xlarge 1 | 800 | 3170 | 100.00 | 396.25 | 3200 | 13300 |
| c5ad.4xlarge 1 | 1580 | 3170 | 197.50 | 396.25 | 6600 | 13300 |
| c5ad.8xlarge 2 | 3170 | 396.25 | 13300 |
| c5ad.12xlarge 2 | 4750 | 593.75 | 20000 |
| c5ad.16xlarge 2 | 6300 | 787.5 | 26700 |
| c5ad.24xlarge 2 | 9500 | 1187.5 | 40000 |
| c5d.large 1 | 650 | 4750 | 81.25 | 593.75 | 4000 | 20000 |
| c5d.xlarge 1 | 1150 | 4750 | 143.75 | 593.75 | 6000 | 20000 |
| c5d.2xlarge 1 | 2300 | 4750 | 287.50 | 593.75 | 10000 | 20000 |
| c5d.4xlarge 2 | 4750 | 593.75 | 20000 |
| c5d.9xlarge 2 | 9500 | 1187.5 | 40000 |
| c5d.12xlarge 2 | 9500 | 1187.5 | 40000 |
| c5d.18xlarge 2 | 19000 | 2375.0 | 80000 |
| c5d.24xlarge 2 | 19000 | 2375.0 | 80000 |
| c5d.metal 2 | 19000 | 2375.0 | 80000 |
| c5n.large 1 | 650 | 4750 | 81.25 | 593.75 | 4000 | 20000 |
| c5n.xlarge 1 | 1150 | 4750 | 143.75 | 593.75 | 6000 | 20000 |
| c5n.2xlarge 1 | 2300 | 4750 | 287.50 | 593.75 | 10000 | 20000 |
| c5n.4xlarge 2 | 4750 | 593.75 | 20000 |
| c5n.9xlarge 2 | 9500 | 1187.5 | 40000 |
| c5n.18xlarge 2 | 19000 | 2375.0 | 80000 |
| c5n.metal 2 | 19000 | 2375.0 | 80000 |
| c6a.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| c6a.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| c6a.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| c6a.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| c6a.8xlarge 2 | 10000 | 1250.0 | 40000 |
| c6a.12xlarge 2 | 15000 | 1875.0 | 60000 |
| c6a.16xlarge 2 | 20000 | 2500.0 | 80000 |
| c6a.24xlarge 2 | 30000 | 3750.0 | 120000 |
| c6a.32xlarge 2 | 40000 | 5000.0 | 160000 |
| c6a.48xlarge 2 | 40000 | 5000.0 | 240000 |
| c6a.metal 2 | 40000 | 5000.0 | 240000 |
| c6g.medium 1 | 315 | 4750 | 39.38 | 593.75 | 2500 | 20000 |
| c6g.large 1 | 630 | 4750 | 78.75 | 593.75 | 3600 | 20000 |
| c6g.xlarge 1 | 1188 | 4750 | 148.50 | 593.75 | 6000 | 20000 |
| c6g.2xlarge 1 | 2375 | 4750 | 296.88 | 593.75 | 12000 | 20000 |
| c6g.4xlarge 2 | 4750 | 593.75 | 20000 |
| c6g.8xlarge 2 | 9500 | 1187.5 | 40000 |
| c6g.12xlarge 2 | 14250 | 1781.25 | 50000 |
| c6g.16xlarge 2 | 19000 | 2375.0 | 80000 |
| c6g.metal 2 | 19000 | 2375.0 | 80000 |
| c6gd.medium 1 | 315 | 4750 | 39.38 | 593.75 | 2500 | 20000 |
| c6gd.large 1 | 630 | 4750 | 78.75 | 593.75 | 3600 | 20000 |
| c6gd.xlarge 1 | 1188 | 4750 | 148.50 | 593.75 | 6000 | 20000 |
| c6gd.2xlarge 1 | 2375 | 4750 | 296.88 | 593.75 | 12000 | 20000 |
| c6gd.4xlarge 2 | 4750 | 593.75 | 20000 |
| c6gd.8xlarge 2 | 9500 | 1187.5 | 40000 |
| c6gd.12xlarge 2 | 14250 | 1781.25 | 50000 |
| c6gd.16xlarge 2 | 19000 | 2375.0 | 80000 |
| c6gd.metal 2 | 19000 | 2375.0 | 80000 |
| c6gn.medium 1 | 760 | 9500 | 95.00 | 1187.50 | 2500 | 40000 |
| c6gn.large 1 | 1235 | 9500 | 154.38 | 1187.50 | 5000 | 40000 |
| c6gn.xlarge 1 | 2375 | 9500 | 296.88 | 1187.50 | 10000 | 40000 |
| c6gn.2xlarge 1 | 4750 | 9500 | 593.75 | 1187.50 | 20000 | 40000 |
| c6gn.4xlarge 2 | 9500 | 1187.5 | 40000 |
| c6gn.8xlarge 2 | 19000 | 2375.0 | 80000 |
| c6gn.12xlarge 2 | 28500 | 3562.5 | 120000 |
| c6gn.16xlarge 2 | 38000 | 4750.0 | 160000 |
| c6i.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| c6i.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| c6i.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| c6i.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| c6i.8xlarge 2 | 10000 | 1250.0 | 40000 |
| c6i.12xlarge 2 | 15000 | 1875.0 | 60000 |
| c6i.16xlarge 2 | 20000 | 2500.0 | 80000 |
| c6i.24xlarge 2 | 30000 | 3750.0 | 120000 |
| c6i.32xlarge 2 | 40000 | 5000.0 | 160000 |
| c6i.metal 2 | 40000 | 5000.0 | 160000 |
| c6id.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| c6id.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| c6id.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| c6id.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| c6id.8xlarge 2 | 10000 | 1250.0 | 40000 |
| c6id.12xlarge 2 | 15000 | 1875.0 | 60000 |
| c6id.16xlarge 2 | 20000 | 2500.0 | 80000 |
| c6id.24xlarge 2 | 30000 | 3750.0 | 120000 |
| c6id.32xlarge 2 | 40000 | 5000.0 | 160000 |
| c6id.metal 2 | 40000 | 5000.0 | 160000 |
| c6in.large 1 | 1562 | 25000 | 195.31 | 3125.00 | 6250 | 100000 |
| c6in.xlarge 1 | 3125 | 25000 | 390.62 | 3125.00 | 12500 | 100000 |
| c6in.2xlarge 1 | 6250 | 25000 | 781.25 | 3125.00 | 25000 | 100000 |
| c6in.4xlarge 1 | 12500 | 25000 | 1562.50 | 3125.00 | 50000 | 100000 |
| c6in.8xlarge 2 | 25000 | 3125.0 | 100000 |
| c6in.12xlarge 2 | 37500 | 4687.5 | 150000 |
| c6in.16xlarge 2 | 50000 | 6250.0 | 200000 |
| c6in.24xlarge 2 | 75000 | 9375.0 | 300000 |
| c6in.32xlarge 2 | 100000 | 12500.0 | 400000 |
| c6in.metal 2 | 100000 | 12500.0 | 400000 |
| c7a.medium 1 | 325 | 10000 | 40.62 | 1250.00 | 2500 | 40000 |
| c7a.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| c7a.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| c7a.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| c7a.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| c7a.8xlarge 2 | 10000 | 1250.0 | 40000 |
| c7a.12xlarge 2 | 15000 | 1875.0 | 60000 |
| c7a.16xlarge 2 | 20000 | 2500.0 | 80000 |
| c7a.24xlarge 2 | 30000 | 3750.0 | 120000 |
| c7a.32xlarge 2 | 40000 | 5000.0 | 160000 |
| c7a.48xlarge 2 | 40000 | 5000.0 | 240000 |
| c7a.metal-48xl 2 | 40000 | 5000.0 | 240000 |
| c7g.medium 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| c7g.large 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| c7g.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| c7g.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| c7g.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| c7g.8xlarge 2 | 10000 | 1250.0 | 40000 |
| c7g.12xlarge 2 | 15000 | 1875.0 | 60000 |
| c7g.16xlarge 2 | 20000 | 2500.0 | 80000 |
| c7g.metal 2 | 20000 | 2500.0 | 80000 |
| c7gd.medium 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| c7gd.large 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| c7gd.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| c7gd.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| c7gd.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| c7gd.8xlarge 2 | 10000 | 1250.0 | 40000 |
| c7gd.12xlarge 2 | 15000 | 1875.0 | 60000 |
| c7gd.16xlarge 2 | 20000 | 2500.0 | 80000 |
| c7gd.metal 2 | 20000 | 2500.0 | 80000 |
| c7gn.medium 1 | 521 | 10000 | 65.12 | 1250.00 | 2083 | 40000 |
| c7gn.large 1 | 1042 | 10000 | 130.25 | 1250.00 | 4167 | 40000 |
| c7gn.xlarge 1 | 2083 | 10000 | 260.38 | 1250.00 | 8333 | 40000 |
| c7gn.2xlarge 1 | 4167 | 10000 | 520.88 | 1250.00 | 16667 | 40000 |
| c7gn.4xlarge 1 | 8333 | 10000 | 1041.62 | 1250.00 | 33333 | 40000 |
| c7gn.8xlarge 1 | 16667 | 20000 | 2083.38 | 2500.00 | 66667 | 80000 |
| c7gn.12xlarge 1 | 25000 | 30000 | 3125.00 | 3750.00 | 100000 | 120000 |
| c7gn.16xlarge 1 | 33333 | 40000 | 4166.62 | 5000.00 | 133333 | 160000 |
| c7gn.metal 1 | 33333 | 40000 | 4166.62 | 5000.00 | 133333 | 160000 |
| c7i.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| c7i.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| c7i.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| c7i.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| c7i.8xlarge 2 | 10000 | 1250.0 | 40000 |
| c7i.12xlarge 2 | 15000 | 1875.0 | 60000 |
| c7i.16xlarge 2 | 20000 | 2500.0 | 80000 |
| c7i.24xlarge 2 | 30000 | 3750.0 | 120000 |
| c7i.48xlarge 2 | 40000 | 5000.0 | 240000 |
| c7i.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| c7i.metal-48xl 2 | 40000 | 5000.0 | 240000 |
| c7i-flex.large 1 | 312 | 10000 | 39.06 | 1250.00 | 2500 | 40000 |
| c7i-flex.xlarge 1 | 625 | 10000 | 78.12 | 1250.00 | 3600 | 40000 |
| c7i-flex.2xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| c7i-flex.4xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| c7i-flex.8xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| c7i-flex.12xlarge 1 | 7500 | 15000 | 937.50 | 1875.00 | 30000 | 60000 |
| c7i-flex.16xlarge 1 | 10000 | 20000 | 1250.00 | 2500.00 | 40000 | 80000 |
| c8a.medium 1 | 325 | 10000 | 40.62 | 1250.00 | 2500 | 40000 |
| c8a.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| c8a.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| c8a.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| c8a.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| c8a.8xlarge 2 | 10000 | 1250.0 | 40000 |
| c8a.12xlarge 2 | 15000 | 1875.0 | 60000 |
| c8a.16xlarge 2 | 20000 | 2500.0 | 80000 |
| c8a.24xlarge 2 | 30000 | 3750.0 | 120000 |
| c8a.48xlarge 2 | 60000 | 7500.0 | 240000 |
| c8a.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| c8a.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| c8g.medium 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| c8g.large 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| c8g.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| c8g.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| c8g.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| c8g.8xlarge 2 | 10000 | 1250.0 | 40000 |
| c8g.12xlarge 2 | 15000 | 1875.0 | 60000 |
| c8g.16xlarge 2 | 20000 | 2500.0 | 80000 |
| c8g.24xlarge 2 | 30000 | 3750.0 | 120000 |
| c8g.48xlarge 2 | 40000 | 5000.0 | 240000 |
| c8g.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| c8g.metal-48xl 2 | 40000 | 5000.0 | 240000 |
| c8gb.medium 1 | 1562 | 25000 | 195.31 | 3125.00 | 7500 | 120000 |
| c8gb.large 1 | 3125 | 25000 | 390.62 | 3125.00 | 15000 | 120000 |
| c8gb.xlarge 1 | 6250 | 25000 | 781.25 | 3125.00 | 30000 | 120000 |
| c8gb.2xlarge 1 | 12500 | 25000 | 1562.50 | 3125.00 | 60000 | 120000 |
| c8gb.4xlarge 2 | 25000 | 3125.0 | 120000 |
| c8gb.8xlarge 2 | 50000 | 6250.0 | 240000 |
| c8gb.12xlarge 2 | 75000 | 9375.0 | 360000 |
| c8gb.16xlarge 2 | 100000 | 12500.0 | 480000 |
| c8gb.24xlarge 2 | 150000 | 18750.0 | 720000 |
| c8gb.48xlarge 2 | 300000 | 37500.0 | 1440000 |
| c8gb.metal-24xl 2 | 150000 | 18750.0 | 720000 |
| c8gb.metal-48xl 2 | 300000 | 37500.0 | 1440000 |
| c8gd.medium 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| c8gd.large 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| c8gd.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| c8gd.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| c8gd.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| c8gd.8xlarge 2 | 10000 | 1250.0 | 40000 |
| c8gd.12xlarge 2 | 15000 | 1875.0 | 60000 |
| c8gd.16xlarge 2 | 20000 | 2500.0 | 80000 |
| c8gd.24xlarge 2 | 30000 | 3750.0 | 120000 |
| c8gd.48xlarge 2 | 40000 | 5000.0 | 240000 |
| c8gd.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| c8gd.metal-48xl 2 | 40000 | 5000.0 | 240000 |
| c8gn.medium 1 | 760 | 10000 | 95.00 | 1250.00 | 2500 | 40000 |
| c8gn.large 1 | 1250 | 10000 | 156.25 | 1250.00 | 5000 | 40000 |
| c8gn.xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 10000 | 40000 |
| c8gn.2xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| c8gn.4xlarge 2 | 10000 | 1250.0 | 40000 |
| c8gn.8xlarge 2 | 20000 | 2500.0 | 80000 |
| c8gn.12xlarge 2 | 30000 | 3750.0 | 120000 |
| c8gn.16xlarge 2 | 40000 | 5000.0 | 160000 |
| c8gn.24xlarge 2 | 60000 | 7500.0 | 240000 |
| c8gn.48xlarge 2 | 60000 | 7500.0 | 240000 |
| c8gn.metal-24xl 2 | 60000 | 7500.0 | 240000 |
| c8gn.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| c8i.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| c8i.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| c8i.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| c8i.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| c8i.8xlarge 2 | 10000 | 1250.0 | 40000 |
| c8i.12xlarge 2 | 15000 | 1875.0 | 60000 |
| c8i.16xlarge 2 | 20000 | 2500.0 | 80000 |
| c8i.24xlarge 2 | 30000 | 3750.0 | 120000 |
| c8i.32xlarge 2 | 40000 | 5000.0 | 160000 |
| c8i.48xlarge 2 | 60000 | 7500.0 | 240000 |
| c8i.96xlarge 2 | 80000 | 10000.0 | 480000 |
| c8i.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| c8i.metal-96xl 2 | 80000 | 10000.0 | 480000 |
| c8id.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| c8id.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| c8id.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| c8id.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| c8id.8xlarge 2 | 10000 | 1250.0 | 40000 |
| c8id.12xlarge 2 | 15000 | 1875.0 | 60000 |
| c8id.16xlarge 2 | 20000 | 2500.0 | 80000 |
| c8id.24xlarge 2 | 30000 | 3750.0 | 120000 |
| c8id.32xlarge 2 | 40000 | 5000.0 | 160000 |
| c8id.48xlarge 2 | 60000 | 7500.0 | 240000 |
| c8id.96xlarge 2 | 80000 | 10000.0 | 480000 |
| c8id.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| c8id.metal-96xl 2 | 80000 | 10000.0 | 480000 |
| c8i-flex.large 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| c8i-flex.xlarge 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| c8i-flex.2xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| c8i-flex.4xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| c8i-flex.8xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| c8i-flex.12xlarge 1 | 7500 | 15000 | 937.50 | 1875.00 | 30000 | 60000 |
| c8i-flex.16xlarge 1 | 10000 | 20000 | 1250.00 | 2500.00 | 40000 | 80000 |
1 这些实例可以至少每 24 小时维持一次 30 分钟的最大性能，之后会恢复到基线性能。
2 这些实例可以无限期地维持其既定性能。如果工作负载需要在超过 30 分钟的时长内保持最大性能，请选择以下任一实例。
### 内存优化型
**注意**
R8a、R8g、R8gd、R8i、R8id、R8i-flex、X8g、X8aedz、X8i 实例类型支持可配置的带宽权重。使用这些实例类型，您可以针对网络性能或 Amazon EBS 性能优化实例的带宽。下表显示了这些实例类型的默认 Amazon EBS 带宽性能。有关更多信息，请参阅 [EC2 实例带宽权重配置](configure-bandwidth-weighting.md)。
为了实现 U7i 实例的最佳 IOPS 性能，我们建议使用 io2 BlockExpress 卷。
| 实例大小 | 基准带宽（Mbps） | 最大带宽（Mbps） | 基准吞吐量（MB/s，128 KiB I/O） | 最大吞吐量（MB/s，128 KiB I/O） | 基准 IOPS（16KiB I/O） | 最大 IOPS（16KiB I/O） |
| --- | --- | --- | --- | --- | --- | --- |
| r4.large 2 | 425 | 53.125 | 3000 |
| r4.xlarge 2 | 850 | 106.25 | 6000 |
| r4.2xlarge 2 | 1700 | 212.5 | 12000 |
| r4.4xlarge 2 | 3500 | 437.5 | 18750 |
| r4.8xlarge 2 | 7000 | 875.0 | 37500 |
| r4.16xlarge 2 | 14000 | 1750.0 | 75000 |
| r5.large 1 | 650 | 4750 | 81.25 | 593.75 | 3600 | 18750 |
| r5.xlarge 1 | 1150 | 4750 | 143.75 | 593.75 | 6000 | 18750 |
| r5.2xlarge 1 | 2300 | 4750 | 287.50 | 593.75 | 12000 | 18750 |
| r5.4xlarge 2 | 4750 | 593.75 | 18750 |
| r5.8xlarge 2 | 6800 | 850.0 | 30000 |
| r5.12xlarge 2 | 9500 | 1187.5 | 40000 |
| r5.16xlarge 2 | 13600 | 1700.0 | 60000 |
| r5.24xlarge 2 | 19000 | 2375.0 | 80000 |
| r5.metal 2 | 19000 | 2375.0 | 80000 |
| r5a.large 1 | 650 | 2880 | 81.25 | 360.00 | 3600 | 16000 |
| r5a.xlarge 1 | 1085 | 2880 | 135.62 | 360.00 | 6000 | 16000 |
| r5a.2xlarge 1 | 1580 | 2880 | 197.50 | 360.00 | 8333 | 16000 |
| r5a.4xlarge 2 | 2880 | 360.0 | 16000 |
| r5a.8xlarge 2 | 4750 | 593.75 | 20000 |
| r5a.12xlarge 2 | 6780 | 847.5 | 30000 |
| r5a.16xlarge 2 | 9500 | 1187.5 | 40000 |
| r5a.24xlarge 2 | 13570 | 1696.25 | 60000 |
| r5ad.large 1 | 650 | 2880 | 81.25 | 360.00 | 3600 | 16000 |
| r5ad.xlarge 1 | 1085 | 2880 | 135.62 | 360.00 | 6000 | 16000 |
| r5ad.2xlarge 1 | 1580 | 2880 | 197.50 | 360.00 | 8333 | 16000 |
| r5ad.4xlarge 2 | 2880 | 360.0 | 16000 |
| r5ad.8xlarge 2 | 4750 | 593.75 | 20000 |
| r5ad.12xlarge 2 | 6780 | 847.5 | 30000 |
| r5ad.16xlarge 2 | 9500 | 1187.5 | 40000 |
| r5ad.24xlarge 2 | 13570 | 1696.25 | 60000 |
| r5b.large 1 | 1250 | 10000 | 156.25 | 1250.00 | 5417 | 43333 |
| r5b.xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 10833 | 43333 |
| r5b.2xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 21667 | 43333 |
| r5b.4xlarge 2 | 10000 | 1250.0 | 43333 |
| r5b.8xlarge 2 | 20000 | 2500.0 | 86667 |
| r5b.12xlarge 2 | 30000 | 3750.0 | 130000 |
| r5b.16xlarge 2 | 40000 | 5000.0 | 173333 |
| r5b.24xlarge 2 | 60000 | 7500.0 | 260000 |
| r5b.metal 2 | 60000 | 7500.0 | 260000 |
| r5d.large 1 | 650 | 4750 | 81.25 | 593.75 | 3600 | 18750 |
| r5d.xlarge 1 | 1150 | 4750 | 143.75 | 593.75 | 6000 | 18750 |
| r5d.2xlarge 1 | 2300 | 4750 | 287.50 | 593.75 | 12000 | 18750 |
| r5d.4xlarge 2 | 4750 | 593.75 | 18750 |
| r5d.8xlarge 2 | 6800 | 850.0 | 30000 |
| r5d.12xlarge 2 | 9500 | 1187.5 | 40000 |
| r5d.16xlarge 2 | 13600 | 1700.0 | 60000 |
| r5d.24xlarge 2 | 19000 | 2375.0 | 80000 |
| r5d.metal 2 | 19000 | 2375.0 | 80000 |
| r5dn.large 1 | 650 | 4750 | 81.25 | 593.75 | 3600 | 18750 |
| r5dn.xlarge 1 | 1150 | 4750 | 143.75 | 593.75 | 6000 | 18750 |
| r5dn.2xlarge 1 | 2300 | 4750 | 287.50 | 593.75 | 12000 | 18750 |
| r5dn.4xlarge 2 | 4750 | 593.75 | 18750 |
| r5dn.8xlarge 2 | 6800 | 850.0 | 30000 |
| r5dn.12xlarge 2 | 9500 | 1187.5 | 40000 |
| r5dn.16xlarge 2 | 13600 | 1700.0 | 60000 |
| r5dn.24xlarge 2 | 19000 | 2375.0 | 80000 |
| r5dn.metal 2 | 19000 | 2375.0 | 80000 |
| r5n.large 1 | 650 | 4750 | 81.25 | 593.75 | 3600 | 18750 |
| r5n.xlarge 1 | 1150 | 4750 | 143.75 | 593.75 | 6000 | 18750 |
| r5n.2xlarge 1 | 2300 | 4750 | 287.50 | 593.75 | 12000 | 18750 |
| r5n.4xlarge 2 | 4750 | 593.75 | 18750 |
| r5n.8xlarge 2 | 6800 | 850.0 | 30000 |
| r5n.12xlarge 2 | 9500 | 1187.5 | 40000 |
| r5n.16xlarge 2 | 13600 | 1700.0 | 60000 |
| r5n.24xlarge 2 | 19000 | 2375.0 | 80000 |
| r5n.metal 2 | 19000 | 2375.0 | 80000 |
| r6a.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| r6a.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| r6a.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| r6a.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| r6a.8xlarge 2 | 10000 | 1250.0 | 40000 |
| r6a.12xlarge 2 | 15000 | 1875.0 | 60000 |
| r6a.16xlarge 2 | 20000 | 2500.0 | 80000 |
| r6a.24xlarge 2 | 30000 | 3750.0 | 120000 |
| r6a.32xlarge 2 | 40000 | 5000.0 | 160000 |
| r6a.48xlarge 2 | 40000 | 5000.0 | 240000 |
| r6a.metal 2 | 40000 | 5000.0 | 240000 |
| r6g.medium 1 | 315 | 4750 | 39.38 | 593.75 | 2500 | 20000 |
| r6g.large 1 | 630 | 4750 | 78.75 | 593.75 | 3600 | 20000 |
| r6g.xlarge 1 | 1188 | 4750 | 148.50 | 593.75 | 6000 | 20000 |
| r6g.2xlarge 1 | 2375 | 4750 | 296.88 | 593.75 | 12000 | 20000 |
| r6g.4xlarge 2 | 4750 | 593.75 | 20000 |
| r6g.8xlarge 2 | 9500 | 1187.5 | 40000 |
| r6g.12xlarge 2 | 14250 | 1781.25 | 50000 |
| r6g.16xlarge 2 | 19000 | 2375.0 | 80000 |
| r6g.metal 2 | 19000 | 2375.0 | 80000 |
| r6gd.medium 1 | 315 | 4750 | 39.38 | 593.75 | 2500 | 20000 |
| r6gd.large 1 | 630 | 4750 | 78.75 | 593.75 | 3600 | 20000 |
| r6gd.xlarge 1 | 1188 | 4750 | 148.50 | 593.75 | 6000 | 20000 |
| r6gd.2xlarge 1 | 2375 | 4750 | 296.88 | 593.75 | 12000 | 20000 |
| r6gd.4xlarge 2 | 4750 | 593.75 | 20000 |
| r6gd.8xlarge 2 | 9500 | 1187.5 | 40000 |
| r6gd.12xlarge 2 | 14250 | 1781.25 | 50000 |
| r6gd.16xlarge 2 | 19000 | 2375.0 | 80000 |
| r6gd.metal 2 | 19000 | 2375.0 | 80000 |
| r6i.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| r6i.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| r6i.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| r6i.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| r6i.8xlarge 2 | 10000 | 1250.0 | 40000 |
| r6i.12xlarge 2 | 15000 | 1875.0 | 60000 |
| r6i.16xlarge 2 | 20000 | 2500.0 | 80000 |
| r6i.24xlarge 2 | 30000 | 3750.0 | 120000 |
| r6i.32xlarge 2 | 40000 | 5000.0 | 160000 |
| r6i.metal 2 | 40000 | 5000.0 | 160000 |
| r6id.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| r6id.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| r6id.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| r6id.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| r6id.8xlarge 2 | 10000 | 1250.0 | 40000 |
| r6id.12xlarge 2 | 15000 | 1875.0 | 60000 |
| r6id.16xlarge 2 | 20000 | 2500.0 | 80000 |
| r6id.24xlarge 2 | 30000 | 3750.0 | 120000 |
| r6id.32xlarge 2 | 40000 | 5000.0 | 160000 |
| r6id.metal 2 | 40000 | 5000.0 | 160000 |
| r6idn.large 1 | 1562 | 25000 | 195.31 | 3125.00 | 6250 | 100000 |
| r6idn.xlarge 1 | 3125 | 25000 | 390.62 | 3125.00 | 12500 | 100000 |
| r6idn.2xlarge 1 | 6250 | 25000 | 781.25 | 3125.00 | 25000 | 100000 |
| r6idn.4xlarge 1 | 12500 | 25000 | 1562.50 | 3125.00 | 50000 | 100000 |
| r6idn.8xlarge 2 | 25000 | 3125.0 | 100000 |
| r6idn.12xlarge 2 | 37500 | 4687.5 | 150000 |
| r6idn.16xlarge 2 | 50000 | 6250.0 | 200000 |
| r6idn.24xlarge 2 | 75000 | 9375.0 | 300000 |
| r6idn.32xlarge 2 | 100000 | 12500.0 | 400000 |
| r6idn.metal 2 | 100000 | 12500.0 | 400000 |
| r6in.large 1 | 1562 | 25000 | 195.31 | 3125.00 | 6250 | 100000 |
| r6in.xlarge 1 | 3125 | 25000 | 390.62 | 3125.00 | 12500 | 100000 |
| r6in.2xlarge 1 | 6250 | 25000 | 781.25 | 3125.00 | 25000 | 100000 |
| r6in.4xlarge 1 | 12500 | 25000 | 1562.50 | 3125.00 | 50000 | 100000 |
| r6in.8xlarge 2 | 25000 | 3125.0 | 100000 |
| r6in.12xlarge 2 | 37500 | 4687.5 | 150000 |
| r6in.16xlarge 2 | 50000 | 6250.0 | 200000 |
| r6in.24xlarge 2 | 75000 | 9375.0 | 300000 |
| r6in.32xlarge 2 | 100000 | 12500.0 | 400000 |
| r6in.metal 2 | 100000 | 12500.0 | 400000 |
| r7a.medium 1 | 325 | 10000 | 40.62 | 1250.00 | 2500 | 40000 |
| r7a.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| r7a.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| r7a.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| r7a.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| r7a.8xlarge 2 | 10000 | 1250.0 | 40000 |
| r7a.12xlarge 2 | 15000 | 1875.0 | 60000 |
| r7a.16xlarge 2 | 20000 | 2500.0 | 80000 |
| r7a.24xlarge 2 | 30000 | 3750.0 | 120000 |
| r7a.32xlarge 2 | 40000 | 5000.0 | 160000 |
| r7a.48xlarge 2 | 40000 | 5000.0 | 240000 |
| r7a.metal-48xl 2 | 40000 | 5000.0 | 240000 |
| r7g.medium 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| r7g.large 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| r7g.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| r7g.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| r7g.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| r7g.8xlarge 2 | 10000 | 1250.0 | 40000 |
| r7g.12xlarge 2 | 15000 | 1875.0 | 60000 |
| r7g.16xlarge 2 | 20000 | 2500.0 | 80000 |
| r7g.metal 2 | 20000 | 2500.0 | 80000 |
| r7gd.medium 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| r7gd.large 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| r7gd.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| r7gd.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| r7gd.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| r7gd.8xlarge 2 | 10000 | 1250.0 | 40000 |
| r7gd.12xlarge 2 | 15000 | 1875.0 | 60000 |
| r7gd.16xlarge 2 | 20000 | 2500.0 | 80000 |
| r7gd.metal 2 | 20000 | 2500.0 | 80000 |
| r7i.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| r7i.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| r7i.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| r7i.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| r7i.8xlarge 2 | 10000 | 1250.0 | 40000 |
| r7i.12xlarge 2 | 15000 | 1875.0 | 60000 |
| r7i.16xlarge 2 | 20000 | 2500.0 | 80000 |
| r7i.24xlarge 2 | 30000 | 3750.0 | 120000 |
| r7i.48xlarge 2 | 40000 | 5000.0 | 240000 |
| r7i.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| r7i.metal-48xl 2 | 40000 | 5000.0 | 240000 |
| r7iz.large 1 | 792 | 10000 | 99.00 | 1250.00 | 3600 | 40000 |
| r7iz.xlarge 1 | 1584 | 10000 | 198.00 | 1250.00 | 6667 | 40000 |
| r7iz.2xlarge 1 | 3168 | 10000 | 396.00 | 1250.00 | 13333 | 40000 |
| r7iz.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| r7iz.8xlarge 2 | 10000 | 1250.0 | 40000 |
| r7iz.12xlarge 2 | 19000 | 2375.0 | 76000 |
| r7iz.16xlarge 2 | 20000 | 2500.0 | 80000 |
| r7iz.32xlarge 2 | 40000 | 5000.0 | 160000 |
| r7iz.metal-16xl 2 | 20000 | 2500.0 | 80000 |
| r7iz.metal-32xl 2 | 40000 | 5000.0 | 160000 |
| r8a.medium 1 | 325 | 10000 | 40.62 | 1250.00 | 2500 | 40000 |
| r8a.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| r8a.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| r8a.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| r8a.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| r8a.8xlarge 2 | 10000 | 1250.0 | 40000 |
| r8a.12xlarge 2 | 15000 | 1875.0 | 60000 |
| r8a.16xlarge 2 | 20000 | 2500.0 | 80000 |
| r8a.24xlarge 2 | 30000 | 3750.0 | 120000 |
| r8a.48xlarge 2 | 60000 | 7500.0 | 240000 |
| r8a.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| r8a.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| r8g.medium 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| r8g.large 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| r8g.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| r8g.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| r8g.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| r8g.8xlarge 2 | 10000 | 1250.0 | 40000 |
| r8g.12xlarge 2 | 15000 | 1875.0 | 60000 |
| r8g.16xlarge 2 | 20000 | 2500.0 | 80000 |
| r8g.24xlarge 2 | 30000 | 3750.0 | 120000 |
| r8g.48xlarge 2 | 40000 | 5000.0 | 240000 |
| r8g.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| r8g.metal-48xl 2 | 40000 | 5000.0 | 240000 |
| r8gb.medium 1 | 1562 | 25000 | 195.31 | 3125.00 | 7500 | 120000 |
| r8gb.large 1 | 3125 | 25000 | 390.62 | 3125.00 | 15000 | 120000 |
| r8gb.xlarge 1 | 6250 | 25000 | 781.25 | 3125.00 | 30000 | 120000 |
| r8gb.2xlarge 1 | 12500 | 25000 | 1562.50 | 3125.00 | 60000 | 120000 |
| r8gb.4xlarge 2 | 25000 | 3125.0 | 120000 |
| r8gb.8xlarge 2 | 50000 | 6250.0 | 240000 |
| r8gb.12xlarge 2 | 75000 | 9375.0 | 360000 |
| r8gb.16xlarge 2 | 100000 | 12500.0 | 480000 |
| r8gb.24xlarge 2 | 150000 | 18750.0 | 720000 |
| r8gb.48xlarge 2 | 300000 | 37500.0 | 1440000 |
| r8gb.metal-24xl 2 | 150000 | 18750.0 | 720000 |
| r8gb.metal-48xl 2 | 300000 | 37500.0 | 1440000 |
| r8gd.medium 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| r8gd.large 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| r8gd.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| r8gd.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| r8gd.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| r8gd.8xlarge 2 | 10000 | 1250.0 | 40000 |
| r8gd.12xlarge 2 | 15000 | 1875.0 | 60000 |
| r8gd.16xlarge 2 | 20000 | 2500.0 | 80000 |
| r8gd.24xlarge 2 | 30000 | 3750.0 | 120000 |
| r8gd.48xlarge 2 | 40000 | 5000.0 | 240000 |
| r8gd.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| r8gd.metal-48xl 2 | 40000 | 5000.0 | 240000 |
| r8gn.medium 1 | 760 | 10000 | 95.00 | 1250.00 | 2500 | 40000 |
| r8gn.large 1 | 1250 | 10000 | 156.25 | 1250.00 | 5000 | 40000 |
| r8gn.xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 10000 | 40000 |
| r8gn.2xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| r8gn.4xlarge 2 | 10000 | 1250.0 | 40000 |
| r8gn.8xlarge 2 | 20000 | 2500.0 | 80000 |
| r8gn.12xlarge 2 | 30000 | 3750.0 | 120000 |
| r8gn.16xlarge 2 | 40000 | 5000.0 | 160000 |
| r8gn.24xlarge 2 | 60000 | 7500.0 | 240000 |
| r8gn.48xlarge 2 | 60000 | 7500.0 | 240000 |
| r8gn.metal-24xl 2 | 60000 | 7500.0 | 240000 |
| r8gn.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| r8i.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| r8i.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| r8i.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| r8i.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| r8i.8xlarge 2 | 10000 | 1250.0 | 40000 |
| r8i.12xlarge 2 | 15000 | 1875.0 | 60000 |
| r8i.16xlarge 2 | 20000 | 2500.0 | 80000 |
| r8i.24xlarge 2 | 30000 | 3750.0 | 120000 |
| r8i.32xlarge 2 | 40000 | 5000.0 | 160000 |
| r8i.48xlarge 2 | 60000 | 7500.0 | 240000 |
| r8i.96xlarge 2 | 80000 | 10000.0 | 480000 |
| r8i.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| r8i.metal-96xl 2 | 80000 | 10000.0 | 480000 |
| r8id.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| r8id.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| r8id.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| r8id.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| r8id.8xlarge 2 | 10000 | 1250.0 | 40000 |
| r8id.12xlarge 2 | 15000 | 1875.0 | 60000 |
| r8id.16xlarge 2 | 20000 | 2500.0 | 80000 |
| r8id.24xlarge 2 | 30000 | 3750.0 | 120000 |
| r8id.32xlarge 2 | 40000 | 5000.0 | 160000 |
| r8id.48xlarge 2 | 60000 | 7500.0 | 240000 |
| r8id.96xlarge 2 | 80000 | 10000.0 | 480000 |
| r8id.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| r8id.metal-96xl 2 | 80000 | 10000.0 | 480000 |
| r8i-flex.large 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| r8i-flex.xlarge 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| r8i-flex.2xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| r8i-flex.4xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| r8i-flex.8xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| r8i-flex.12xlarge 1 | 7500 | 15000 | 937.50 | 1875.00 | 30000 | 60000 |
| r8i-flex.16xlarge 1 | 10000 | 20000 | 1250.00 | 2500.00 | 40000 | 80000 |
| u-3tb1.56xlarge 2 | 19000 | 2375.0 | 80000 |
| u-6tb1.56xlarge 2 | 38000 | 4750.0 | 160000 |
| u-6tb1.112xlarge 2 | 38000 | 4750.0 | 160000 |
| u-6tb1.metal 2 | 38000 | 4750.0 | 160000 |
| u-9tb1.112xlarge 2 | 38000 | 4750.0 | 160000 |
| u-9tb1.metal 2 | 38000 | 4750.0 | 160000 |
| u-12tb1.112xlarge 2 | 38000 | 4750.0 | 160000 |
| u-12tb1.metal 2 | 38000 | 4750.0 | 160000 |
| u-18tb1.112xlarge 2 | 38000 | 4750.0 | 160000 |
| u-18tb1.metal 2 | 38000 | 4750.0 | 160000 |
| u-24tb1.112xlarge 2 | 38000 | 4750.0 | 160000 |
| u-24tb1.metal 2 | 38000 | 4750.0 | 160000 |
| u7i-6tb.112xlarge 2 | 100000 | 12500.0 | 560000 |
| u7i-8tb.112xlarge 2 | 100000 | 12500.0 | 560000 |
| u7i-12tb.224xlarge 2 | 100000 | 12500.0 | 560000 |
| u7in-16tb.224xlarge 2 | 100000 | 12500.0 | 560000 |
| u7in-24tb.224xlarge 2 | 100000 | 12500.0 | 560000 |
| u7in-32tb.224xlarge 2 | 100000 | 12500.0 | 560000 |
| u7inh-32tb.480xlarge 2 | 160000 | 20000.0 | 840000 |
| x1.16xlarge 2 | 7000 | 875.0 | 40000 |
| x1.32xlarge 2 | 14000 | 1750.0 | 80000 |
| x1e.xlarge 2 | 500 | 62.5 | 3700 |
| x1e.2xlarge 2 | 1000 | 125.0 | 7400 |
| x1e.4xlarge 2 | 1750 | 218.75 | 10000 |
| x1e.8xlarge 2 | 3500 | 437.5 | 20000 |
| x1e.16xlarge 2 | 7000 | 875.0 | 40000 |
| x1e.32xlarge 2 | 14000 | 1750.0 | 80000 |
| x2gd.medium 1 | 315 | 4750 | 39.38 | 593.75 | 2500 | 20000 |
| x2gd.large 1 | 630 | 4750 | 78.75 | 593.75 | 3600 | 20000 |
| x2gd.xlarge 1 | 1188 | 4750 | 148.50 | 593.75 | 6000 | 20000 |
| x2gd.2xlarge 1 | 2375 | 4750 | 296.88 | 593.75 | 12000 | 20000 |
| x2gd.4xlarge 2 | 4750 | 593.75 | 20000 |
| x2gd.8xlarge 2 | 9500 | 1187.5 | 40000 |
| x2gd.12xlarge 2 | 14250 | 1781.25 | 60000 |
| x2gd.16xlarge 2 | 19000 | 2375.0 | 80000 |
| x2gd.metal 2 | 19000 | 2375.0 | 80000 |
| x2idn.16xlarge 2 | 40000 | 5000.0 | 173333 |
| x2idn.24xlarge 2 | 60000 | 7500.0 | 260000 |
| x2idn.32xlarge 2 | 80000 | 10000.0 | 260000 |
| x2idn.metal 2 | 80000 | 10000.0 | 260000 |
| x2iedn.xlarge 1 | 2500 | 20000 | 312.50 | 2500.00 | 8125 | 65000 |
| x2iedn.2xlarge 1 | 5000 | 20000 | 625.00 | 2500.00 | 16250 | 65000 |
| x2iedn.4xlarge 1 | 10000 | 20000 | 1250.00 | 2500.00 | 32500 | 65000 |
| x2iedn.8xlarge 2 | 20000 | 2500.0 | 65000 |
| x2iedn.16xlarge 2 | 40000 | 5000.0 | 130000 |
| x2iedn.24xlarge 2 | 60000 | 7500.0 | 195000 |
| x2iedn.32xlarge 2 | 80000 | 10000.0 | 260000 |
| x2iedn.metal 2 | 80000 | 10000.0 | 260000 |
| x2iezn.2xlarge 2 | 3170 | 396.25 | 13333 |
| x2iezn.4xlarge 2 | 4750 | 593.75 | 20000 |
| x2iezn.6xlarge 2 | 9500 | 1187.5 | 40000 |
| x2iezn.8xlarge 2 | 12000 | 1500.0 | 55000 |
| x2iezn.12xlarge 2 | 19000 | 2375.0 | 80000 |
| x2iezn.metal 2 | 19000 | 2375.0 | 80000 |
| x8g.medium 1 | 315 | 10000 | 39.38 | 1250.00 | 2500 | 40000 |
| x8g.large 1 | 630 | 10000 | 78.75 | 1250.00 | 3600 | 40000 |
| x8g.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| x8g.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| x8g.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| x8g.8xlarge 2 | 10000 | 1250.0 | 40000 |
| x8g.12xlarge 2 | 15000 | 1875.0 | 60000 |
| x8g.16xlarge 2 | 20000 | 2500.0 | 80000 |
| x8g.24xlarge 2 | 30000 | 3750.0 | 120000 |
| x8g.48xlarge 2 | 40000 | 5000.0 | 240000 |
| x8g.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| x8g.metal-48xl 2 | 40000 | 5000.0 | 240000 |
| x8aedz.large 1 | 1250 | 15000 | 156.25 | 1875.00 | 5000 | 60000 |
| x8aedz.xlarge 1 | 2500 | 15000 | 312.50 | 1875.00 | 10000 | 60000 |
| x8aedz.3xlarge 1 | 7500 | 15000 | 937.50 | 1875.00 | 30000 | 60000 |
| x8aedz.6xlarge 2 | 15000 | 1875.0 | 60000 |
| x8aedz.12xlarge 2 | 30000 | 3750.0 | 120000 |
| x8aedz.24xlarge 2 | 60000 | 7500.0 | 240000 |
| x8aedz.metal-12xl 2 | 30000 | 3750.0 | 120000 |
| x8aedz.metal-24xl 2 | 60000 | 7500.0 | 240000 |
| x8i.large 1 | 650 | 10000 | 81.25 | 1250.00 | 3600 | 40000 |
| x8i.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| x8i.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 12000 | 40000 |
| x8i.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| x8i.8xlarge 2 | 10000 | 1250.0 | 40000 |
| x8i.12xlarge 2 | 15000 | 1875.0 | 60000 |
| x8i.16xlarge 2 | 20000 | 2500.0 | 80000 |
| x8i.24xlarge 2 | 30000 | 3750.0 | 120000 |
| x8i.32xlarge 2 | 40000 | 5000.0 | 160000 |
| x8i.48xlarge 2 | 60000 | 7500.0 | 240000 |
| x8i.64xlarge 2 | 70000 | 8750.0 | 320000 |
| x8i.96xlarge 2 | 80000 | 10000.0 | 480000 |
| x8i.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| x8i.metal-96xl 2 | 80000 | 10000.0 | 480000 |
| z1d.large 1 | 800 | 3170 | 100.00 | 396.25 | 3333 | 13333 |
| z1d.xlarge 1 | 1580 | 3170 | 197.50 | 396.25 | 6667 | 13333 |
| z1d.2xlarge 2 | 3170 | 396.25 | 13333 |
| z1d.3xlarge 2 | 4750 | 593.75 | 20000 |
| z1d.6xlarge 2 | 9500 | 1187.5 | 40000 |
| z1d.12xlarge 2 | 19000 | 2375.0 | 80000 |
| z1d.metal 2 | 19000 | 2375.0 | 80000 |
1 这些实例可以至少每 24 小时维持一次 30 分钟的最大性能，之后会恢复到基线性能。
2 这些实例可以无限期地维持其既定性能。如果工作负载需要在超过 30 分钟的时长内保持最大性能，请选择以下任一实例。
### 存储优化
| 实例大小 | 基准带宽（Mbps） | 最大带宽（Mbps） | 基准吞吐量（MB/s，128 KiB I/O） | 最大吞吐量（MB/s，128 KiB I/O） | 基准 IOPS（16KiB I/O） | 最大 IOPS（16KiB I/O） |
| --- | --- | --- | --- | --- | --- | --- |
| d2.xlarge 2 | 750 | 93.75 | 6000 |
| d2.2xlarge 2 | 1000 | 125.0 | 8000 |
| d2.4xlarge 2 | 2000 | 250.0 | 16000 |
| d2.8xlarge 2 | 4000 | 500.0 | 32000 |
| d3.xlarge 1 | 850 | 2800 | 106.25 | 350.00 | 5000 | 15000 |
| d3.2xlarge 1 | 1700 | 2800 | 212.50 | 350.00 | 10000 | 15000 |
| d3.4xlarge 2 | 2800 | 350.0 | 15000 |
| d3.8xlarge 2 | 5000 | 625.0 | 30000 |
| d3en.xlarge 1 | 850 | 2800 | 106.25 | 350.00 | 5000 | 15000 |
| d3en.2xlarge 1 | 1700 | 2800 | 212.50 | 350.00 | 10000 | 15000 |
| d3en.4xlarge 2 | 2800 | 350.0 | 15000 |
| d3en.6xlarge 2 | 4000 | 500.0 | 25000 |
| d3en.8xlarge 2 | 5000 | 625.0 | 30000 |
| d3en.12xlarge 2 | 7000 | 875.0 | 40000 |
| h1.2xlarge 2 | 1750 | 218.75 | 12000 |
| h1.4xlarge 2 | 3500 | 437.5 | 20000 |
| h1.8xlarge 2 | 7000 | 875.0 | 40000 |
| h1.16xlarge 2 | 14000 | 1750.0 | 80000 |
| i3.large 2 | 425 | 53.125 | 3000 |
| i3.xlarge 2 | 850 | 106.25 | 6000 |
| i3.2xlarge 2 | 1700 | 212.5 | 12000 |
| i3.4xlarge 2 | 3500 | 437.5 | 16000 |
| i3.8xlarge 2 | 7000 | 875.0 | 32500 |
| i3.16xlarge 2 | 14000 | 1750.0 | 65000 |
| i3.metal 2 | 19000 | 2375.0 | 80000 |
| i3en.large 1 | 576 | 4750 | 72.10 | 593.75 | 3000 | 20000 |
| i3en.xlarge 1 | 1153 | 4750 | 144.20 | 593.75 | 6000 | 20000 |
| i3en.2xlarge 1 | 2307 | 4750 | 288.39 | 593.75 | 12000 | 20000 |
| i3en.3xlarge 1 | 3800 | 4750 | 475.00 | 593.75 | 15000 | 20000 |
| i3en.6xlarge 2 | 4750 | 593.75 | 20000 |
| i3en.12xlarge 2 | 9500 | 1187.5 | 40000 |
| i3en.24xlarge 2 | 19000 | 2375.0 | 80000 |
| i3en.metal 2 | 19000 | 2375.0 | 80000 |
| i4g.large 1 | 625 | 10000 | 78.12 | 1250.00 | 2500 | 40000 |
| i4g.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 5000 | 40000 |
| i4g.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 10000 | 40000 |
| i4g.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| i4g.8xlarge 2 | 10000 | 1250.0 | 40000 |
| i4g.16xlarge 2 | 20000 | 2500.0 | 80000 |
| i4i.large 1 | 625 | 10000 | 78.12 | 1250.00 | 2500 | 40000 |
| i4i.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 5000 | 40000 |
| i4i.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 10000 | 40000 |
| i4i.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| i4i.8xlarge 2 | 10000 | 1250.0 | 40000 |
| i4i.12xlarge 2 | 15000 | 1875.0 | 60000 |
| i4i.16xlarge 2 | 20000 | 2500.0 | 80000 |
| i4i.24xlarge 2 | 30000 | 3750.0 | 120000 |
| i4i.32xlarge 2 | 40000 | 5000.0 | 160000 |
| i4i.metal 2 | 40000 | 5000.0 | 160000 |
| i7i.large 1 | 625 | 10000 | 78.12 | 1250.00 | 2500 | 40000 |
| i7i.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 5000 | 40000 |
| i7i.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 10000 | 40000 |
| i7i.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| i7i.8xlarge 2 | 10000 | 1250.0 | 40000 |
| i7i.12xlarge 2 | 15000 | 1875.0 | 60000 |
| i7i.16xlarge 2 | 20000 | 2500.0 | 80000 |
| i7i.24xlarge 2 | 30000 | 3750.0 | 120000 |
| i7i.48xlarge 2 | 60000 | 7500.0 | 240000 |
| i7i.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| i7i.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| i7ie.large 1 | 625 | 10000 | 78.12 | 1250.00 | 2500 | 40000 |
| i7ie.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 5000 | 40000 |
| i7ie.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 10000 | 40000 |
| i7ie.3xlarge 1 | 3750 | 10000 | 468.75 | 1250.00 | 15000 | 40000 |
| i7ie.6xlarge 1 | 7500 | 10000 | 937.50 | 1250.00 | 30000 | 40000 |
| i7ie.12xlarge 2 | 15000 | 1875.0 | 60000 |
| i7ie.18xlarge 2 | 22500 | 2812.5 | 90000 |
| i7ie.24xlarge 2 | 30000 | 3750.0 | 120000 |
| i7ie.48xlarge 2 | 60000 | 7500.0 | 240000 |
| i7ie.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| i7ie.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| i8g.large 1 | 625 | 10000 | 78.12 | 1250.00 | 2500 | 40000 |
| i8g.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 5000 | 40000 |
| i8g.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 10000 | 40000 |
| i8g.4xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| i8g.8xlarge 2 | 10000 | 1250.0 | 40000 |
| i8g.12xlarge 2 | 15000 | 1875.0 | 60000 |
| i8g.16xlarge 2 | 20000 | 2500.0 | 80000 |
| i8g.24xlarge 2 | 30000 | 3750.0 | 120000 |
| i8g.48xlarge 2 | 60000 | 7500.0 | 240000 |
| i8g.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| i8g.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| i8ge.large 1 | 625 | 10000 | 78.12 | 1250.00 | 2500 | 40000 |
| i8ge.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 5000 | 40000 |
| i8ge.2xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 10000 | 40000 |
| i8ge.3xlarge 1 | 3750 | 10000 | 468.75 | 1250.00 | 15000 | 40000 |
| i8ge.6xlarge 1 | 7500 | 10000 | 937.50 | 1250.00 | 30000 | 40000 |
| i8ge.12xlarge 2 | 15000 | 1875.0 | 60000 |
| i8ge.18xlarge 2 | 22500 | 2812.5 | 90000 |
| i8ge.24xlarge 2 | 30000 | 3750.0 | 120000 |
| i8ge.48xlarge 2 | 60000 | 7500.0 | 240000 |
| i8ge.metal-24xl 2 | 30000 | 3750.0 | 120000 |
| i8ge.metal-48xl 2 | 60000 | 7500.0 | 240000 |
| im4gn.large 1 | 1250 | 10000 | 156.25 | 1250.00 | 5000 | 40000 |
| im4gn.xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 10000 | 40000 |
| im4gn.2xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| im4gn.4xlarge 2 | 10000 | 1250.0 | 40000 |
| im4gn.8xlarge 2 | 20000 | 2500.0 | 80000 |
| im4gn.16xlarge 2 | 40000 | 5000.0 | 160000 |
| is4gen.medium 1 | 625 | 10000 | 78.12 | 1250.00 | 2500 | 40000 |
| is4gen.large 1 | 1250 | 10000 | 156.25 | 1250.00 | 5000 | 40000 |
| is4gen.xlarge 1 | 2500 | 10000 | 312.50 | 1250.00 | 10000 | 40000 |
| is4gen.2xlarge 1 | 5000 | 10000 | 625.00 | 1250.00 | 20000 | 40000 |
| is4gen.4xlarge 2 | 10000 | 1250.0 | 40000 |
| is4gen.8xlarge 2 | 20000 | 2500.0 | 80000 |
1 这些实例可以至少每 24 小时维持一次 30 分钟的最大性能，之后会恢复到基线性能。
2 这些实例可以无限期地维持其既定性能。如果工作负载需要在超过 30 分钟的时长内保持最大性能，请选择以下任一实例。
### 加速计算型
| 实例大小 | 基准带宽（Mbps） | 最大带宽（Mbps） | 基准吞吐量（MB/s，128 KiB I/O） | 最大吞吐量（MB/s，128 KiB I/O） | 基准 IOPS（16KiB I/O） | 最大 IOPS（16KiB I/O） |
| --- | --- | --- | --- | --- | --- | --- |
| dl1.24xlarge 2 | 19000 | 2375.0 | 80000 |
| dl2q.24xlarge 2 | 19000 | 2375.0 | 80000 |
| f1.2xlarge 2 | 1700 | 212.5 | 12000 |
| f1.4xlarge 2 | 3500 | 437.5 | 44000 |
| f1.16xlarge 2 | 14000 | 1750.0 | 75000 |
| f2.6xlarge 2 | 7500 | 937.5 | 30000 |
| f2.12xlarge 2 | 15000 | 1875.0 | 60000 |
| f2.48xlarge 2 | 60000 | 7500.0 | 240000 |
| g3.4xlarge 2 | 3500 | 437.5 | 20000 |
| g3.8xlarge 2 | 7000 | 875.0 | 40000 |
| g3.16xlarge 2 | 14000 | 1750.0 | 80000 |
| g4ad.xlarge 1 | 400 | 3170 | 50.00 | 396.25 | 1700 | 13333 |
| g4ad.2xlarge 1 | 800 | 3170 | 100.00 | 396.25 | 3400 | 13333 |
| g4ad.4xlarge 1 | 1580 | 3170 | 197.50 | 396.25 | 6700 | 13333 |
| g4ad.8xlarge 2 | 3170 | 396.25 | 13333 |
| g4ad.16xlarge 2 | 6300 | 787.5 | 26667 |
| g4dn.xlarge 1 | 950 | 3500 | 118.75 | 437.50 | 3000 | 20000 |
| g4dn.2xlarge 1 | 1150 | 3500 | 143.75 | 437.50 | 6000 | 20000 |
| g4dn.4xlarge 2 | 4750 | 593.75 | 20000 |
| g4dn.8xlarge 2 | 9500 | 1187.5 | 40000 |
| g4dn.12xlarge 2 | 9500 | 1187.5 | 40000 |
| g4dn.16xlarge 2 | 9500 | 1187.5 | 40000 |
| g4dn.metal 2 | 19000 | 2375.0 | 80000 |
| g5.xlarge 1 | 700 | 3500 | 87.50 | 437.50 | 3000 | 15000 |
| g5.2xlarge 1 | 850 | 3500 | 106.25 | 437.50 | 3500 | 15000 |
| g5.4xlarge 2 | 4750 | 593.75 | 20000 |
| g5.8xlarge 2 | 16000 | 2000.0 | 65000 |
| g5.12xlarge 2 | 16000 | 2000.0 | 65000 |
| g5.16xlarge 2 | 16000 | 2000.0 | 65000 |
| g5.24xlarge 2 | 19000 | 2375.0 | 80000 |
| g5.48xlarge 2 | 19000 | 2375.0 | 80000 |
| g5g.xlarge 1 | 1188 | 4750 | 148.50 | 593.75 | 6000 | 20000 |
| g5g.2xlarge 1 | 2375 | 4750 | 296.88 | 593.75 | 12000 | 20000 |
| g5g.4xlarge 2 | 4750 | 593.75 | 20000 |
| g5g.8xlarge 2 | 9500 | 1187.5 | 40000 |
| g5g.16xlarge 2 | 19000 | 2375.0 | 80000 |
| g5g.metal 2 | 19000 | 2375.0 | 80000 |
| g6.xlarge 1 | 1000 | 5000 | 125.00 | 625.00 | 4000 | 20000 |
| g6.2xlarge 1 | 2000 | 5000 | 250.00 | 625.00 | 8000 | 20000 |
| g6.4xlarge 2 | 8000 | 1000.0 | 32000 |
| g6.8xlarge 2 | 16000 | 2000.0 | 64000 |
| g6.12xlarge 2 | 20000 | 2500.0 | 80000 |
| g6.16xlarge 2 | 20000 | 2500.0 | 80000 |
| g6.24xlarge 2 | 30000 | 3750.0 | 120000 |
| g6.48xlarge 2 | 60000 | 7500.0 | 240000 |
| g6e.xlarge 1 | 1000 | 5000 | 125.00 | 625.00 | 4000 | 20000 |
| g6e.2xlarge 1 | 2000 | 5000 | 250.00 | 625.00 | 8000 | 20000 |
| g6e.4xlarge 2 | 8000 | 1000.0 | 32000 |
| g6e.8xlarge 2 | 16000 | 2000.0 | 64000 |
| g6e.12xlarge 2 | 20000 | 2500.0 | 80000 |
| g6e.16xlarge 2 | 20000 | 2500.0 | 80000 |
| g6e.24xlarge 2 | 30000 | 3750.0 | 120000 |
| g6e.48xlarge 2 | 60000 | 7500.0 | 240000 |
| g6f.large 1 | 936 | 5000 | 117.00 | 625.00 | 3750 | 20000 |
| g6f.xlarge 1 | 1000 | 5000 | 125.00 | 625.00 | 4000 | 20000 |
| g6f.2xlarge 1 | 2000 | 5000 | 250.00 | 625.00 | 8000 | 20000 |
| g6f.4xlarge 2 | 6000 | 750.0 | 24000 |
| gr6.4xlarge 2 | 8000 | 1000.0 | 32000 |
| gr6.8xlarge 2 | 16000 | 2000.0 | 64000 |
| gr6f.4xlarge 2 | 8000 | 1000.0 | 32000 |
| g7e.2xlarge 1 | 2000 | 5000 | 250.00 | 625.00 | 8000 | 20000 |
| g7e.4xlarge 2 | 8000 | 1000.0 | 32000 |
| g7e.8xlarge 2 | 16000 | 2000.0 | 64000 |
| g7e.12xlarge 2 | 25000 | 3125.0 | 100000 |
| g7e.24xlarge 2 | 50000 | 6250.0 | 200000 |
| g7e.48xlarge 2 | 100000 | 12500.0 | 400000 |
| inf1.xlarge 1 | 1190 | 4750 | 148.75 | 593.75 | 4000 | 20000 |
| inf1.2xlarge 1 | 1190 | 4750 | 148.75 | 593.75 | 6000 | 20000 |
| inf1.6xlarge 2 | 4750 | 593.75 | 20000 |
| inf1.24xlarge 2 | 19000 | 2375.0 | 80000 |
| inf2.xlarge 1 | 1250 | 10000 | 156.25 | 1250.00 | 6000 | 40000 |
| inf2.8xlarge 2 | 10000 | 1250.0 | 40000 |
| inf2.24xlarge 2 | 30000 | 3750.0 | 120000 |
| inf2.48xlarge 2 | 60000 | 7500.0 | 240000 |
| p3.2xlarge 2 | 1750 | 218.75 | 10000 |
| p3.8xlarge 2 | 7000 | 875.0 | 40000 |
| p3.16xlarge 2 | 14000 | 1750.0 | 80000 |
| p3dn.24xlarge 2 | 19000 | 2375.0 | 80000 |
| p4d.24xlarge 2 | 19000 | 2375.0 | 80000 |
| p4de.24xlarge 2 | 19000 | 2375.0 | 80000 |
| p5.4xlarge 2 | 10000 | 1250.0 | 32500 |
| p5.48xlarge 2 | 80000 | 10000.0 | 260000 |
| p5e.48xlarge 2 | 80000 | 10000.0 | 260000 |
| p5en.48xlarge 2 | 100000 | 12500.0 | 400000 |
| p6-b200.48xlarge 2 | 100000 | 12500.0 | 400000 |
| p6-b300.48xlarge 2 | 100000 | 12500.0 | 400000 |
| p6e-gb200.36xlarge 2 | 60000 | 7500.0 | 240000 |
| trn1.2xlarge 1 | 5000 | 20000 | 625.00 | 2500.00 | 16250 | 65000 |
| trn1.32xlarge 2 | 80000 | 10000.0 | 260000 |
| trn1n.32xlarge 2 | 80000 | 10000.0 | 260000 |
| trn2.3xlarge 2 | 5000 | 625.0 | 16250 |
| trn2.48xlarge 2 | 80000 | 10000.0 | 260000 |
| trn2u.48xlarge 2 | 80000 | 10000.0 | 260000 |
| vt1.3xlarge 1 | 2375 | 4750 | 296.88 | 593.75 | 10000 | 20000 |
| vt1.6xlarge 2 | 4750 | 593.75 | 20000 |
| vt1.24xlarge 2 | 19000 | 2375.0 | 80000 |
1 这些实例可以至少每 24 小时维持一次 30 分钟的最大性能，之后会恢复到基线性能。
2 这些实例可以无限期地维持其既定性能。如果工作负载需要在超过 30 分钟的时长内保持最大性能，请选择以下任一实例。
### 高性能计算
| 实例大小 | 基准带宽（Mbps） | 最大带宽（Mbps） | 基准吞吐量（MB/s，128 KiB I/O） | 最大吞吐量（MB/s，128 KiB I/O） | 基准 IOPS（16KiB I/O） | 最大 IOPS（16KiB I/O） |
| --- | --- | --- | --- | --- | --- | --- |
| hpc6a.48xlarge 1 | 87 | 2085 | 10.88 | 260.62 | 500 | 11000 |
| hpc6id.32xlarge 1 | 87 | 2085 | 10.88 | 260.62 | 500 | 11000 |
| hpc7a.12xlarge 1 | 87 | 2085 | 10.88 | 260.62 | 500 | 11000 |
| hpc7a.24xlarge 1 | 87 | 2085 | 10.88 | 260.62 | 500 | 11000 |
| hpc7a.48xlarge 1 | 87 | 2085 | 10.88 | 260.62 | 500 | 11000 |
| hpc7a.96xlarge 1 | 87 | 2085 | 10.88 | 260.62 | 500 | 11000 |
| hpc7g.4xlarge 1 | 87 | 2085 | 10.88 | 260.62 | 500 | 11000 |
| hpc7g.8xlarge 1 | 87 | 2085 | 10.88 | 260.62 | 500 | 11000 |
| hpc7g.16xlarge 1 | 87 | 2085 | 10.88 | 260.62 | 500 | 11000 |
| hpc8a.96xlarge 1 | 87 | 2085 | 10.88 | 260.62 | 500 | 11000 |
1 这些实例可以至少每 24 小时维持一次 30 分钟的最大性能，之后会恢复到基线性能。
2 这些实例可以无限期地维持其既定性能。如果工作负载需要在超过 30 分钟的时长内保持最大性能，请选择以下任一实例。
## 支持的 EBS 优化
以下实例类型支持 EBS 优化，但默认情况下不启用 EBS 优化。您必须在启动期间或之后启用 EBS 优化，以达到所述的 EBS 性能水平，但需支付[额外的小时费用](https://aws.amazon.com/ec2/previous-generation/#EBS-optimized_instances)。
| 实例大小 | 最大带宽 (Mbps) | 最大吞吐量（MB/s，128 KiB I/O） | 最大 IOPS (16 KiB I/O) |
| --- | --- | --- | --- |
| c1.xlarge | 1000 | 125.0 | 8000 |
| c3.xlarge | 500 | 62.5 | 4000 |
| c3.2xlarge | 1000 | 125.0 | 8000 |
| c3.4xlarge | 2000 | 250.0 | 16000 |
| i2.xlarge | 500 | 62.5 | 4000 |
| i2.2xlarge | 1000 | 125.0 | 8000 |
| i2.4xlarge | 2000 | 250.0 | 16000 |
| m1.large | 500 | 62.5 | 4000 |
| m1.xlarge | 1000 | 125.0 | 8000 |
| m2.2xlarge | 500 | 62.5 | 4000 |
| m2.4xlarge | 1000 | 125.0 | 8000 |
| m3.xlarge | 500 | 62.5 | 4000 |
| m3.2xlarge | 1000 | 125.0 | 8000 |
| r3.xlarge | 500 | 62.5 | 4000 |
| r3.2xlarge | 1000 | 125.0 | 8000 |
| r3.4xlarge | 2000 | 250.0 | 16000 |
**注意**
`i2.8xlarge`、`c3.8xlarge` 和 `r3.8xlarge` 实例没有专用 EBS 带宽，因此不提供 EBS 优化。在这些实例上，网络流量和 Amazon EBS 流量将共用同一 10 Gb 网络接口。
# 获得最佳的 Amazon EBS 优化性能
实例的 EBS 性能受实例类型的性能限制或其附加卷的聚合性能的限制，以较小者为准。要实现最大的 EBS 性能，实例必须附加卷以提供等于或大于最大实例性能的总性能。例如，要实现 `r6i.16xlarge` 的 `80,000` IOPS，实例必须至少具有预置了 `16,000` IOPS 的 `5` 个 `gp2` 卷（`5` 个卷 x `16,000` IOPS = `80,000` IOPS），或具有预置了 `80,000` IOPS 的 `1` 个 `gp3` 卷。建议您选择一种实例类型，其提供的专用 Amazon EBS 吞吐量高于您的应用程序需求；否则，Amazon EBS 与 Amazon EC2 的连接将成为性能瓶颈。
**重要**
使用可配置的带宽权重时，实例的 EBS 带宽限制可能会改变。对于使用 `VPC-1` 加权配置的实例（可增加网络带宽），由于在 IOPS 限制之前先达到 EBS 带宽限制，因此 EBS 卷的 IOPS 可能会低于预期。对于较大的 I/O 大小，这一点尤为明显。请始终测试您的特定工作负载，确保其符合您选择的带宽权重的性能要求。有关更多信息，请参阅 [EC2 实例带宽权重配置](configure-bandwidth-weighting.md)。
您可以使用 `EBSIOBalance%` 和 `EBSByteBalance%` 指标来帮助您确定您的实例是否正确调整了大小。您可以在 CloudWatch 控制台中查看这些指标，并设置将根据您指定的阈值触发的警报。这些指标以百分比形式表示。具有持续低余额百分比的实例是上调大小的候选对象。余额百分比从未低于 100% 的实例是下调大小的候选对象。有关更多信息，请参阅[使用 CloudWatch 监控您的实例](using-cloudwatch.md)。
内存增强型实例适合在云中运行大型内存中数据库，包括 SAP HANA 内存数据库的生产部署。要最大限度提高 EBS 性能，请使用包含偶数个 `io1` 或 `io2` 卷（具有相同的预置性能）的内存增强型实例。例如，对于 IOPS 密集型工作负载，请使用 4 个具有 40,000 预调配 IOPS 的 `io1` 或 `io2` 卷以获得最高 160,000 的实例 IOPS。同样，对于吞吐量密集型工作负载，请使用 6 个具有 48,000 预调配 IOPS 的 `io1` 或 `io2` 卷以获得最高 4,750 MB/s 的吞吐量。有关其他建议，请参阅 [SAP HANA 的存储配置](https://docs.aws.amazon.com/sap/latest/sap-hana/hana-ops-storage-config.html)。
**注意事项**
+ 2020 年 2 月 26 日之后启动的 G4dn、I3en、Inf1、M5a、M5ad、R5a、R5ad、T3、T3a 和 Z1d 实例可提供最高的 EBS 优化性能。要从 2020 年 2 月 26 日之前启动的实例中获得最高性能，请停止该实例，然后重新启动。
+ 2019 年 12 月 3 日之后启动的 C5、C5d、C5n、M5、M5d、M5n、M5dn、R5、R5d、R5n、R5dn 和 P3dn 实例可提供最高的 EBS 优化性能。要从 2019 年 12 月 3 日之前启动的实例中获得最高性能，请停止该实例，然后重新启动。
+ 2020 年 3 月 12 日之后启动的 `u-6tb1.metal`、`u-9tb1.metal` 和 `u-12tb1.metal` 实例可提供最高的 EBS 优化性能。2020 年 3 月 12 日之前启动的这些类型的实例可能会提供较低的性能。要从 2020 年 3 月 12 日之前启动的实例中获得最高性能，请与客户团队联系以免费升级实例。
# 查找 EBS 优化的 EC2 实例类型
您可以查看每个区域中支持 EBS 优化的实例类型。
------
#### [ Console ]
**查找默认进行 EBS 优化的实例类型**
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 在导航窗格中，选择 **Instance Types (实例类型)**。
1. 添加筛选条件 **EBS 优化支持 = default**。
1. （可选）点击**首选项**图标，然后打开相关列，例如 **EBS 最大 IOPS** 和 **EBS 基准 IOPS**。
1. （可选）添加筛选条件以进一步筛选相关的特定实例类型。
------
#### [ AWS CLI ]
**查找默认进行 EBS 优化的实例类型**
使用以下 [describe-instance-types](https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-instance-types.html) 命令。
```
aws ec2 describe-instance-types \
--filters Name=ebs-info.ebs-optimized-support,Values=default \
--query 'InstanceTypes[].{InstanceType:InstanceType, "MaxBandwidth(Mb/s)":EbsInfo.EbsOptimizedInfo.MaximumBandwidthInMbps, MaxIOPS:EbsInfo.EbsOptimizedInfo.MaximumIops, "MaxThroughput(MB/s)":EbsInfo.EbsOptimizedInfo.MaximumThroughputInMBps}' \
--output=table
```
**查找可选支持 EBS 优化的实例类型**
使用以下 [describe-instance-types](https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-instance-types.html) 命令。
```
aws ec2 describe-instance-types \
--filters Name=ebs-info.ebs-optimized-support,Values=supported \
--query 'InstanceTypes[].{InstanceType:InstanceType, "MaxBandwidth(Mb/s)":EbsInfo.EbsOptimizedInfo.MaximumBandwidthInMbps, MaxIOPS:EbsInfo.EbsOptimizedInfo.MaximumIops, "MaxThroughput(MB/s)":EbsInfo.EbsOptimizedInfo.MaximumThroughputInMBps}' \
--output=table
```
下面是 `eu-west-1` 的示例输出。
```
--------------------------------------------------------------------------
| DescribeInstanceTypes |
+--------------+----------------------+----------+-----------------------+
| InstanceType | MaxBandwidth(Mb/s) | MaxIOPS | MaxThroughput(MB/s) |
+--------------+----------------------+----------+-----------------------+
| i2.2xlarge | 1000 | 8000 | 125.0 |
| m2.4xlarge | 1000 | 8000 | 125.0 |
| m2.2xlarge | 500 | 4000 | 62.5 |
| c1.xlarge | 1000 | 8000 | 125.0 |
| i2.xlarge | 500 | 4000 | 62.5 |
| m3.xlarge | 500 | 4000 | 62.5 |
| m1.xlarge | 1000 | 8000 | 125.0 |
| r3.4xlarge | 2000 | 16000 | 250.0 |
| r3.2xlarge | 1000 | 8000 | 125.0 |
| c3.xlarge | 500 | 4000 | 62.5 |
| m3.2xlarge | 1000 | 8000 | 125.0 |
| r3.xlarge | 500 | 4000 | 62.5 |
| i2.4xlarge | 2000 | 16000 | 250.0 |
| c3.4xlarge | 2000 | 16000 | 250.0 |
| c3.2xlarge | 1000 | 8000 | 125.0 |
| m1.large | 500 | 4000 | 62.5 |
+--------------+----------------------+----------+-----------------------+
```
------
#### [ PowerShell ]
**查找默认进行 EBS 优化的实例类型**
使用 [Get-EC2InstanceType](https://docs.aws.amazon.com/powershell/latest/reference/items/Get-EC2InstanceType.html) cmdlet。
```
Get-EC2InstanceType `
-Filter @{Name="ebs-info.ebs-optimized-support"; Values="default"} | `
Select InstanceType, `
@{Name="MaxBandwidth(Mb/s)"; Expression={($_.EbsInfo.EbsOptimizedInfo.MaximumBandwidthInMbps)}}, `
@{Name="MaxIOPS"; Expression={($_.EbsInfo.EbsOptimizedInfo.MaximumIops)}}, `
@{Name="MaxThroughput (MB/s)"; Expression={($_.EbsInfo.EbsOptimizedInfo.MaximumThroughputInMBps)}}
```
**查找可选支持 EBS 优化的实例类型**
使用 [Get-EC2InstanceType](https://docs.aws.amazon.com/powershell/latest/reference/items/Get-EC2InstanceType.html) cmdlet。
```
Get-EC2InstanceType `
-Filter @{Name="ebs-info.ebs-optimized-support"; Values="supported"} | `
Select InstanceType, `
@{Name="MaxBandwidth(Mb/s)"; Expression={($_.EbsInfo.EbsOptimizedInfo.MaximumBandwidthInMbps)}}, `
@{Name="MaxIOPS"; Expression={($_.EbsInfo.EbsOptimizedInfo.MaximumIops)}}, `
@{Name="MaxThroughput (MB/s)"; Expression={($_.EbsInfo.EbsOptimizedInfo.MaximumThroughputInMBps)}}
```
下面是 `eu-west-1` 的示例输出。
```
InstanceType MaxBandwidth(Mb/s) MaxIOPS MaxThroughput (MB/s)
------------ ------------------ ------- --------------------
m2.4xlarge 1000 8000 125.000
i2.2xlarge 1000 8000 125.000
c1.xlarge 1000 8000 125.000
m2.2xlarge 500 4000 62.500
r3.2xlarge 1000 8000 125.000
m3.xlarge 500 4000 62.500
r3.4xlarge 2000 16000 250.000
m1.xlarge 1000 8000 125.000
i2.xlarge 500 4000 62.500
c3.xlarge 500 4000 62.500
c3.4xlarge 2000 16000 250.000
c3.2xlarge 1000 8000 125.000
i2.4xlarge 2000 16000 250.000
r3.xlarge 500 4000 62.500
m3.2xlarge 1000 8000 125.000
m1.large 500 4000 62.500
```
------
# 为 Amazon EC2 实例启用 EBS 优化
对于可选支持 EBS 优化的上一代实例类型，您只能手动启用 EBS 优化。如果您为这些实例类型启用了 EBS 优化，则需要[按小时费率额外付费](https://aws.amazon.com/ec2/previous-generation/#EBS-optimized_instances)
**先决条件**
+ 确认该实例类型需要启用 EBS 优化。有关更多信息，请参阅 [支持的 EBS 优化](ebs-optimized.md#previous)。
+ 要在启动后启用 EBS 优化，则必须首先停止实例。
**警告**
停止某个实例时，实例存储卷上的数据将会丢失。要保留这些数据，请将其备份到持久性存储中。
------
#### [ Console ]
**要在启动期间启用 Amazon EBS 优化**
在启动实例向导中，选择所需的实例类型。展开**高级详细信息**部分，然后对于 **EBS 优化的实例**，选择**启用**。
如果所选实例类型不支持 Amazon EBS 优化，则下拉列表将被禁用。如果实例类型默认为 Amazon EBS 优化，则已选择启用。
**要在启动之后启用 Amazon EBS 优化**
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 在导航窗格中，选择 **Instances**，然后选择实例。
1. 停止实例。依次选择**操作**、**实例状态**、**停止实例**。
1. 在实例处于选中状态时，依次选择**操作**、**实例设置**、**更改实例类型**。
1. 选择 **EBS 优化**，然后选择**应用**。
如果实例类型默认为 Amazon EBS 优化，或者不支持 Amazon EBS 优化，则该复选框将被禁用。
1. 重新启动实例。依次选择**实例状态**、**启动实例**。
------
#### [ AWS CLI ]
**要在启动期间启用 Amazon EBS 优化**
使用 [run-instances](https://docs.aws.amazon.com/cli/latest/reference/ec2/run-instances.html) 命令和 `--ebs-optimized` 选项。
**要在启动之后启用 Amazon EBS 优化**
1. 如果实例正在运行，请使用 [stop-instances](https://docs.aws.amazon.com/cli/latest/reference/ec2/stop-instances.html) 命令将其停止。
```
aws ec2 stop-instances --instance-ids i-1234567890abcdef0
```
1. 使用 [modify-instance-attribute](https://docs.aws.amazon.com/cli/latest/reference/ec2/modify-instance-attribute.html) 命令和 `--ebs-optimized` 选项来启用 EBS 优化。
```
aws ec2 modify-instance-attribute \
--instance-id i-1234567890abcdef0 \
--ebs-optimized
```
------
#### [ PowerShell ]
**要在启动期间启用 Amazon EBS 优化**
使用 [New-EC2Instance](https://docs.aws.amazon.com/powershell/latest/reference/items/New-EC2Instance.html) cmdlet 和 `-EbsOptimized` 选项。
**要在启动之后启用 Amazon EBS 优化**
1. 如果实例正在运行，请使用 [Stop-EC2Instance](https://docs.aws.amazon.com/powershell/latest/reference/items/Stop-EC2Instance.html) cmdlet 将其停止。
```
Stop-EC2Instance -InstanceId i-1234567890abcdef0
```
1. 使用 [Edit-EC2InstanceAttribute](https://docs.aws.amazon.com/powershell/latest/reference/items/Edit-EC2InstanceAttribute.html) cmdlet 和 `-EbsOptimized` 选项启用 EBS 优化。
```
Edit-EC2InstanceAttribute `
-InstanceId i-1234567890abcdef0 `
-EbsOptimized $true
```
------
# Amazon EC2 实例适用的 CPU 选项
许多 Amazon EC2 实例都支持同步多线程（SMT），该技术可让多个线程在一个 CPU 核心上并发运行。每个线程都表示为实例上的一个虚拟 CPU (vCPU)。实例具有默认数量的 CPU 核心，根据实例类型而异。例如，默认情况下，`m5.xlarge` 实例类型有两个 CPU 内核，每个内核有两个线程—，共四个 vCPU。
在大多数情况下，都有一个 Amazon EC2 实例类型，它具有适合您工作负载的内存和 vCPU 数量组合。但是，为了针对特定工作负载或业务需求优化实例，您可以在实例启动期间和之后指定以下 CPU 选项：
+ **CPU 核心数**：您可以自定义实例的 CPU 核心数。也许可以通过这种方式让实例拥有适合内存密集型工作负载的充足 RAM，同时减少 CPU 核心数，从而优化您的软件的许可成本。
+ **每核心线程数**：您可以通过为每个 CPU 核心指定一个线程来禁用 SMT。也许可以为特定工作负载执行该操作，例如高性能计算（HPC）工作负载。
**注意事项**
+ 您无法修改 T2、C7a、M7a、R7a 和 Apple 硅芯片 Mac 实例以及基于 AWS Graviton 处理器的实例的每个核心线程数。
+ [您可以运行的实例数量](https://docs.aws.amazon.com/ec2/latest/instancetypes/ec2-instance-quotas.html)基于所用实例类型的默认 vCPU。我们计算实例所消耗 vCPU 数量的方式不受更改其 CPU 选项的影响。
**定价**
指定 CPU 选项不会增加费用。对于从包含许可证的 Windows 和 SQL Server AMI 中启动的 EC2 实例，您可以自定义 CPU 选项，以利用 EC2 优化 CPU 功能，从而根据为您的实例配置的 vCPU 数量来支付许可费用。对于其他 EC2 实例，收费标准与使用默认 CPU 选项启动的实例相同。
**Topics**
+ [指定 CPU 选项的规则](instance-cpu-options-rules.md)
+ [受支持的 CPU 选项](cpu-options-supported-instances-values.md)
+ [指定 CPU 选项](instance-specify-cpu-options.md)
+ [查看 CPU 选项](view-cpu-options.md)
+ [优化 CPU](optimize-cpu.md)
# 用于为 Amazon EC2 实例指定 CPU 选项的规则
要为您的实例指定 CPU 选项，请注意以下规则：
+ 您无法为裸机实例指定 CPU 选项。
+ 在实例启动过程中以及之后都可以指定 CPU 选项。
+ 配置 CPU 选项时，必须在请求中同时指定 CPU 核心数和每核心线程数。有关示例请求，请参阅[为 Amazon EC2 实例指定 CPU 选项](instance-specify-cpu-options.md)。
+ 实例的 vCPU 总数等于 CPU 内核数乘以每内核线程数。要指定自定义数量的 vCPU，必须为实例类型指定有效的 CPU 核心数和每核心线程数。不能超出实例的默认 vCPU 数量。有关更多信息，请参阅 [Amazon EC2 实例类型受支持的 CPU 选项](cpu-options-supported-instances-values.md)。
+ 要禁用同步多线程（SMT）（也称为超线程），请为每个核心指定一个线程。
+ 在控制台中，当您对现有实例[更改实例类型](ec2-instance-resize.md)时，Amazon EC2 会尽可能将现有实例的 CPU 选项设置应用到新实例。如果新的实例类型不支持这些设置，则 CPU 选项将重置为**使用默认的 CPU 选项**。对于新实例类型，此选项会使用默认 vCPU 数。
要更新有关新实例的设置，请在**更改实例类型**视图的**高级详细信息**下，选择**指定 CPU 选项**。
+ 停止、启动或重启实例后，仍将保留指定的 CPU 选项。
+ 如果您使用预留实例，则在针对来自同一付款账户中包含许可证的 Windows AMI 创建的实例配置“优化 CPU”功能时，折扣可能无法适用。我们建议您使用节省计划来降低基于 vCPU 的许可成本，并提供与计算成本相关的同等节省金额。
+ 为了节省从 Windows 和 SQL Server 包含许可证的 AMI 创建的实例的许可费用，您必须至少配置四个 vCPU。如果您配置的 vCPU 少于四个，则采用默认计费。
+ T3 实例类型不支持针对包含许可证的实例的优化 CPU 功能。
# Amazon EC2 实例类型受支持的 CPU 选项
下表列出了支持指定 CPU 选项的实例类型。
**Topics**
+ [
## 通用实例
](#cpu-options-gen-purpose)
+ [
## 计算优化型实例
](#cpu-options-compute-optimized)
+ [
## 内存优化型实例
](#cpu-options-mem-optimized)
+ [
## 存储优化型实例
](#cpu-options-storage-optimized)
+ [
## 加速计算实例
](#cpu-options-accelerated)
+ [
## 高性能计算实例
](#cpu-options-high-performance)
## 通用实例
| 实例类型 | 默认 vCPU | 默认 CPU 核心数 | 默认每核心线程数 | 有效的 CPU 核心 | 每个核心的有效线程 |
| --- | --- | --- | --- | --- | --- |
| m2.xlarge | 2 | 2 | 1 | 1、2 | 1 |
| m2.2xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| m2.4xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| m3.large | 2 | 1 | 2 | 1 | 1、2 |
| m3.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| m3.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| m4.large | 2 | 1 | 2 | 1 | 1、2 |
| m4.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| m4.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| m4.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| m4.10xlarge | 40 | 20 | 2 | 2、4、6、8、10、12、14、16、18、20 | 1、2 |
| m4.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| m5.large | 2 | 1 | 2 | 1 | 1、2 |
| m5.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| m5.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| m5.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| m5.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| m5.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| m5.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| m5.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| m5a.large | 2 | 1 | 2 | 1 | 1、2 |
| m5a.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| m5a.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| m5a.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| m5a.8xlarge | 32 | 16 | 2 | 4、6、8、10、12、14、16 | 1、2 |
| m5a.12xlarge | 48 | 24 | 2 | 6、12、18、24 | 1、2 |
| m5a.16xlarge | 64 | 32 | 2 | 8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| m5a.24xlarge | 96 | 48 | 2 | 12、18、24、36、48 | 1、2 |
| m5ad.large | 2 | 1 | 2 | 1 | 1、2 |
| m5ad.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| m5ad.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| m5ad.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| m5ad.8xlarge | 32 | 16 | 2 | 4、6、8、10、12、14、16 | 1、2 |
| m5ad.12xlarge | 48 | 24 | 2 | 6、12、18、24 | 1、2 |
| m5ad.16xlarge | 64 | 32 | 2 | 8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| m5ad.24xlarge | 96 | 48 | 2 | 12、18、24、36、48 | 1、2 |
| m5d.large | 2 | 1 | 2 | 1 | 1、2 |
| m5d.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| m5d.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| m5d.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| m5d.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| m5d.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| m5d.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| m5d.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| m5dn.large | 2 | 1 | 2 | 1 | 1、2 |
| m5dn.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| m5dn.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| m5dn.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| m5dn.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| m5dn.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| m5dn.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| m5dn.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| m5n.large | 2 | 1 | 2 | 1 | 1、2 |
| m5n.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| m5n.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| m5n.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| m5n.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| m5n.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| m5n.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| m5n.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| m5zn.large | 2 | 1 | 2 | 1 | 1、2 |
| m5zn.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| m5zn.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| m5zn.3xlarge | 12 | 6 | 2 | 2、4、6 | 1、2 |
| m5zn.6xlarge | 24 | 12 | 2 | 2、4、6、8、10、12 | 1、2 |
| m5zn.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| m6a.large | 2 | 1 | 2 | 1 | 1、2 |
| m6a.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| m6a.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| m6a.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| m6a.8xlarge | 32 | 16 | 2 | 4、6、8、10、12、14、16 | 1、2 |
| m6a.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、16、24 | 1、2 |
| m6a.16xlarge | 64 | 32 | 2 | 4、6、8、10、12、14、16、32 | 1、2 |
| m6a.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、32、48 | 1、2 |
| m6a.32xlarge | 128 | 64 | 2 | 8、12、16、20、24、28、32、64 | 1、2 |
| m6a.48xlarge | 192 | 96 | 2 | 8、12、16、20、24、28、32、64、96 | 1、2 |
| m6g.large | 2 | 2 | 1 | 1、2 | 1 |
| m6g.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| m6g.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| m6g.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| m6g.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| m6g.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| m6g.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| m6gd.large | 2 | 2 | 1 | 1、2 | 1 |
| m6gd.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| m6gd.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| m6gd.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| m6gd.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| m6gd.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| m6gd.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| m6i.large | 2 | 1 | 2 | 1 | 1、2 |
| m6i.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| m6i.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| m6i.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| m6i.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| m6i.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| m6i.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| m6i.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| m6i.32xlarge | 128 | 64 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| m6id.large | 2 | 1 | 2 | 1 | 1、2 |
| m6id.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| m6id.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| m6id.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| m6id.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| m6id.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| m6id.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| m6id.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| m6id.32xlarge | 128 | 64 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| m6idn.large | 2 | 1 | 2 | 1 | 1、2 |
| m6idn.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| m6idn.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| m6idn.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| m6idn.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| m6idn.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| m6idn.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| m6idn.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| m6idn.32xlarge | 128 | 64 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| m6in.large | 2 | 1 | 2 | 1 | 1、2 |
| m6in.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| m6in.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| m6in.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| m6in.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| m6in.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| m6in.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| m6in.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| m6in.32xlarge | 128 | 64 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| m7a.large | 2 | 2 | 1 | 1、2 | 1 |
| m7a.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| m7a.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| m7a.4xlarge | 16 | 16 | 1 | 1、2、4、6、8、10、12、14、16 | 1 |
| m7a.8xlarge | 32 | 32 | 1 | 1、2、3、4、8、12、16、20、24、28、32 | 1 |
| m7a.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、12、18、24、30、36、42、48 | 1 |
| m7a.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、16、24、32、40、48、56、64 | 1 |
| m7a.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、24、36、48、60、72、84、96 | 1 |
| m7a.32xlarge | 128 | 128 | 1 | 4、6、8、10、12、14、16、32、48、64、80、96、112、128 | 1 |
| m7a.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、48、72、96、120、144、168、192 | 1 |
| m7g.large | 2 | 2 | 1 | 1、2 | 1 |
| m7g.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| m7g.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| m7g.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| m7g.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| m7g.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| m7g.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| m7gd.large | 2 | 2 | 1 | 1、2 | 1 |
| m7gd.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| m7gd.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| m7gd.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| m7gd.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| m7gd.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| m7gd.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| m7i.large | 2 | 1 | 2 | 1 | 1、2 |
| m7i.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| m7i.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| m7i.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| m7i.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| m7i.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| m7i.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| m7i.24xlarge | 96 | 48 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1、2 |
| m7i.48xlarge | 192 | 96 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96 | 1、2 |
| m7i-flex.large | 2 | 1 | 2 | 1 | 1、2 |
| m7i-flex.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| m7i-flex.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| m7i-flex.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| m7i-flex.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| m7i-flex.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| m7i-flex.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| m8a.medium | 1 | 1 | 1 | 1 | 1 |
| m8a.large | 2 | 2 | 1 | 1、2 | 1 |
| m8a.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| m8a.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| m8a.4xlarge | 16 | 16 | 1 | 1、2、4、6、8、10、12、14、16 | 1 |
| m8a.8xlarge | 32 | 32 | 1 | 1、2、3、4、8、12、16、20、24、28、32 | 1 |
| m8a.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、12、18、24、30、36、42、48 | 1 |
| m8a.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、16、24、32、40、48、56、64 | 1 |
| m8a.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、24、36、48、60、72、84、96 | 1 |
| m8a.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、48、72、96、120、144、168、192 | 1 |
| m8azn.medium | 1 | 1 | 1 | 1 | 1 |
| m8azn.large | 2 | 2 | 1 | 1、2 | 1 |
| m8azn.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| m8azn.3xlarge | 12 | 12 | 1 | 1、2、4、6、8、10、12 | 1 |
| m8azn.6xlarge | 24 | 24 | 1 | 1、2、3、4、8、12、16、20、24 | 1 |
| m8azn.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、16、24、32、40、48 | 1 |
| m8azn.24xlarge | 96 | 96 | 1 | 4、6、8、10、12、14、16、32、48、64、80、96 | 1 |
| m8g.large | 2 | 2 | 1 | 1、2 | 1 |
| m8g.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| m8g.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| m8g.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| m8g.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| m8g.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| m8g.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| m8g.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93, 94, 95, 96 | 1 |
| m8g.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96、98、100、102、104、106、108、110、112、114、116、118、120、122、124、126、128、130、132、134、136、138、140、142、144、146、148、150、152、154、156、158、160、162、164、166、168、170、172、174、176、178、180、182、184、186、188、190、192 | 1 |
| m8gb.large | 2 | 2 | 1 | 1、2 | 1 |
| m8gb.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| m8gb.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| m8gb.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| m8gb.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| m8gb.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| m8gb.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| m8gb.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93, 94, 95, 96 | 1 |
| m8gb.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96、98、100、102、104、106、108、110、112、114、116、118、120、122、124、126、128、130、132、134、136、138、140、142、144、146、148、150、152、154、156、158、160、162、164、166、168、170、172、174、176、178、180、182、184、186、188、190、192 | 1 |
| m8gd.large | 2 | 2 | 1 | 1、2 | 1 |
| m8gd.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| m8gd.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| m8gd.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| m8gd.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| m8gd.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| m8gd.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| m8gd.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93, 94, 95, 96 | 1 |
| m8gd.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96、98、100、102、104、106、108、110、112、114、116、118、120、122、124、126、128、130、132、134、136、138、140、142、144、146、148、150、152、154、156、158、160、162、164、166、168、170、172、174、176、178、180、182、184、186、188、190、192 | 1 |
| m8gn.large | 2 | 2 | 1 | 1、2 | 1 |
| m8gn.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| m8gn.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| m8gn.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| m8gn.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| m8gn.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| m8gn.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| m8gn.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93, 94, 95, 96 | 1 |
| m8gn.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96、98、100、102、104、106、108、110、112、114、116、118、120、122、124、126、128、130、132、134、136、138、140、142、144、146、148、150、152、154、156、158、160、162、164、166、168、170、172、174、176、178、180、182、184、186、188、190、192 | 1 |
| m8i.large | 2 | 1 | 2 | 1 | 1、2 |
| m8i.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| m8i.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| m8i.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| m8i.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| m8i.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| m8i.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| m8i.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| m8i.32xlarge | 128 | 64 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| m8i.48xlarge | 192 | 96 | 2 | 6、9、12、15、18、21、24、27、30、33、36、39、42、45、48、51、54、57、60、63、66、69、72、75、78、81、84、87、90、93、96 | 1、2 |
| m8i.96xlarge | 384 | 192 | 2 | 12、18、24、30、36、42、48、54、60、66、72、78、84、90、96、102、108、114、120、126、132、138、144、150、156、162、168、174、180、186、192 | 1、2 |
| m8id.large | 2 | 1 | 2 | 1 | 1、2 |
| m8id.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| m8id.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| m8id.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| m8id.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| m8id.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| m8id.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| m8id.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| m8id.32xlarge | 128 | 64 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| m8id.48xlarge | 192 | 96 | 2 | 6、9、12、15、18、21、24、27、30、33、36、39、42、45、48、51、54、57、60、63、66、69、72、75、78、81、84、87、90、93、96 | 1、2 |
| m8id.96xlarge | 384 | 192 | 2 | 12、18、24、30、36、42、48、54、60、66、72、78、84、90、96、102、108、114、120、126、132、138、144、150、156、162、168、174、180、186、192 | 1、2 |
| m8i-flex.large | 2 | 1 | 2 | 1 | 1、2 |
| m8i-flex.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| m8i-flex.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| m8i-flex.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| m8i-flex.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| m8i-flex.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| m8i-flex.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| t3.nano | 2 | 1 | 2 | 1 | 1、2 |
| t3.micro | 2 | 1 | 2 | 1 | 1、2 |
| t3.small | 2 | 1 | 2 | 1 | 1、2 |
| t3.medium | 2 | 1 | 2 | 1 | 1、2 |
| t3.large | 2 | 1 | 2 | 1 | 1、2 |
| t3.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| t3.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| t3a.nano | 2 | 1 | 2 | 1 | 1、2 |
| t3a.micro | 2 | 1 | 2 | 1 | 1、2 |
| t3a.small | 2 | 1 | 2 | 1 | 1、2 |
| t3a.medium | 2 | 1 | 2 | 1 | 1、2 |
| t3a.large | 2 | 1 | 2 | 1 | 1、2 |
| t3a.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| t3a.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| t4g.nano | 2 | 2 | 1 | 1、2 | 1 |
| t4g.micro | 2 | 2 | 1 | 1、2 | 1 |
| t4g.small | 2 | 2 | 1 | 1、2 | 1 |
| t4g.medium | 2 | 2 | 1 | 1、2 | 1 |
| t4g.large | 2 | 2 | 1 | 1、2 | 1 |
| t4g.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| t4g.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
## 计算优化型实例
| 实例类型 | 默认 vCPU | 默认 CPU 核心数 | 默认每核心线程数 | 有效的 CPU 核心 | 每个核心的有效线程 |
| --- | --- | --- | --- | --- | --- |
| c3.large | 2 | 1 | 2 | 1 | 1、2 |
| c3.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| c3.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| c3.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| c3.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| c4.large | 2 | 1 | 2 | 1 | 1、2 |
| c4.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| c4.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| c4.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| c4.8xlarge | 36 | 18 | 2 | 2、4、6、8、10、12、14、16、18 | 1、2 |
| c5.large | 2 | 1 | 2 | 1 | 1、2 |
| c5.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| c5.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| c5.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| c5.9xlarge | 36 | 18 | 2 | 2、4、6、8、10、12、14、16、18 | 1、2 |
| c5.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| c5.18xlarge | 72 | 36 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36 | 1、2 |
| c5.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| c5a.large | 2 | 1 | 2 | 1 | 1、2 |
| c5a.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| c5a.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| c5a.4xlarge | 16 | 8 | 2 | 1、2、3、4、8 | 1、2 |
| c5a.8xlarge | 32 | 16 | 2 | 1、2、3、4、8、12、16 | 1、2 |
| c5a.12xlarge | 48 | 24 | 2 | 1、2、3、4、8、12、16、20、24 | 1、2 |
| c5a.16xlarge | 64 | 32 | 2 | 1、2、3、4、8、12、16、20、24、28、32 | 1、2 |
| c5a.24xlarge | 96 | 48 | 2 | 1、2、3、4、8、12、16、20、24、28、32、36、40、44、48 | 1、2 |
| c5ad.large | 2 | 1 | 2 | 1 | 1、2 |
| c5ad.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| c5ad.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| c5ad.4xlarge | 16 | 8 | 2 | 1、2、3、4、8 | 1、2 |
| c5ad.8xlarge | 32 | 16 | 2 | 1、2、3、4、8、12、16 | 1、2 |
| c5ad.12xlarge | 48 | 24 | 2 | 1、2、3、4、8、12、16、20、24 | 1、2 |
| c5ad.16xlarge | 64 | 32 | 2 | 1、2、3、4、8、12、16、20、24、28、32 | 1、2 |
| c5ad.24xlarge | 96 | 48 | 2 | 1、2、3、4、8、12、16、20、24、28、32、36、40、44、48 | 1、2 |
| c5d.large | 2 | 1 | 2 | 1 | 1、2 |
| c5d.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| c5d.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| c5d.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| c5d.9xlarge | 36 | 18 | 2 | 2、4、6、8、10、12、14、16、18 | 1、2 |
| c5d.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| c5d.18xlarge | 72 | 36 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36 | 1、2 |
| c5d.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| c5n.large | 2 | 1 | 2 | 1 | 1、2 |
| c5n.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| c5n.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| c5n.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| c5n.9xlarge | 36 | 18 | 2 | 2、4、6、8、10、12、14、16、18 | 1、2 |
| c5n.18xlarge | 72 | 36 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36 | 1、2 |
| c6a.large | 2 | 1 | 2 | 1 | 1、2 |
| c6a.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| c6a.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| c6a.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| c6a.8xlarge | 32 | 16 | 2 | 4、6、8、10、12、14、16 | 1、2 |
| c6a.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、16、24 | 1、2 |
| c6a.16xlarge | 64 | 32 | 2 | 4、6、8、10、12、14、16、32 | 1、2 |
| c6a.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、32、48 | 1、2 |
| c6a.32xlarge | 128 | 64 | 2 | 8、12、16、20、24、28、32、64 | 1、2 |
| c6a.48xlarge | 192 | 96 | 2 | 8、12、16、20、24、28、32、64、96 | 1、2 |
| c6g.large | 2 | 2 | 1 | 1、2 | 1 |
| c6g.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| c6g.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| c6g.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| c6g.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| c6g.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| c6g.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| c6gd.large | 2 | 2 | 1 | 1、2 | 1 |
| c6gd.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| c6gd.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| c6gd.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| c6gd.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| c6gd.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| c6gd.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| c6gn.medium | 1 | 1 | 1 | 1 | 1 |
| c6gn.large | 2 | 2 | 1 | 1、2 | 1 |
| c6gn.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| c6gn.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| c6gn.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| c6gn.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| c6gn.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| c6gn.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| c6i.large | 2 | 1 | 2 | 1 | 1、2 |
| c6i.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| c6i.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| c6i.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| c6i.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| c6i.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| c6i.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| c6i.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| c6i.32xlarge | 128 | 64 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| c6id.large | 2 | 1 | 2 | 1 | 1、2 |
| c6id.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| c6id.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| c6id.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| c6id.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| c6id.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| c6id.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| c6id.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| c6id.32xlarge | 128 | 64 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| c6in.large | 2 | 1 | 2 | 1 | 1、2 |
| c6in.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| c6in.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| c6in.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| c6in.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| c6in.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| c6in.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| c6in.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| c6in.32xlarge | 128 | 64 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| c7a.large | 2 | 2 | 1 | 1、2 | 1 |
| c7a.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| c7a.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| c7a.4xlarge | 16 | 16 | 1 | 1、2、4、6、8、10、12、14、16 | 1 |
| c7a.8xlarge | 32 | 32 | 1 | 1、2、3、4、8、12、16、20、24、28、32 | 1 |
| c7a.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、12、18、24、30、36、42、48 | 1 |
| c7a.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、16、24、32、40、48、56、64 | 1 |
| c7a.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、24、36、48、60、72、84、96 | 1 |
| c7a.32xlarge | 128 | 128 | 1 | 4、6、8、10、12、14、16、32、48、64、80、96、112、128 | 1 |
| c7a.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、48、72、96、120、144、168、192 | 1 |
| c7g.large | 2 | 2 | 1 | 1、2 | 1 |
| c7g.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| c7g.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| c7g.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| c7g.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| c7g.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| c7g.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| c7gd.large | 2 | 2 | 1 | 1、2 | 1 |
| c7gd.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| c7gd.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| c7gd.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| c7gd.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| c7gd.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| c7gd.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| c7gn.large | 2 | 2 | 1 | 1、2 | 1 |
| c7gn.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| c7gn.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| c7gn.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| c7gn.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| c7gn.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| c7gn.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| c7i.large | 2 | 1 | 2 | 1 | 1、2 |
| c7i.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| c7i.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| c7i.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| c7i.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| c7i.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| c7i.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| c7i.24xlarge | 96 | 48 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1、2 |
| c7i.48xlarge | 192 | 96 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96 | 1、2 |
| c7i-flex.large | 2 | 1 | 2 | 1 | 1、2 |
| c7i-flex.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| c7i-flex.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| c7i-flex.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| c7i-flex.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| c7i-flex.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| c7i-flex.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| c8a.medium | 1 | 1 | 1 | 1 | 1 |
| c8a.large | 2 | 2 | 1 | 1、2 | 1 |
| c8a.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| c8a.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| c8a.4xlarge | 16 | 16 | 1 | 1、2、4、6、8、10、12、14、16 | 1 |
| c8a.8xlarge | 32 | 32 | 1 | 1、2、3、4、8、12、16、20、24、28、32 | 1 |
| c8a.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、12、18、24、30、36、42、48 | 1 |
| c8a.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、16、24、32、40、48、56、64 | 1 |
| c8a.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、24、36、48、60、72、84、96 | 1 |
| c8a.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、48、72、96、120、144、168、192 | 1 |
| c8g.large | 2 | 2 | 1 | 1、2 | 1 |
| c8g.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| c8g.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| c8g.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| c8g.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| c8g.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| c8g.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| c8g.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93, 94, 95, 96 | 1 |
| c8g.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96、98、100、102、104、106、108、110、112、114、116、118、120、122、124、126、128、130、132、134、136、138、140、142、144、146、148、150、152、154、156、158、160、162、164、166、168、170、172、174、176、178、180、182、184、186、188、190、192 | 1 |
| c8gb.large | 2 | 2 | 1 | 1、2 | 1 |
| c8gb.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| c8gb.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| c8gb.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| c8gb.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| c8gb.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| c8gb.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| c8gb.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93, 94, 95, 96 | 1 |
| c8gb.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96、98、100、102、104、106、108、110、112、114、116、118、120、122、124、126、128、130、132、134、136、138、140、142、144、146、148、150、152、154、156、158、160、162、164、166、168、170、172、174、176、178、180、182、184、186、188、190、192 | 1 |
| c8gd.large | 2 | 2 | 1 | 1、2 | 1 |
| c8gd.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| c8gd.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| c8gd.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| c8gd.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| c8gd.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| c8gd.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| c8gd.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93, 94, 95, 96 | 1 |
| c8gd.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96、98、100、102、104、106、108、110、112、114、116、118、120、122、124、126、128、130、132、134、136、138、140、142、144、146、148、150、152、154、156、158、160、162、164、166、168、170、172、174、176、178、180、182、184、186、188、190、192 | 1 |
| c8gn.large | 2 | 2 | 1 | 1、2 | 1 |
| c8gn.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| c8gn.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| c8gn.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| c8gn.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| c8gn.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| c8gn.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| c8gn.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93, 94, 95, 96 | 1 |
| c8gn.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96、98、100、102、104、106、108、110、112、114、116、118、120、122、124、126、128、130、132、134、136、138、140、142、144、146、148、150、152、154、156、158、160、162、164、166、168、170、172、174、176、178、180、182、184、186、188、190、192 | 1 |
| c8i.large | 2 | 1 | 2 | 1 | 1、2 |
| c8i.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| c8i.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| c8i.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| c8i.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| c8i.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| c8i.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| c8i.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| c8i.32xlarge | 128 | 64 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| c8i.48xlarge | 192 | 96 | 2 | 6、9、12、15、18、21、24、27、30、33、36、39、42、45、48、51、54、57、60、63、66、69、72、75、78、81、84、87、90、93、96 | 1、2 |
| c8i.96xlarge | 384 | 192 | 2 | 12、18、24、30、36、42、48、54、60、66、72、78、84、90、96、102、108、114、120、126、132、138、144、150、156、162、168、174、180、186、192 | 1、2 |
| c8id.large | 2 | 1 | 2 | 1 | 1、2 |
| c8id.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| c8id.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| c8id.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| c8id.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| c8id.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| c8id.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| c8id.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| c8id.32xlarge | 128 | 64 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| c8id.48xlarge | 192 | 96 | 2 | 6、9、12、15、18、21、24、27、30、33、36、39、42、45、48、51、54、57、60、63、66、69、72、75、78、81、84、87、90、93、96 | 1、2 |
| c8id.96xlarge | 384 | 192 | 2 | 12、18、24、30、36、42、48、54、60、66、72、78、84、90、96、102、108、114、120、126、132、138、144、150、156、162、168、174、180、186、192 | 1、2 |
| c8i-flex.large | 2 | 1 | 2 | 1 | 1、2 |
| c8i-flex.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| c8i-flex.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| c8i-flex.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| c8i-flex.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| c8i-flex.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| c8i-flex.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
## 内存优化型实例
| 实例类型 | 默认 vCPU | 默认 CPU 核心数 | 默认每核心线程数 | 有效的 CPU 核心 | 每个核心的有效线程 |
| --- | --- | --- | --- | --- | --- |
| r3.large | 2 | 1 | 2 | 1 | 1、2 |
| r3.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| r3.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| r3.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| r3.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| r4.large | 2 | 1 | 2 | 1 | 1、2 |
| r4.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| r4.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| r4.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| r4.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| r4.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| r5.large | 2 | 1 | 2 | 1 | 1、2 |
| r5.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| r5.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| r5.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| r5.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| r5.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| r5.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| r5.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| r5a.large | 2 | 1 | 2 | 1 | 1、2 |
| r5a.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| r5a.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| r5a.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| r5a.8xlarge | 32 | 16 | 2 | 4、6、8、10、12、14、16 | 1、2 |
| r5a.12xlarge | 48 | 24 | 2 | 6、12、18、24 | 1、2 |
| r5a.16xlarge | 64 | 32 | 2 | 8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| r5a.24xlarge | 96 | 48 | 2 | 12、18、24、36、48 | 1、2 |
| r5ad.large | 2 | 1 | 2 | 1 | 1、2 |
| r5ad.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| r5ad.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| r5ad.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| r5ad.8xlarge | 32 | 16 | 2 | 4、6、8、10、12、14、16 | 1、2 |
| r5ad.12xlarge | 48 | 24 | 2 | 6、12、18、24 | 1、2 |
| r5ad.16xlarge | 64 | 32 | 2 | 8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| r5ad.24xlarge | 96 | 48 | 2 | 12、18、24、36、48 | 1、2 |
| r5b.large | 2 | 1 | 2 | 1 | 1、2 |
| r5b.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| r5b.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| r5b.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| r5b.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| r5b.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| r5b.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| r5b.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| r5d.large | 2 | 1 | 2 | 1 | 1、2 |
| r5d.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| r5d.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| r5d.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| r5d.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| r5d.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| r5d.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| r5d.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| r5dn.large | 2 | 1 | 2 | 1 | 1、2 |
| r5dn.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| r5dn.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| r5dn.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| r5dn.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| r5dn.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| r5dn.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| r5dn.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| r5n.large | 2 | 1 | 2 | 1 | 1、2 |
| r5n.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| r5n.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| r5n.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| r5n.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| r5n.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| r5n.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| r5n.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| r6a.large | 2 | 1 | 2 | 1 | 1、2 |
| r6a.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| r6a.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| r6a.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| r6a.8xlarge | 32 | 16 | 2 | 4、6、8、10、12、14、16 | 1、2 |
| r6a.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、16、24 | 1、2 |
| r6a.16xlarge | 64 | 32 | 2 | 4、6、8、10、12、14、16、32 | 1、2 |
| r6a.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、32、48 | 1、2 |
| r6a.32xlarge | 128 | 64 | 2 | 8、12、16、20、24、28、32、64 | 1、2 |
| r6a.48xlarge | 192 | 96 | 2 | 8、12、16、20、24、28、32、64、96 | 1、2 |
| r6g.large | 2 | 2 | 1 | 1、2 | 1 |
| r6g.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| r6g.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| r6g.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| r6g.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| r6g.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| r6g.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| r6gd.large | 2 | 2 | 1 | 1、2 | 1 |
| r6gd.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| r6gd.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| r6gd.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| r6gd.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| r6gd.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| r6gd.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| r6i.large | 2 | 1 | 2 | 1 | 1、2 |
| r6i.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| r6i.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| r6i.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| r6i.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| r6i.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| r6i.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| r6i.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| r6i.32xlarge | 128 | 64 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| r6id.large | 2 | 1 | 2 | 1 | 1、2 |
| r6id.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| r6id.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| r6id.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| r6id.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| r6id.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| r6id.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| r6id.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| r6id.32xlarge | 128 | 64 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| r6idn.large | 2 | 1 | 2 | 1 | 1、2 |
| r6idn.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| r6idn.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| r6idn.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| r6idn.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| r6idn.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| r6idn.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| r6idn.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| r6idn.32xlarge | 128 | 64 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| r6in.large | 2 | 1 | 2 | 1 | 1、2 |
| r6in.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| r6in.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| r6in.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| r6in.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| r6in.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| r6in.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| r6in.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| r6in.32xlarge | 128 | 64 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| r7a.large | 2 | 2 | 1 | 1、2 | 1 |
| r7a.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| r7a.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| r7a.4xlarge | 16 | 16 | 1 | 1、2、4、6、8、10、12、14、16 | 1 |
| r7a.8xlarge | 32 | 32 | 1 | 1、2、3、4、8、12、16、20、24、28、32 | 1 |
| r7a.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、12、18、24、30、36、42、48 | 1 |
| r7a.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、16、24、32、40、48、56、64 | 1 |
| r7a.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、24、36、48、60、72、84、96 | 1 |
| r7a.32xlarge | 128 | 128 | 1 | 4、6、8、10、12、14、16、32、48、64、80、96、112、128 | 1 |
| r7a.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、48、72、96、120、144、168、192 | 1 |
| r7g.large | 2 | 2 | 1 | 1、2 | 1 |
| r7g.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| r7g.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| r7g.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| r7g.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| r7g.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| r7g.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| r7gd.large | 2 | 2 | 1 | 1、2 | 1 |
| r7gd.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| r7gd.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| r7gd.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| r7gd.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| r7gd.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| r7gd.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| r7i.large | 2 | 1 | 2 | 1 | 1、2 |
| r7i.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| r7i.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| r7i.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| r7i.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| r7i.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| r7i.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| r7i.24xlarge | 96 | 48 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1、2 |
| r7i.48xlarge | 192 | 96 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96 | 1、2 |
| r7iz.large | 2 | 1 | 2 | 1 | 1、2 |
| r7iz.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| r7iz.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| r7iz.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| r7iz.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| r7iz.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| r7iz.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| r7iz.32xlarge | 128 | 64 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| r8a.medium | 1 | 1 | 1 | 1 | 1 |
| r8a.large | 2 | 2 | 1 | 1、2 | 1 |
| r8a.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| r8a.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| r8a.4xlarge | 16 | 16 | 1 | 1、2、4、6、8、10、12、14、16 | 1 |
| r8a.8xlarge | 32 | 32 | 1 | 1、2、3、4、8、12、16、20、24、28、32 | 1 |
| r8a.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、12、18、24、30、36、42、48 | 1 |
| r8a.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、16、24、32、40、48、56、64 | 1 |
| r8a.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、24、36、48、60、72、84、96 | 1 |
| r8a.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、48、72、96、120、144、168、192 | 1 |
| r8g.large | 2 | 2 | 1 | 1、2 | 1 |
| r8g.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| r8g.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| r8g.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| r8g.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| r8g.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| r8g.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| r8g.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93, 94, 95, 96 | 1 |
| r8g.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96、98、100、102、104、106、108、110、112、114、116、118、120、122、124、126、128、130、132、134、136、138、140、142、144、146、148、150、152、154、156、158、160、162、164、166、168、170、172、174、176、178、180、182、184、186、188、190、192 | 1 |
| r8gb.large | 2 | 2 | 1 | 1、2 | 1 |
| r8gb.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| r8gb.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| r8gb.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| r8gb.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| r8gb.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| r8gb.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| r8gb.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93, 94, 95, 96 | 1 |
| r8gb.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96、98、100、102、104、106、108、110、112、114、116、118、120、122、124、126、128、130、132、134、136、138、140、142、144、146、148、150、152、154、156、158、160、162、164、166、168、170、172、174、176、178、180、182、184、186、188、190、192 | 1 |
| r8gd.large | 2 | 2 | 1 | 1、2 | 1 |
| r8gd.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| r8gd.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| r8gd.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| r8gd.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| r8gd.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| r8gd.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| r8gd.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93, 94, 95, 96 | 1 |
| r8gd.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96、98、100、102、104、106、108、110、112、114、116、118、120、122、124、126、128、130、132、134、136、138、140、142、144、146、148、150、152、154、156、158、160、162、164、166、168、170、172、174、176、178、180、182、184、186、188、190、192 | 1 |
| r8gn.large | 2 | 2 | 1 | 1、2 | 1 |
| r8gn.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| r8gn.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| r8gn.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| r8gn.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| r8gn.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| r8gn.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| r8gn.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93, 94, 95, 96 | 1 |
| r8gn.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96、98、100、102、104、106、108、110、112、114、116、118、120、122、124、126、128、130、132、134、136、138、140、142、144、146、148、150、152、154、156、158、160、162、164、166、168、170、172、174、176、178、180、182、184、186、188、190、192 | 1 |
| r8i.large | 2 | 1 | 2 | 1 | 1、2 |
| r8i.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| r8i.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| r8i.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| r8i.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| r8i.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| r8i.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| r8i.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| r8i.32xlarge | 128 | 64 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| r8i.48xlarge | 192 | 96 | 2 | 6、9、12、15、18、21、24、27、30、33、36、39、42、45、48、51、54、57、60、63、66、69、72、75、78、81、84、87、90、93、96 | 1、2 |
| r8i.96xlarge | 384 | 192 | 2 | 12、18、24、30、36、42、48、54、60、66、72、78、84、90、96、102、108、114、120、126、132、138、144、150、156、162、168、174、180、186、192 | 1、2 |
| r8id.large | 2 | 1 | 2 | 1 | 1、2 |
| r8id.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| r8id.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| r8id.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| r8id.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| r8id.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| r8id.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| r8id.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| r8id.32xlarge | 128 | 64 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| r8id.48xlarge | 192 | 96 | 2 | 6、9、12、15、18、21、24、27、30、33、36、39、42、45、48、51、54、57、60、63、66、69、72、75、78、81、84、87、90、93、96 | 1、2 |
| r8id.96xlarge | 384 | 192 | 2 | 12、18、24、30、36、42、48、54、60、66、72、78、84、90、96、102、108、114、120、126、132、138、144、150、156、162、168、174、180、186、192 | 1、2 |
| r8i-flex.large | 2 | 1 | 2 | 1 | 1、2 |
| r8i-flex.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| r8i-flex.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| r8i-flex.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| r8i-flex.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| r8i-flex.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| r8i-flex.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| u-3tb1.56xlarge | 224 | 112 | 2 | 8、12、16、20、24、28、32、36、40、44、48、52、56、60、64、68、72、76、80、84、88、92、96、100、104、108、112 | 1、2 |
| u-6tb1.56xlarge | 224 | 224 | 1 | 16、24、32、40、48、56、64、72、80、88、96、104、112、120、128、136、144、152、160、168、176、184、192、200、208、216、224 | 1 |
| u-6tb1.112xlarge | 448 | 224 | 2 | 16、24、32、40、48、56、64、72、80、88、96、104、112、120、128、136、144、152、160、168、176、184、192、200、208、216、224 | 1、2 |
| u-9tb1.112xlarge | 448 | 224 | 2 | 16、24、32、40、48、56、64、72、80、88、96、104、112、120、128、136、144、152、160、168、176、184、192、200、208、216、224 | 1、2 |
| u-12tb1.112xlarge | 448 | 224 | 2 | 16、24、32、40、48、56、64、72、80、88、96、104、112、120、128、136、144、152、160、168、176、184、192、200、208、216、224 | 1、2 |
| u-18tb1.112xlarge | 448 | 224 | 2 | 16、24、32、40、48、56、64、72、80、88、96、104、112、120、128、136、144、152、160、168、176、184、192、200、208、216、224 | 1、2 |
| u-24tb1.112xlarge | 448 | 224 | 2 | 16、24、32、40、48、56、64、72、80、88、96、104、112、120、128、136、144、152、160、168、176、184、192、200、208、216、224 | 1、2 |
| u7i-6tb.112xlarge | 448 | 224 | 2 | 8、12、16、20、24、28、32、36、40、44、48、52、56、60、64、68、72、76、80、84、88、92、96、100、104、108、112、116、120、124、128、132、136、140、144、148、152、156、160、164、168、172、176、180、184、188、192、196、200、204、208、212、216、220、224 | 1、2 |
| u7i-8tb.112xlarge | 448 | 224 | 2 | 8、12、16、20、24、28、32、36、40、44、48、52、56、60、64、68、72、76、80、84、88、92、96、100、104、108、112、116、120、124、128、132、136、140、144、148、152、156、160、164、168、172、176、180、184、188、192、196、200、204、208、212、216、220、224 | 1、2 |
| u7i-12tb.224xlarge | 896 | 448 | 2 | 16、24、32、40、48、56、64、72、80、88、96、104、112、120、128、136、144、152、160、168、176、184、192、200、208、216、224、232、240、248、256、264、272、280、288、296、304、312、320、328、336、344、352、360、368、376、384、392、400、408、416、424、432、440、448 | 1、2 |
| u7in-16tb.224xlarge | 896 | 448 | 2 | 16、24、32、40、48、56、64、72、80、88、96、104、112、120、128、136、144、152、160、168、176、184、192、200、208、216、224、232、240、248、256、264、272、280、288、296、304、312、320、328、336、344、352、360、368、376、384、392、400、408、416、424、432、440、448 | 1、2 |
| u7in-24tb.224xlarge | 896 | 448 | 2 | 16、24、32、40、48、56、64、72、80、88、96、104、112、120、128、136、144、152、160、168、176、184、192、200、208、216、224、232、240、248、256、264、272、280、288、296、304、312、320、328、336、344、352、360、368、376、384、392、400、408、416、424、432、440、448 | 1、2 |
| u7in-32tb.224xlarge | 896 | 448 | 2 | 16、24、32、40、48、56、64、72、80、88、96、104、112、120、128、136、144、152、160、168、176、184、192、200、208、216、224、232、240、248、256、264、272、280、288、296、304、312、320、328、336、344、352、360、368、376、384、392、400、408、416、424、432、440、448 | 1、2 |
| u7inh-32tb.480xlarge | 1920 | 960 | 2 | 32、48、64、80、96、112、128、144、160、176、192、208、224、240、256、272、288、304、320、336、352、368、384、400、416、432、448、464、480、496、512、528、544、560、576、592、608、624、640、656、672、688、704、720、736、752、768、784、800、816、832、848、864、880、896、912、928、944、960 | 1、2 |
| x1.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| x1.32xlarge | 128 | 64 | 2 | 4、8、12、16、20、24、28、32、36、40、44、48、52、56、60、64 | 1、2 |
| x1e.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| x1e.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| x1e.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| x1e.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| x1e.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| x1e.32xlarge | 128 | 64 | 2 | 4、8、12、16、20、24、28、32、36、40、44、48、52、56、60、64 | 1、2 |
| x2gd.large | 2 | 2 | 1 | 1、2 | 1 |
| x2gd.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| x2gd.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| x2gd.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| x2gd.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| x2gd.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| x2gd.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| x2idn.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| x2idn.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| x2idn.32xlarge | 128 | 64 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| x2iedn.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| x2iedn.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| x2iedn.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| x2iedn.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| x2iedn.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| x2iedn.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| x2iedn.32xlarge | 128 | 64 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| x2iezn.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| x2iezn.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| x2iezn.6xlarge | 24 | 12 | 2 | 2、4、6、8、10、12 | 1、2 |
| x2iezn.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| x2iezn.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| x8g.large | 2 | 2 | 1 | 1、2 | 1 |
| x8g.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| x8g.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| x8g.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| x8g.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| x8g.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| x8g.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| x8g.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93, 94, 95, 96 | 1 |
| x8g.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96、98、100、102、104、106、108、110、112、114、116、118、120、122、124、126、128、130、132、134、136、138、140、142、144、146、148、150、152、154、156、158、160、162、164、166、168、170、172、174、176、178、180、182、184、186、188、190、192 | 1 |
| x8aedz.large | 2 | 2 | 1 | 1、2 | 1 |
| x8aedz.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| x8aedz.3xlarge | 12 | 12 | 1 | 1、2、4、6、8、10、12 | 1 |
| x8aedz.6xlarge | 24 | 24 | 1 | 1、2、3、4、8、12、16、20、24 | 1 |
| x8aedz.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、16、24、32、40、48 | 1 |
| x8aedz.24xlarge | 96 | 96 | 1 | 4、6、8、10、12、14、16、32、48、64、80、96 | 1 |
| x8i.large | 2 | 1 | 2 | 1 | 1、2 |
| x8i.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| x8i.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| x8i.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| x8i.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| x8i.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| x8i.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| x8i.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| x8i.32xlarge | 128 | 64 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| x8i.48xlarge | 192 | 96 | 2 | 6、9、12、15、18、21、24、27、30、33、36、39、42、45、48、51、54、57、60、63、66、69、72、75、78、81、84、87、90、93、96 | 1、2 |
| x8i.64xlarge | 256 | 128 | 2 | 8、12、16、20、24、28、32、36、40、44、48、52、56、60、64、68、72、76、80、84、88、92、96、100、104、108、112、116、120、124、128 | 1、2 |
| x8i.96xlarge | 384 | 192 | 2 | 12、18、24、30、36、42、48、54、60、66、72、78、84、90、96、102、108、114、120、126、132、138、144、150、156、162、168、174、180、186、192 | 1、2 |
| z1d.large | 2 | 1 | 2 | 1 | 1、2 |
| z1d.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| z1d.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| z1d.3xlarge | 12 | 6 | 2 | 2、4、6 | 1、2 |
| z1d.6xlarge | 24 | 12 | 2 | 2、4、6、8、10、12 | 1、2 |
| z1d.12xlarge | 48 | 24 | 2 | 4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
## 存储优化型实例
| 实例类型 | 默认 vCPU | 默认 CPU 核心数 | 默认每核心线程数 | 有效的 CPU 核心 | 每个核心的有效线程 |
| --- | --- | --- | --- | --- | --- |
| d2.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| d2.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| d2.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| d2.8xlarge | 36 | 18 | 2 | 2、4、6、8、10、12、14、16、18 | 1、2 |
| d3.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| d3.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| d3.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| d3.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| d3en.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| d3en.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| d3en.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| d3en.6xlarge | 24 | 12 | 2 | 2、4、6、8、10、12 | 1、2 |
| d3en.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| d3en.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| h1.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| h1.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| h1.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| h1.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| i2.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| i2.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| i2.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| i2.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| i3.large | 2 | 1 | 2 | 1 | 1、2 |
| i3.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| i3.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| i3.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| i3.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| i3.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| i3en.large | 2 | 1 | 2 | 1 | 1、2 |
| i3en.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| i3en.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| i3en.3xlarge | 12 | 6 | 2 | 2、4、6 | 1、2 |
| i3en.6xlarge | 24 | 12 | 2 | 2、4、6、8、10、12 | 1、2 |
| i3en.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| i3en.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| i4g.large | 2 | 2 | 1 | 1、2 | 1 |
| i4g.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| i4g.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| i4g.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| i4g.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| i4g.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| i4i.large | 2 | 1 | 2 | 1 | 1、2 |
| i4i.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| i4i.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| i4i.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| i4i.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| i4i.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| i4i.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| i4i.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| i4i.32xlarge | 128 | 64 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| i7i.large | 2 | 1 | 2 | 1 | 1、2 |
| i7i.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| i7i.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| i7i.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| i7i.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| i7i.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| i7i.16xlarge | 64 | 32 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1、2 |
| i7i.24xlarge | 96 | 48 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1、2 |
| i7i.48xlarge | 192 | 96 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96 | 1、2 |
| i7ie.large | 2 | 1 | 2 | 1 | 1、2 |
| i7ie.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| i7ie.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| i7ie.3xlarge | 12 | 6 | 2 | 1、2、3、4、5、6 | 1、2 |
| i7ie.6xlarge | 24 | 12 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12 | 1、2 |
| i7ie.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| i7ie.18xlarge | 72 | 36 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36 | 1、2 |
| i7ie.24xlarge | 96 | 48 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1、2 |
| i7ie.48xlarge | 192 | 96 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96 | 1、2 |
| i8g.large | 2 | 2 | 1 | 1、2 | 1 |
| i8g.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| i8g.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| i8g.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| i8g.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| i8g.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| i8g.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| i8g.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93, 94, 95, 96 | 1 |
| i8g.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96、98、100、102、104、106、108、110、112、114、116、118、120、122、124、126、128、130、132、134、136、138、140、142、144、146、148、150、152、154、156、158、160、162、164、166、168、170、172、174、176、178、180、182、184、186、188、190、192 | 1 |
| i8ge.large | 2 | 2 | 1 | 1、2 | 1 |
| i8ge.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| i8ge.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| i8ge.3xlarge | 12 | 12 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12 | 1 |
| i8ge.6xlarge | 24 | 24 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1 |
| i8ge.12xlarge | 48 | 48 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1 |
| i8ge.18xlarge | 72 | 72 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72 | 1 |
| i8ge.24xlarge | 96 | 96 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93, 94, 95, 96 | 1 |
| i8ge.48xlarge | 192 | 192 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96、98、100、102、104、106、108、110、112、114、116、118、120、122、124、126、128、130、132、134、136、138、140、142、144、146、148、150、152、154、156、158、160、162、164、166、168、170、172、174、176、178、180、182、184、186、188、190、192 | 1 |
| im4gn.large | 2 | 2 | 1 | 1、2 | 1 |
| im4gn.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| im4gn.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| im4gn.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| im4gn.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| im4gn.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| is4gen.medium | 1 | 1 | 1 | 1 | 1 |
| is4gen.large | 2 | 2 | 1 | 1、2 | 1 |
| is4gen.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| is4gen.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| is4gen.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| is4gen.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
## 加速计算实例
| 实例类型 | 默认 vCPU | 默认 CPU 核心数 | 默认每核心线程数 | 有效的 CPU 核心 | 每个核心的有效线程 |
| --- | --- | --- | --- | --- | --- |
| dl1.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| dl2q.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| f1.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| f1.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| f1.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| f2.6xlarge | 24 | 12 | 2 | 1、2、3、6、9、12 | 1、2 |
| f2.12xlarge | 48 | 24 | 2 | 1、2、3、6、9、12、15、18、21、24 | 1、2 |
| f2.48xlarge | 192 | 96 | 2 | 4、6、8、10、12、24、36、48、60、72、84、96 | 1、2 |
| g3.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| g3.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| g3.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| g4ad.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| g4ad.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| g4ad.4xlarge | 16 | 8 | 2 | 2、4、8 | 1、2 |
| g4ad.8xlarge | 32 | 16 | 2 | 2、4、8、16 | 1、2 |
| g4ad.16xlarge | 64 | 32 | 2 | 2、4、8、16、32 | 1、2 |
| g4dn.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| g4dn.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| g4dn.4xlarge | 16 | 8 | 2 | 2、4、6、8 | 1、2 |
| g4dn.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| g4dn.12xlarge | 48 | 24 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24 | 1、2 |
| g4dn.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| g5g.xlarge | 4 | 4 | 1 | 1、2、3、4 | 1 |
| g5g.2xlarge | 8 | 8 | 1 | 1、2、3、4、5、6、7、8 | 1 |
| g5g.4xlarge | 16 | 16 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1 |
| g5g.8xlarge | 32 | 32 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32 | 1 |
| g5g.16xlarge | 64 | 64 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64 | 1 |
| g6.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| g6.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| g6.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| g6.8xlarge | 32 | 16 | 2 | 1、2、4、6、8、10、12、14、16 | 1、2 |
| g6.12xlarge | 48 | 24 | 2 | 1、2、3、6、9、12、15、18、21、24 | 1、2 |
| g6.16xlarge | 64 | 32 | 2 | 1、2、3、4、8、12、16、20、24、28、32 | 1、2 |
| g6.24xlarge | 96 | 48 | 2 | 1、2、3、4、5、6、12、18、24、30、36、42、48 | 1、2 |
| g6.48xlarge | 192 | 96 | 2 | 4、6、8、10、12、24、36、48、60、72、84、96 | 1、2 |
| g6e.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| g6e.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| g6e.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| g6e.8xlarge | 32 | 16 | 2 | 2、4、6、8、10、12、14、16 | 1、2 |
| g6e.12xlarge | 48 | 24 | 2 | 3、6、9、12、15、18、21、24 | 1、2 |
| g6e.16xlarge | 64 | 32 | 2 | 4、8、12、16、20、24、28、32 | 1、2 |
| g6e.24xlarge | 96 | 48 | 2 | 6、12、18、24、30、36、42、48 | 1、2 |
| g6e.48xlarge | 192 | 96 | 2 | 12、24、36、48、60、72、84、96 | 1、2 |
| g6f.large | 2 | 1 | 2 | 1 | 1、2 |
| g6f.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| g6f.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| g6f.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| gr6.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| gr6.8xlarge | 32 | 16 | 2 | 1、2、4、6、8、10、12、14、16 | 1、2 |
| gr6f.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| g7e.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| g7e.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| g7e.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| g7e.12xlarge | 48 | 24 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24 | 1、2 |
| g7e.24xlarge | 96 | 48 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48 | 1、2 |
| g7e.48xlarge | 192 | 96 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96 | 1、2 |
| inf1.xlarge | 4 | 2 | 2 | 2 | 1、2 |
| inf1.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| inf1.6xlarge | 24 | 12 | 2 | 2、4、6、8、10、12 | 1、2 |
| inf1.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| inf2.xlarge | 4 | 2 | 2 | 1、2 | 1、2 |
| inf2.8xlarge | 32 | 16 | 2 | 4、6、8、10、12、14、16 | 1、2 |
| inf2.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、32、48 | 1、2 |
| inf2.48xlarge | 192 | 96 | 2 | 4、8、12、16、20、24、28、32、64、96 | 1、2 |
| p3.2xlarge | 8 | 4 | 2 | 1、2、3、4 | 1、2 |
| p3.8xlarge | 32 | 16 | 2 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16 | 1、2 |
| p3.16xlarge | 64 | 32 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32 | 1、2 |
| p3dn.24xlarge | 96 | 48 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| p4d.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| p4de.24xlarge | 96 | 48 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48 | 1、2 |
| p5.4xlarge | 16 | 8 | 2 | 1、2、3、4、5、6、7、8 | 1、2 |
| p5.48xlarge | 192 | 96 | 2 | 12、24、36、48、60、72、84、96 | 1、2 |
| p5e.48xlarge | 192 | 96 | 2 | 12、24、36、48、60、72、84、96 | 1、2 |
| p5en.48xlarge | 192 | 96 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96 | 1、2 |
| p6-b200.48xlarge | 192 | 96 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96 | 1、2 |
| p6-b300.48xlarge | 192 | 96 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96 | 1、2 |
| p6e-gb200.36xlarge | 144 | 144 | 1 | 1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59、60、61、62、63、64、65、66、67、68、69、70、71、72、73、74、75、76、77、78、79、80、81、82、83、84、85、86、87、88、89、90、91、92、93、94、95、96、97、98、99、100、101、102、103、104、105、106、107、108、109、110、111、112、113、114、115、116、117、118、119、120、121、122、123、124、125、126、127、128、129、130、131、132、133、134、135、136、137、138、139、140、141、142、143、144 | 1 |
| trn1.2xlarge | 8 | 4 | 2 | 2、4 | 1、2 |
| trn1.32xlarge | 128 | 64 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| trn1n.32xlarge | 128 | 64 | 2 | 2、4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1、2 |
| trn2.3xlarge | 12 | 6 | 2 | 1、2、3、4、5、6 | 1、2 |
| trn2.48xlarge | 192 | 96 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96 | 1、2 |
| trn2u.48xlarge | 192 | 96 | 2 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64、66、68、70、72、74、76、78、80、82、84、86、88、90、92、94、96 | 1、2 |
| vt1.3xlarge | 12 | 6 | 2 | 6 | 1、2 |
| vt1.6xlarge | 24 | 12 | 2 | 6、12 | 1、2 |
| vt1.24xlarge | 96 | 48 | 2 | 6、12、48 | 1、2 |
## 高性能计算实例
| 实例类型 | 默认 vCPU | 默认 CPU 核心数 | 默认每核心线程数 | 有效的 CPU 核心 | 每个核心的有效线程 |
| --- | --- | --- | --- | --- | --- |
| hpc6id.32xlarge | 64 | 64 | 1 | 4、6、8、10、12、14、16、18、20、22、24、26、28、30、32、34、36、38、40、42、44、46、48、50、52、54、56、58、60、62、64 | 1 |
| hpc8a.96xlarge | 192 | 192 | 1 | 24、48、72、96、120、144、168、192 | 1 |
# 为 Amazon EC2 实例指定 CPU 选项
在实例启动过程中以及之后都可以指定 CPU 选项。
**Topics**
+ [
## 禁用同步多线程
](#cpu-options-disable-simultaneous-multithreading)
+ [
## 在启动时指定自定义 vCPU 数
](#cpu-options-customize-vCPUs-launch)
+ [
## 在启动模板中指定自定义 vCPU 数
](#cpu-options-customize-vCPUs-launch-template)
+ [
## 更改 EC2 实例的 CPU 选项
](#change-vCPUs-after-launch)
## 禁用同步多线程
要禁用同步多线程（SMT）（也称为超线程），请为每个核心指定 1 个线程。
------
#### [ Console ]
**在启动实例期间禁用 SMT**
1. 按照 [使用控制台中的启动实例向导来启动 EC2 实例](ec2-launch-instance-wizard.md) 程序进行操作并根据需要配置实例。
1. 展开**高级详细信息**，然后选中**指定 CPU 选项**复选框。
1. 对于 **Core count (内核数)**，选择所需的 CPU 内核数量。在此示例中，要为 `r5.4xlarge` 实例指定默认 CPU 内核数，请选择 `8`。
1. 要禁用 SMT，请为**每核心线程数**选择 **1**。
1. 在 **Summary**（摘要）面板中查看实例配置，然后选择 **Launch instance**（启动实例）。有关更多信息，请参阅 [使用控制台中的启动实例向导来启动 EC2 实例](ec2-launch-instance-wizard.md)。
------
#### [ AWS CLI ]
**在启动实例期间禁用 SMT**
使用 [run-instances](https://docs.aws.amazon.com/cli/latest/reference/ec2/run-instances.html) AWS CLI 命令，并将 `1` 参数的 `ThreadsPerCore` 值指定为 `--cpu-options`。对于 `CoreCount`，请指定 CPU 内核的数量。在此示例中，要为 `r7i.4xlarge` 实例指定默认 CPU 内核数，请指定值 `8`。
```
aws ec2 run-instances \
--image-id ami-0abcdef1234567890 \
--instance-type r7i.4xlarge \
--cpu-options "CoreCount=8,ThreadsPerCore=1" \
--key-name my-key-pair
```
------
#### [ PowerShell ]
**在启动实例期间禁用 SMT**
使用 [New-EC2Instance](https://docs.aws.amazon.com/powershell/latest/reference/items/New-EC2Instance.html) 命令，并将 `-CpuOptions` 参数的 `ThreadsPerCore` 值指定为 `1`。对于 `CoreCount`，请指定 CPU 内核的数量。在此示例中，要为 `r7i.4xlarge` 实例指定默认 CPU 内核数，请指定值 `8`。
```
New-EC2Instance `
-ImageId 'ami-0abcdef1234567890' `
-InstanceType 'r7i.4xlarge' `
-CpuOptions @{CoreCount=8; ThreadsPerCore=1} `
-KeyName 'my-key-pair'
```
------
**注意**
要为现有实例禁用 SMT，请按照[更改 EC2 实例的 CPU 选项](#change-vCPUs-after-launch)中所示的流程操作，并将每个核心运行的线程数更改为 `1`。
## 在启动时指定自定义 vCPU 数
您可以在启动实例时，通过 EC2 控制台或 AWS CLI 自定义 CPU 核心数和每核心线程数。本节中的示例使用的是 `r5.4xlarge` 实例类型，该实例类型的默认设置如下：
+ CPU 核心数：8
+ 每核心线程数：2
默认情况下，实例会使用该实例类型可用的最大 vCPU 数量启动。对于这种实例类型，则共有 16 个 vCPU（8 个核心，每个核心运行 2 个线程）。有关此实例类型的更多信息，请参阅 [内存优化型实例](cpu-options-supported-instances-values.md#cpu-options-mem-optimized)。
以下示例启动一个具有 4 个 vCPU 的 `r5.4xlarge` 实例。
------
#### [ Console ]
**在实例启动期间指定自定义 vCPU 数量**
1. 按照 [使用控制台中的启动实例向导来启动 EC2 实例](ec2-launch-instance-wizard.md) 程序进行操作并根据需要配置实例。
1. 展开**高级详细信息**，然后选中**指定 CPU 选项**复选框。
1. 要获得 4 个 vCPU，请指定 2 个 CPU 内核并为每个内核指定 2 个线程，如下所示：
+ 对于**内核数**，选择 **2**。
+ 对于 **Threads per core (每内核线程数)**，选择 **2**。
1. 在 **Summary**（摘要）面板中查看实例配置，然后选择 **Launch instance**（启动实例）。有关更多信息，请参阅 [使用控制台中的启动实例向导来启动 EC2 实例](ec2-launch-instance-wizard.md)。
------
#### [ AWS CLI ]
**在实例启动期间指定自定义 vCPU 数量**
使用 [run-instances](https://docs.aws.amazon.com/cli/latest/reference/ec2/run-instances.html) AWS CLI 命令，并在 `--cpu-options` 参数中指定 CPU 内核数和线程数。可以指定 2 个 CPU 核心并为每个核心指定 2 个线程，从而获得 4 个 vCPU。
```
aws ec2 run-instances \
--image-id ami-0abcdef1234567890 \
--instance-type r7i.4xlarge \
--cpu-options "CoreCount=2,ThreadsPerCore=2" \
--key-name my-key-pair
```
或者，也可以通过指定 4 个 CPU 核心并为每个核心指定 1 个线程（禁用 SMT）来获得 4 个 vCPU：
```
aws ec2 run-instances \
--image-id ami-0abcdef1234567890 \
--instance-type r7i.4xlarge \
--cpu-options "CoreCount=4,ThreadsPerCore=1" \
--key-name my-key-pair
```
------
#### [ PowerShell ]
**在实例启动期间指定自定义 vCPU 数量**
使用 [New-EC2Instance](https://docs.aws.amazon.com/powershell/latest/reference/items/New-EC2Instance.html) 命令，并在 `-CpuOptions` 参数中指定 CPU 核心数和线程数。可以指定 2 个 CPU 核心并为每个核心指定 2 个线程，从而获得 4 个 vCPU。
```
New-EC2Instance `
-ImageId 'ami-0abcdef1234567890' `
-InstanceType 'r7i.4xlarge' `
-CpuOptions @{CoreCount=2; ThreadsPerCore=2} `
-KeyName 'my-key-pair'
```
或者，也可以通过指定 4 个 CPU 核心并为每个核心指定 1 个线程（禁用 SMT）来获得 4 个 vCPU：
```
New-EC2Instance `
-ImageId 'ami-0abcdef1234567890' `
-InstanceType 'r7i.4xlarge' `
-CpuOptions @{CoreCount=4; ThreadsPerCore=1} `
-KeyName 'my-key-pair'
```
------
## 在启动模板中指定自定义 vCPU 数
您可以在启动模板中自定义实例的 CPU 核心数和每个核心的线程数。本节中的示例使用的是 `r5.4xlarge` 实例类型，该实例类型的默认设置如下：
+ CPU 核心数：8
+ 每核心线程数：2
默认情况下，实例会使用该实例类型可用的最大 vCPU 数量启动。对于这种实例类型，则共有 16 个 vCPU（8 个核心，每个核心运行 2 个线程）。有关此实例类型的更多信息，请参阅 [内存优化型实例](cpu-options-supported-instances-values.md#cpu-options-mem-optimized)。
以下示例创建了一个启动模板，该模板指定具有 4 个 vCPU 的 `r5.4xlarge` 实例的配置。
------
#### [ Console ]
**要在启动模板中指定自定义 vCPU 数**
1. 按照 [通过指定参数创建启动模板](create-launch-template.md#create-launch-template-define-parameters) 程序进行操作并根据需要配置启动模板。
1. 展开**高级详细信息**，然后选中**指定 CPU 选项**复选框。
1. 要获得 4 个 vCPU，请指定 2 个 CPU 内核并为每个内核指定 2 个线程，如下所示：
+ 对于**内核数**，选择 **2**。
+ 对于 **Threads per core (每内核线程数)**，选择 **2**。
1. 在**摘要**面板中查看实例配置，然后选择**创建启动模板**。有关更多信息，请参阅 [在 Amazon EC2 启动模板中存储实例启动参数](ec2-launch-templates.md)。
------
#### [ AWS CLI ]
**要在启动模板中指定自定义 vCPU 数**
使用 [create-launch-template](https://docs.aws.amazon.com/cli/latest/reference/ec2/create-launch-template.html) AWS CLI 命令，并在 `CpuOptions` 参数中指定 CPU 核心数和线程数。可以指定 2 个 CPU 核心并为每个核心指定 2 个线程，从而获得 4 个 vCPU。
```
aws ec2 create-launch-template \
--launch-template-name TemplateForCPUOptions \
--version-description CPUOptionsVersion1 \
--launch-template-data file://template-data.json
```
下面是一个示例 JSON 文件，其中包含启动模板数据，包括本示例的实例配置的 CPU 选项。
```
{
"NetworkInterfaces": [{
"AssociatePublicIpAddress": true,
"DeviceIndex": 0,
"Ipv6AddressCount": 1,
"SubnetId": "subnet-0abcdef1234567890"
}],
"ImageId": "ami-0abcdef1234567890",
"InstanceType": "r5.4xlarge",
"TagSpecifications": [{
"ResourceType": "instance",
"Tags": [{
"Key":"Name",
"Value":"webserver"
}]
}],
"CpuOptions": {
"CoreCount":2,
"ThreadsPerCore":2
}
}
```
或者，也可以通过指定 4 个 CPU 核心并为每个核心指定 1 个线程（禁用 SMT）来获得 4 个 vCPU：
```
{
"NetworkInterfaces": [{
"AssociatePublicIpAddress": true,
"DeviceIndex": 0,
"Ipv6AddressCount": 1,
"SubnetId": "subnet-0abcdef1234567890"
}],
"ImageId": "ami-0abcdef1234567890",
"InstanceType": "r5.4xlarge",
"TagSpecifications": [{
"ResourceType": "instance",
"Tags": [{
"Key":"Name",
"Value":"webserver"
}]
}],
"CpuOptions": {
"CoreCount":4,
"ThreadsPerCore":1
}
}
```
------
#### [ PowerShell ]
**要在启动模板中指定自定义 vCPU 数**
使用 [New-EC2LaunchTemplate](https://docs.aws.amazon.com/powershell/latest/reference/items/New-EC2LaunchTemplate.html)。
```
New-EC2LaunchTemplate `
-LaunchTemplateName 'TemplateForCPUOptions' `
-VersionDescription 'CPUOptionsVersion1' `
-LaunchTemplateData (Get-Content -Path 'template-data.json' | ConvertFrom-Json)
```
------
## 更改 EC2 实例的 CPU 选项
随着需求的逐渐变化，您可能需要更改现有实例的 CPU 选项配置。实例上运行的每个线程都称为一个虚拟 CPU（vCPU）。您可以通过 Amazon EC2 控制台、AWS CLI、API 或 SDK 更改现有实例中运行的 vCPU 数量。实例状态必须为 `Stopped`，然后才能进行此更改。
要查看控制台或命令行步骤，请选择与环境相匹配的选项卡。有关 API 请求和响应信息，请参阅《Amazon EC2 API 参考》中的 [ModifyInstanceCpuOptions](https://docs.aws.amazon.com/AWSEC2/latest/APIReference/API_ModifyInstanceCpuOptions.html)**。
------
#### [ Console ]
按照以下过程操作，通过 AWS 管理控制台更改实例的活动 vCPU 数量。
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 在左侧导航窗格中，选择 **Instances (实例)**。这将打开为当前 AWS 区域定义的实例列表。
1. 从**实例**列表中选择实例。您也可以通过选择实例链接来打开实例详细信息页面。
1. 如果实例正在运行，则必须首先停止实例，然后才能继续操作。从**实例状态**菜单中，选择**停止实例**。
1. 要更改 vCPU 配置，请从**操作**菜单的**实例设置**中，选择**更改 CPU 选项**。这将打开**更改 CPU 选项**页面。
1. 选择以下 CPU 选项之一来更改实例的配置。
**使用默认的 CPU 选项**
此选项会将实例重置为实例类型的默认 vCPU 数量。默认情况下会运行所有 CPU 核心的所有线程。
**指定 CPU 选项**
借助此选项可以配置实例上运行的 vCPU 数量。
1. 如果选择**指定 CPU 选项**，则会显示**活动 vCPU** 字段。
+ 使用第一个选择器来配置每个 CPU 核心的线程数。要禁用同步多线程，请选择 `1`。
+ 使用第二个选择器来配置在实例上运行的 CPU 数量。
当您更改 CPU 选项选择器时，以下字段会动态更新。
+ **活动 vCPU**：CPU 核心数乘以每核心线程数，具体取决于您的选择。例如，假设您选择了 2 个线程和 4 个核心，则该值为 8 个 vCPU。
+ **总 vCPU 数**：该实例类型的最大 vCPU 数。例如，对于 `m6i.4xlarge` 实例类型，这将为 16 个 vCPU（8 个核心，每个核心运行 2 个线程）。
1. 要应用更新，请选择**更改**。
------
#### [ AWS CLI ]
按照以下过程操作，通过 AWS CLI更改实例的活动 vCPU 数量。
使用 [modify-instance-cpu-options](https://awscli.amazonaws.com/v2/documentation/api/latest/reference/ec2/modify-instance-cpu-options.html) 命令，然后在 `--core-count` 参数中指定运行的 CPU 核心数，并在 `--threads-per-core` 参数中指定每个核心运行的线程数。
以下示例演示了对于 `m6i.4xlarge` 实例类型，用于在指定实例上运行 8 个 vCPU 的两种可能配置。这种实例类型默认为 16 个 vCPU（8 个核心，每个核心运行 2 个线程）。
**示例 1：**运行 4 个 CPU 核心，每个核心 2 个线程，总计 8 个 vCPU。
```
aws ec2 modify-instance-cpu-options \
--instance-id i-1234567890abcdef0 \
--core-count=4 \
--threads-per-core=2
```
**示例 2：**通过将每个核心运行的线程数更改为 `1` 来禁用同步多线程。得出的配置同样总计运行 8 个 vCPU（8 个 CPU 核心，每个核心 1 个线程）。
```
aws ec2 modify-instance-cpu-options \
--instance-id 1234567890abcdef0 \
--core-count=8 \
--threads-per-core=1
```
------
#### [ PowerShell ]
**更改实例的活动 vCPU 数量**
使用 [Edit-EC2InstanceCpuOption](https://docs.aws.amazon.com/powershell/latest/reference/items/Edit-EC2InstanceCpuOption.html) cmdlet，在 `-CoreCount` 参数中指定运行的 CPU 核心数，并且在 `ThreadsPerCore` 参数中指定每个核心运行的线程数。
**示例 1：**运行 4 个 CPU 核心，每个核心 2 个线程，总计 8 个 vCPU。
```
Edit-EC2InstanceCpuOption `
-InstanceId 'i-1234567890abcdef0' `
-CoreCount 4 `
-ThreadsPerCore 2
```
**示例 2：**通过将每个核心运行的线程数更改为 `1` 来禁用同步多线程。得出的配置同样总计运行 8 个 vCPU（8 个 CPU 核心，每个核心 1 个线程）。
```
Edit-EC2InstanceCpuOption `
-InstanceId 'i-1234567890abcdef0' `
-CoreCount 8 `
-ThreadsPerCore 1
```
------
# 查看 Amazon EC2 实例的 CPU 线程和核心
您可以通过描述实例来查看现有实例的 CPU 选项。
------
#### [ Console ]
**查看实例的 CPU 选项**
1. 通过以下网址打开 Amazon EC2 控制台：[https://console.aws.amazon.com/ec2/](https://console.aws.amazon.com/ec2/)。
1. 在左侧导航窗格中，选择**实例**，然后选择实例。
1. 在**详细信息**选项卡中的**主机和置放群组**下，找到 **vCPU 数量**。
------
#### [ AWS CLI ]
**查看实例的 CPU 选项**
可以使用 [describe-instances](https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-instances.html) 命令。
```
aws ec2 describe-instances \
--instance-ids i-1234567890abcdef0 \
--query Reservations[].Instances[].CpuOptions
```
下面是示例输出。`CoreCount` 字段指示实例的核心数。`ThreadsPerCore` 字段指示每核心线程数。
```
[
{
"CoreCount": 24,
"ThreadsPerCore": 2
},
]
```
------
#### [ PowerShell ]
**查看实例的 CPU 选项**
使用 [Get-EC2Instance](https://docs.aws.amazon.com/powershell/latest/reference/items/Get-EC2Instance.html) cmdlet。
```
(Get-EC2Instance `
-InstanceId 'i-1234567890abcdef0').Instances.CpuOptions
```
下面是示例输出。
```
AmdSevSnp CoreCount ThreadsPerCore
--------- --------- --------------
24 2
```
------
或者，要查看 CPU 信息，您可以连接到实例并使用以下系统工具之一：
+ Windows 实例上的 Windows `Task Manager`
+ Linux 实例上的 **lscpu** 命令
可以使用 AWS Config 记录、评测、审计实例的配置更改，包括终止的实例。有关更多信息，请参阅 *AWS Config 开发人员指南*中的 [AWS Config 入门](https://docs.aws.amazon.com/config/latest/developerguide/getting-started.html)
# 包含许可证的实例的优化 CPU 功能
Microsoft SQL Server 之类的工作负载通常需要大量的内存和 IOPS，但同时又需要较低的 vCPU 数量。AWS 提供了种类繁多的实例类型，能够满足您大部分的基础设施需求。然而，为了降低 Windows 和 Microsoft SQL Server 基于 vCPU 的许可费用，您可以自定义在您的 EC2 实例上运行的 vCPU 数量，同时保持相同的内存、存储和网络规格。这种方法可以节省基于 vCPU 的许可费用（包括包含许可证工作负载和自带许可（BYOL）工作负载）。您可以使用控制台或 Amazon EC2 API 在启动或修改实例时指定 CPU 选项。有关说明，请参阅[为 Amazon EC2 实例指定 CPU 选项](instance-specify-cpu-options.md)。
有关更多信息，请参阅这篇关于优化 SQL Server 工作负载的 CPU 的最佳实践的[博客文章](https://aws.amazon.com/blogs/modernizing-with-aws/optimize-cpus-best-practices-for-sql-server-workloads-continued/)。
## 支持的许可证类型
对于从包含许可证的 AMI 启动的实例，“优化 CPU”功能支持根据活跃 CPU 的数量对以下类型的许可证配置进行计费。有关许可证类型的更多信息，请参阅 [AMI 账单信息字段](billing-info-fields.md)。
**含许可证的 AMI 实例账单**
| 包含许可证 | 使用情况操作 | 每 vCPU 小时价格 |
| --- | --- | --- |
| Windows Server | RunInstances:0002 | 0.046 美元 |
| 含有 SQL Server Enterprise 的 Windows Server | RunInstances:0102 | 0.421 美元 |
| 含有 SQL Server Standard 的 Windows Server | RunInstances:0006 | 0.166 美元 |
| 包含 SQL Server Web 的 Windows Server | RunInstances:0202 | 0.063 美元 |
## 支持的购买选项
“优化 CPU”功能为包含许可证的实例提供以下购买选项：
+ 按需型
+ 节省计划
**警告**
如果您使用预留实例，则在针对同一付款账户中包含许可证的实例配置“优化 CPU”功能时，折扣可能无法适用。我们建议您使用节省计划来降低基于 vCPU 的许可成本，并提供与计算成本相关的同等节省金额。
在 2025 年 10 月 15 日之前，那些在同一实例类型上为 Windows 和 SQL Server 同时使用了“优化 CPU”和“预留实例”功能的账户已被列入退出列表，以维持其现有的计费体验。要利用优化 CPU 许可证节省的优势，请联系 [AWS 支持 中心](https://console.aws.amazon.com/support/home#/)将其从选择退出列表中移除。
## “优化 CPU”功能如何节省许可费用
以下示例有助于说明在配置 CPU 使用率时所能实现的成本节省情况。
**示例 1：默认账单**此示例展示了通过包含许可证的 Windows 和 SQL Server Enterprise AMI 启动的 r7i.8xlarge 实例。该实例运行了 100 小时，其实例类型默认的 CPU 配置为 32 个 vCPU（总计 3200 个 vCPU 小时）。
该账单中有一个行项目列出了综合费率，其中既包含了使用费用，也包含了许可费用。
![\[包含许可证的 Windows 和 SQL Server Enterprise 实例的默认计费示例账单。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/optimize-cpus-sample-bill-default.png)
**示例 2：优化 CPU 账单**此示例展示了通过使用包含许可证的 Windows 和 SQL Server Enterprise AMI 来启动的 r7i.8xlarge 实例。为了节省许可证费用，处于活动状态的 CPU 数量减少到 16 个 vCPU。然后，该实例使用新配置运行了 100 个小时。
账单显示以下行项目。
计费说明：**Elastic Compute Cloud**
第一个行项目显示了运行 100 小时的 Windows 和 SQL Server 实例的基准成本（211.68 美元）。
计费说明：**Amazon EC2 优化 CPU 包含许可证的第三方费用**
第二个行项目涵盖了基于计费期间内处于活动状态的 vCPU 数量而产生的许可费用（673.60 美元）。
![\[包含许可证的 Windows 和 SQL Server Enterprise 实例的优化 CPU 计费示例账单。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/optimize-cpus-sample-bill-optimized.png)
**示例 3：采用节省计划的优化 CPU 账单**此示例展示了通过使用包含许可证的 Windows 和 SQL Server Enterprise AMI 来启动的 r7i.8xlarge 实例。为了节省许可证费用，处于活动状态的 CPU 数量减少到 16 个 vCPU。然后，该实例使用新配置运行了 100 个小时。
一项为期一年的*无预付费用计算类节省计划*，每小时承诺费用为 1.60 美元（四舍五入），可进一步节省成本，从而降低 Windows 和 SQL Server 实例的基准成本。节省计划承诺涵盖了 r7i.8xlarge 实例的全部 100 小时使用时长，其节省计划的费率为每小时 1.53362 美元。
账单显示以下行项目。
计费说明：**计算类使用量的节省计划**
第一个行项目显示了整整 100 小时使用量的节省计划承诺（160.00 美元）。
计费说明：**Elastic Compute Cloud**
第二个行项目包含两个条目。第一个条目显示了运行 100 小时的 Windows 和 SQL Server 实例的基准成本在未采用节省计划时原本为（211.68 美元）。第二个条目显示，全部基准成本已由计算类节省计划承担（费用为 -211.68 美元），因此该行项目的净成本为零。
计费说明：**Amazon EC2 优化 CPU 包含许可证的第三方费用**
第三个行项目涵盖了基于计费期间内处于活动状态的 vCPU 数量而产生的许可费用（673.60 美元）。
![\[包含许可证的 Windows 和 SQL Server Enterprise 实例的节省计划和优化 CPU 计费示例账单。\]](http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/images/optimize-cpus-sample-bill-savings-plan.png)
# Amazon EC2 实例的 AMD SEV-SNP
AMD 安全加密虚拟化–安全嵌套分页（AMD SEV-SNP）CPU 功能具有以下属性：
+ **证明** – AMD SEV-SNP 使您能够检索已签名的证明报告，其中包含可用于验证实例状态和身份并证明实例在正版 AMD 硬件上运行的加密措施。有关更多信息，请参阅 [使用 AMD SEV-SNP 证明 Amazon EC2 实例](snp-attestation.md)。
+ **内存加密** – 从 AMD EPYC（米兰）、AWS Graviton2 和英特尔至强可扩展（Ice Lake）处理器开始，实例内存始终是加密的。启用 AMD SEV-SNP 的实例使用实例特定的密钥进行内存加密。
**Topics**
+ [
## 概念和术语
](#snp-concepts)
+ [
## 要求
](#snp-requirements)
+ [
## 注意事项
](#snp-considerations)
+ [
## 定价
](#snp-pricing)
+ [查找支持的实例类型](snp-find-instance-types.md)
+ [启用 AMD SEV-SNP](snp-work-launch.md)
+ [使用 AMD SEV-SNP 证明](snp-attestation.md)
## 概念和术语
在开始使用 AMD SEV-SNP 之前，请先熟悉以下概念和术语。
**AMD SEV-SNP 证明报告**
AMD SEV-SNP 证明报告是实例可以请求 CPU 提供的一种文档。AMD SEV-SNP 证明报告可用于验证实例的状态和身份，以及验证实例是否在认可的 AMD 环境中运行。证明报告包括一项启动指标，该指标是实例初始引导状态的加密哈希值，其中包括其初始实例内存内容和 vCPU 的初始状态。AMD SEV-SNP 证明报告采用 VLEK 签名签署，该签名可回链至 AMD 信任根。
**VLEK**
版本控制加载认可密钥（VLEK）是 AMD 认证的一种版本控制签名密钥，由 AMD CPU 用于签署 AMD SEV-SNP 证明报告。VLEK 签名可通过 AMD 提供的证书来进行验证。
**OVMF 二进制文件**
开放虚拟机固件（OVMF）是用于为实例提供 UEFI 环境的早期启动代码。早期启动代码将早于 AMI 中的代码启动运行。OVMF 还将查找并运行 AMI 中提供的引导加载程序。有关更多信息，请参阅 [OVMF 存储库](https://github.com/tianocore/tianocore.github.io/wiki/OVMF)。
## 要求
要使用 AMD SEV-SNP，您必须执行以下操作：
+ 使用以下任何一种支持的实例类型：
+ **通用型**：`m6a.large` \$1`m6a.xlarge` \$1`m6a.2xlarge` \$1`m6a.4xlarge` \$1`m6a.8xlarge`
+ **计算优化型**：`c6a.large` \$1`c6a.xlarge` \$1`c6a.2xlarge` \$1`c6a.4xlarge` \$1`c6a.8xlarge` \$1`c6a.12xlarge` \$1`c6a.16xlarge`
+ **内存优化型**：`r6a.large`\$1`r6a.xlarge` \$1`r6a.2xlarge` \$1`r6a.4xlarge`
+ 在支持的 AWS 区域中启动实例。目前仅支持美国东部（俄亥俄州）和欧洲地区（爱尔兰）区域。
+ 使用带有 `uefi` 或 `uefi-preferred` 启动模式的 AMI 以及支持 AMD SEV-SNP 的操作系统。要详细了解操作系统对 AMD SEV-SNP 的支持，请参阅相应操作系统的文档。对于 AWS，AL2023、RHEL 9.3 SLES 15 SP4 以及 Ubuntu 23.04 和更高版本都支持 AMD SEV-SNP。
## 注意事项
您只能在启动实例时启用 AMD SEV-SNP。如果在实例启动时启用 AMD SEV-SNP，则以下规则适用。
+ AMD SEV-SNP 启用后便无法禁用。会在整个实例生命周期中保持启用状态。
+ 您只能将[实例类型更改](ec2-instance-resize.md)为支持 AMD SEV-SNP 的其他实例类型。
+ 不支持休眠和 Nitro Enclaves。
+ 不支持专属主机。
+ 如果实例的底层主机计划进行维护，您将在该事件发生前 14 天收到计划事件通知。您必须手动停止或重启实例，然后才能将其迁移到新主机。
## 定价
在启用了 AMD SEV-SNP 的情况下启动 Amazon EC2 实例时，您需要按小时支付额外的使用费，费率为所选实例类型[按需小时费率](https://aws.amazon.com/ec2/pricing/on-demand/) 的 10%。
此 AMD SEV-SNP 使用费将按您的 Amazon EC2 实例使用量单独收取。预留实例、Savings Plans 和操作系统使用情况不会影响此费用。
如果将竞价型实例配置为在启用了 [AMD SEV-SNP](#sev-snp) 的情况下启动，您需要按小时支付额外的使用费，费率为所选实例类型[按需小时费率](https://aws.amazon.com/ec2/pricing/on-demand/)的 10%。如果分配策略使用价格作为输入，则竞价型实例集不包括这笔额外费用；只使用 Spot 价格。
# 查找支持 AMD SEV-SNP 的 EC2 实例类型
您可以查找支持 AMD SEV-SNP 的实例类型。Amazon EC2 控制台不显示实例类型的此信息。
------
#### [ AWS CLI ]
**查找支持 AMD SEV-SNP 的实例类型**
使用以下 [https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-instance-types.html](https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-instance-types.html) 命令。
```
aws ec2 describe-instance-types \
--filters Name=processor-info.supported-features,Values=amd-sev-snp \
--query 'InstanceTypes[*].[InstanceType]' \
--output text | sort
```
下面是示例输出。
```
c6a.12xlarge
c6a.16xlarge
c6a.2xlarge
c6a.4xlarge
c6a.8xlarge
c6a.large
c6a.xlarge
m6a.2xlarge
m6a.4xlarge
m6a.8xlarge
m6a.large
m6a.xlarge
r6a.2xlarge
r6a.4xlarge
r6a.large
r6a.xlarge
```
------
#### [ PowerShell ]
**查找支持 AMD SEV-SNP 的实例类型**
使用 [Get-EC2InstanceType](https://docs.aws.amazon.com/powershell/latest/reference/items/Get-EC2InstanceType.html) cmdlet。
```
(Get-EC2InstanceType `
-Filter @{Name="processor-info.supported-features"; Values="amd-sev-snp"}).InstanceType.Value | Sort-Object
```
下面是示例输出。
```
c6a.12xlarge
c6a.16xlarge
c6a.2xlarge
c6a.4xlarge
c6a.8xlarge
c6a.large
c6a.xlarge
m6a.2xlarge
m6a.4xlarge
m6a.8xlarge
m6a.large
m6a.xlarge
r6a.2xlarge
r6a.4xlarge
r6a.large
r6a.xlarge
```
------
# 为 EC2 实例启用 AMD SEV-SNP
您可以在启用了 AMD SEV-SNP 的情况下启动实例。启动实例后便无法启用 AMD SEV-SNP。
## 启动已启用 AMD SEV-SNP 的实例
您不能使用 Amazon EC2 控制台启用 AMD SEV-SNP。
------
#### [ AWS CLI ]
**在启用了 AMD SEV-SNP 的情况下启动实例**
使用带 `--cpu-options` 选项的 [https://docs.aws.amazon.com/cli/latest/reference/ec2/run-instances.html](https://docs.aws.amazon.com/cli/latest/reference/ec2/run-instances.html) 命令。有关其他要求，请参阅 [AMD SEV-SNP 要求](sev-snp.md#snp-requirements)。
```
--cpu-options AmdSevSnp=enabled
```
------
#### [ PowerShell ]
**在启用了 AMD SEV-SNP 的情况下启动实例**
将 [New-EC2Instance](https://docs.aws.amazon.com/powershell/latest/reference/items/New-EC2Instance.html) cmdlet 与 `-CpuOption` 参数结合使用。
```
-CpuOption @{AmdSevSnp="enabled"}
```
------
## 检查 EC2 实例是否启用了 AMD SEV-SNP
您可以查找已启用 AMD SEV-SNP 的实例。Amazon EC2 控制台不显示此信息。
------
#### [ AWS CLI ]
**检查实例是否启用了 AMD SEV-SNP。**
使用 [https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-instances.html](https://docs.aws.amazon.com/cli/latest/reference/ec2/describe-instances.html) 命令。
```
aws ec2 describe-instances \
--instance-ids i-1234567890abcdef0 \
--query Reservations[].Instances[].CpuOptions
```
下面是示例输出。如果 `AmdSevSnp` 中不存在 `CpuOptions`，则禁用 AMD SEV-SNP。
```
[
{
"AmdSevSnp": "enabled",
"CoreCount": 1,
"ThreadsPerCore": 2
}
]
```
------
#### [ PowerShell ]
**检查实例是否启用了 AMD SEV-SNP。**
使用 [Get-EC2Instance](https://docs.aws.amazon.com/powershell/latest/reference/items/Get-EC2Instance.html) cmdlet。
```
(Get-EC2Instance `
-InstanceId i-1234567890abcdef0).Instances.CpuOptions
```
下面是示例输出。如果不存在的 `AmdSevSnp` 值，则会禁用 AMD SEV-SNP。
```
AmdSevSnp CoreCount ThreadsPerCore
--------- --------- --------------
enabled 1 2
```
------
#### [ AWS CloudTrail ]
实例启动请求出现 AWS CloudTrail 事件时，以下属性将指示该实例已启用 AMD SEV-SNP。
```
"cpuOptions": {"AmdSevSnp": "enabled"}
```
------
# 使用 AMD SEV-SNP 证明 Amazon EC2 实例
证明是可让实例证明其状态和身份的过程。为实例启用 AMD SEV-SNP 后，您可以请求底层处理器提供 AMD SEV-SNP 证明报告。AMD SEV-SNP 证明报告包含初始客户机内存内容和初始 vCPU 状态的加密哈希值，称为启动指标。证明报告采用 VLEK 签名签署，该签名可回链至 AMD 信任根。您可以使用证明报告中包含的启动指标来验证实例是否在正版 AMD 环境中运行，并验证用于启动实例的初始启动代码。
**先决条件**
启动已启用 AMD SEV-SNP 的实例。有关更多信息，请参阅 [为 EC2 实例启用 AMD SEV-SNP](snp-work-launch.md)。
**Topics**
+ [
## 第 1 步：获取证明报告
](#snp-att-get-report)
+ [
## 第 2 步：验证证明报告签名
](#snp-att-validate-signature)
## 第 1 步：获取证明报告
在这一步中，您需要安装和构建 `snpguest` 实用程序，然后使用其请求 AMD SEV-SNP 证明报告和证书。
1. 连接到您的实例。
1. 运行以下命令从 [https://github.com/virtee/snpguest](https://github.com/virtee/snpguest) 构建 `snpguest` 实用程序。
```
$ git clone https://github.com/virtee/snpguest.git
$ cd snpguest
$ cargo build -r
$ cd target/release
```
1. 生成证明报告的请求。该实用程序从主机请求证明报告，并将其与提供的请求数据一起写入二进制文件。
以下示例创建了一个随机请求字符串，并将其用作请求文件（`request-file.txt`）。命令返回证明报告后，该报告将存储在您指定的文件路径（`report.bin`）中。在这种情况下，实用程序会将报告存储在当前目录中。
```
$ ./snpguest report report.bin request-file.txt --random
```
1. 从主机内存请求证书，并将其存储为 PEM 文件。以下示例将文件存储在与 `snpguest` 实用程序相同的目录中。如果指定目录中已存在证书，则这些证书将被覆盖。
```
$ ./snpguest certificates PEM ./
```
## 第 2 步：验证证明报告签名
证明报告使用名为版本控制加载认可密钥（VLEK）的证书签署，该证书由 AMD 为 AWS 颁发。在这一步中，您可以验证 VLEK 证书是否由 AMD 颁发，以及证明报告是否是用该 VLEK 证书签署的。
1. 从 AMD 官方网站将 VLEK 根信任证书下载到当前目录中。
```
$ sudo curl --proto '=https' --tlsv1.2 -sSf https://kdsintf.amd.com/vlek/v1/Milan/cert_chain -o ./cert_chain.pem
```
1. 使用 `openssl` 验证 VLEK 证书是否是使用 AMD 根信任证书签署的。
```
$ sudo openssl verify --CAfile ./cert_chain.pem vlek.pem
```
下面是示例输出。
```
vlek.pem: OK
```
1. 使用 `snpguest` 实用程序来验证证明报告是否是用 VLEK 证书签署的。
```
$ ./snpguest verify attestation ./ report.bin
```
下面是示例输出。
```
Reported TCB Boot Loader from certificate matches the attestation report.
Reported TCB TEE from certificate matches the attestation report.
Reported TCB SNP from certificate matches the attestation report.
Reported TCB Microcode from certificate matches the attestation report.
VEK signed the Attestation Report!
```
# Amazon EC2 Linux 实例的处理器状态控制
**C 状态**控制核心处于空闲状态时可以进入的睡眠级别。C 状态从 C0 (最浅空闲状态，此时核心完全唤醒并在执行指令) 开始编号，一直增进到 C6 (最深空闲状态，此时核心关闭)。
**P 状态**控制核心的所需性能（以 CPU 频率表示）。P 状态从 P0 (最高性能设置，此时核心可以使用 Intel 睿频加速技术提高频率) 开始编号，然后从 P1 (请求最大基准频率的 P 状态) 一直增加到 P15 (可能最低的频率)。
**注意**
AWS Graviton 处理器具有内置的节能模式，并以固定频率运行。因此，它们不提供操作系统控制 C 状态和 P 状态的能力。
**C 状态和 P 状态**
以下实例类型为操作系统提供了控制 C 状态和 P 状态的功能：
+ **通用型**：`m4.10xlarge` \$1 `m4.16xlarge`
+ **计算优化型**：`c4.8xlarge`
+ **内存优化型**：`r4.8xlarge` \$1 `r4.16xlarge` \$1 `x1.16xlarge` \$1 `x1.32xlarge` \$1 `x1e.8xlarge` \$1 `x1e.16xlarge` \$1 `x1e.32xlarge`
+ **存储优化型：**`d2.8xlarge` \$1 `i3.8xlarge` \$1 `i3.16xlarge` \$1 `h1.8xlarge` \$1 `h1.16xlarge`
+ **加速计算型**：`f1.16xlarge` \$1 `g3.16xlarge` \$1 `p2.16xlarge` \$1 `p3.16xlarge`
+ **裸机**：所有搭载了 Intel 和 AMD 处理器的裸机实例
**仅限 C 状态**
以下实例类型为操作系统提供了控制 C 状态的功能：
+ **通用型**：`m5.12xlarge` \$1 `m5.24xlarge` \$1 `m5d.12xlarge` \$1 `m5d.24xlarge` \$1 `m5n.12xlarge` \$1 `m5n.24xlarge` \$1 `m5dn.12xlarge` \$1 `m5dn.24xlarge` \$1 `m5zn.6xlarge` \$1 `m5zn.12xlarge` \$1 `m6a.24xlarge` \$1 `m6a.48xlarge` \$1 `m6i.16xlarge` \$1 `m6i.32xlarge` \$1 `m6id.16xlarge` \$1 `m6id.32xlarge` \$1 `m6idn.16xlarge` \$1 `m6in.16xlarge` \$1 `m6in.32xlarge` \$1 `m7a.medium` \$1 `m7a.large` \$1 `m7a.xlarge` \$1 `m7a.2xlarge` \$1 `m7a.4xlarge` \$1 `m7a.8xlarge` \$1 `m7a.12xlarge` \$1 `m7a.16xlarge` \$1 `m7a.24xlarge` \$1 `m7a.32xlarge` \$1 `m7a.48xlarge` \$1 `m7i.large` \$1 `m7i.xlarge` \$1 `m7i.2xlarge` \$1 ` m7i.4xlarge` \$1 `m7i.8xlarge` \$1 `m7i.12xlarge` \$1 `m7i.16xlarge` \$1 `m7i.24xlarge` \$1 `m7i.48xlarge` \$1 `m8a.medium` \$1 `m8a.large` \$1 `m8a.xlarge` \$1 `m8a.2xlarge` \$1 `m8a.4xlarge` \$1 `m8a.8xlarge` \$1 `m8a.12xlarge` \$1 `m8a.16xlarge` \$1 `m8a.24xlarge` \$1 `m8a.48xlarge` \$1 `m8azn.medium` \$1 `m8azn.large` \$1 `m8azn.xlarge` \$1 `m8azn.3xlarge` \$1 `m8azn.6xlarge` \$1 `m8azn.12xlarge` \$1 `m8azn.24xlarge` \$1 `m8i.large` \$1 `m8i.xlarge` \$1 `m8i.2xlarge` \$1 `m8i.4xlarge` \$1 `m8i.8xlarge` \$1 `m8i.12xlarge` \$1 `m8i.16xlarge` \$1 `m8i.24xlarge` \$1 `m8i.32xlarge` \$1 `m8i.48xlarge` \$1 `m8i.96xlarge` \$1 `m8id.large` \$1 `m8id.xlarge` \$1 `m8id.2xlarge` \$1 `m8id.4xlarge` \$1 `m8id.8xlarge` \$1 `m8id.12xlarge` \$1 `m8id.16xlarge` \$1 `m8id.24xlarge` \$1 `m8id.32xlarge` \$1 `m8id.48xlarge` \$1 `m8id.96xlarge`
+ **计算优化型**：`c5.9xlarge` \$1 `c5.12xlarge` \$1 `c5.18xlarge` \$1 `c5.24xlarge` \$1 `c5a.24xlarge` \$1 `c5ad.24xlarge` \$1 `c5d.9xlarge` \$1 `c5d.12xlarge` \$1 `c5d.18xlarge` \$1 `c5d.24xlarge` \$1 `c5n.9xlarge` \$1 `c5n.18xlarge` \$1 `c6a.24xlarge` \$1 `c6a.32xlarge` \$1 `c6a.48xlarge` \$1 `c6i.16xlarge` \$1 `c6i.32xlarge` \$1 `c6id.24xlarge` \$1 `c6id.32xlarge` \$1 `c6in.32xlarge` \$1 `c7a.medium` \$1 `c7a.large` \$1 `c7a.xlarge` \$1 `c7a.2xlarge` \$1 `c7a.4xlarge` \$1 `c7a.8xlarge` \$1 `c7a.12xlarge` \$1 `c7a.16xlarge` \$1 `c7a.24xlarge` \$1 `c7a.32xlarge` \$1 `c7a.48xlarge` \$1 `c7i.large` \$1 `c7i.xlarge` \$1 `c7i.2xlarge` \$1 `c7i.4xlarge` \$1 `c7i.8xlarge` \$1 `c7i.12xlarge` \$1 `c7i.16xlarge` \$1 `c7i.24xlarge` \$1 `c7i.48xlarge` \$1 `c8a.medium` \$1 `c8a.large` \$1 `c8a.xlarge` \$1 `c8a.2xlarge` \$1 `c8a.4xlarge` \$1 `c8a.8xlarge` \$1 `c8a.12xlarge` \$1 `c8a.16xlarge` \$1 `c8a.24xlarge` \$1 `c8a.48xlarge` \$1 `c8i.large` \$1 `c8i.xlarge` \$1 `c8i.2xlarge` \$1 `c8i.4xlarge` \$1 `c8i.8xlarge` \$1 `c8i.12xlarge` \$1 `c8i.16xlarge` \$1 `c8i.24xlarge` \$1 `c8i.32xlarge` \$1 `c8i.48xlarge` \$1 `c8i.96xlarge` \$1 `c8id.large` \$1 `c8id.xlarge` \$1 `c8id.2xlarge` \$1 `c8id.4xlarge` \$1 `c8id.8xlarge` \$1 `c8id.12xlarge` \$1 `c8id.16xlarge` \$1 `c8id.24xlarge` \$1 `c8id.32xlarge` \$1 `c8id.48xlarge` \$1 `c8id.96xlarge` `x8i.large` \$1 `x8i.xlarge` \$1 `x8i.2xlarge` \$1 `x8i.4xlarge` \$1 `x8i.8xlarge` \$1 `x8i.12xlarge` \$1 `x8i.16xlarge` \$1 `x8i.24xlarge` \$1 `x8i.32xlarge` \$1 `x8i.48xlarge` \$1 `x8i.48xlarge` \$1 `x8i.96xlarge`
+ **内存优化型**：`r5.12xlarge` \$1 `r5.24xlarge` \$1 `r5b.12xlarge` \$1 `r5d.12xlarge` \$1 `r5d.24xlarge` \$1 `r5n.12xlarge` \$1 `r5n.24xlarge` \$1 `r5dn.12xlarge` \$1 `r5dn.24xlarge` \$1 `r6a.24xlarge` \$1 `r6a.48xlarge` \$1 `r6i.16xlarge` \$1 `r6i.32xlarge` \$1 `r6id.16xlarge` \$1 `r6id.32xlarge` \$1 `r6in.16xlarge` \$1 `r6in.32xlarge` \$1 `r7a.medium` \$1 `r7a.large` \$1 `r7a.xlarge` \$1 `r7a.2xlarge` \$1 `r7a.4xlarge` \$1 `r7a.8xlarge` \$1 `r7a.12xlarge` \$1 `r7a.16xlarge` \$1 `r7a.24xlarge` \$1 `r7a.32xlarge` \$1 `r7a.48xlarge` \$1 `r7i.large` \$1 `r7i.xlarge` \$1 `r7i.2xlarge` \$1 `r7i.4xlarge` \$1 `r7i.8xlarge` \$1 `r7i.12xlarge` \$1 `r7i.16xlarge` \$1 `r7i.24xlarge` \$1 `r7i.48xlarge` \$1 `r7iz.large` \$1 `r7iz.xlarge` \$1 `r7iz.2xlarge` \$1 `r7iz.4xlarge` \$1 `r7iz.8xlarge` \$1 `r7iz.12xlarge` \$1 `r7iz.16xlarge` \$1 `r7iz.32xlarge` \$1 `r8a.medium` \$1 `r8a.large` \$1 `r8a.xlarge` \$1 `r8a.2xlarge` \$1 `r8a.4xlarge` \$1 `r8a.8xlarge` \$1 `r8a.12xlarge` \$1 `r8a.16xlarge` \$1 `r8a.24xlarge` \$1 `r8a.48xlarge` \$1 `r8i.large` \$1 `r8i.xlarge` \$1 `r8i.2xlarge` \$1 `r8i.4xlarge` \$1 `r8i.8xlarge` \$1 `r8i.12xlarge` \$1 `r8i.16xlarge` \$1 `r8i.24xlarge` \$1 `r8i.32xlarge` \$1 `r8i.48xlarge` \$1 `r8i.96xlarge` \$1 `r8id.large` \$1 `r8id.xlarge` \$1 `r8id.2xlarge` \$1 `r8id.4xlarge` \$1 `r8id.8xlarge` \$1 `r8id.12xlarge` \$1 `r8id.16xlarge` \$1 `r8id.24xlarge` \$1 `r8id.32xlarge` \$1 `r8id.48xlarge` \$1 `r8id.96xlarge` \$1 `u-3tb1.56xlarge` \$1 `u-6tb1.56xlarge` \$1 `u-6tb1.112xlarge` \$1 `u-9tb1.112xlarge` \$1 `u-12tb1.112xlarge` \$1 `u-18tb1.112xlarge` \$1 `u-24tb1.112xlarge` \$1 `u7i-6tb.112xlarge` \$1 `u7i-8tb.112xlarge` \$1 `u7i-12tb.224xlarge` \$1 `u7in-16tb.224xlarge` \$1 `u7in-24tb.224xlarge` \$1 ` u7in-32tb.224xlarge` \$1 `u7inh-32tb.480xlarge` \$1 `x2idn.32xlarge` \$1 `x2iedn.16xlarge` \$1 `x2iedn.32xlarge` \$1 `x2iezn.12xlarge` \$1 `x8aedz.large` \$1 `x8aedz.xlarge` \$1 `x8aedz.3xlarge` \$1 `x8aedz.6xlarge` \$1 `x8aedz.12xlarge` \$1 `x8aedz.24xlarge` \$1 `z1d.6xlarge` \$1 `z1d.12xlarge`
+ **存储优化型**：`d3en.12xlarge` \$1 `dl1.24xlarge` \$1 `i3en.12xlarge` \$1 `i3en.24xlarge` \$1 `i4i.16xlarge` \$1 `i7i.large` \$1 `i7i.xlarge` \$1 `i7i.2xlarge` \$1 `i7i.4xlarge` \$1 `i7i.8xlarge` \$1 `i7i.12xlarge` \$1 `i7i.16xlarge` \$1 `i7i.24xlarge` \$1 `i7i.48xlarge` \$1 `i7ie.large` \$1 `i7ie.xlarge` \$1 `i7ie.2xlarge` \$1 `i7ie.3xlarge` \$1 `i7ie.6xlarge` \$1 `i7ie.12xlarge` \$1 `i7ie.18xlarge` \$1 `i7ie.24xlarge` \$1 `i7ie.48xlarge` \$1 `r5b.12xlarge` \$1 `r5b.24xlarge`
+ **加速计算型**：`dl1.24xlarge` \$1 `f2.6xlarge` \$1 `f2.12xlarge` \$1 `f2.48xlarge` \$1 `g5.24xlarge` \$1 `g5.48xlarge` \$1 `g6.24xlarge` \$1 `g6.48xlarge` \$1 `g6e.12xlarge` \$1 `g6e.24xlarge` \$1 `g6e.48xlarge` \$1 `g7e.2xlarge` \$1 `g7e.4xlarge` \$1 `g7e.8xlarge` \$1 `g7e.12xlarge` \$1 `g7e.24xlarge` \$1 `g7e.48xlarge` \$1 `inf1.24xlarge` \$1 `p3dn.24xlarge` \$1 `p4d.24xlarge` \$1 `p4de.24xlarge` \$1 `p5.48xlarge` \$1 `p5e.48xlarge` \$1 `p5en.48xlarge` \$1 `p6-b200.48xlarge` \$1 `p6-b300.48xlarge` \$1 `trn1.32xlarge` \$1 `trn2.3xlarge` \$1 `trn2.48xlarge` \$1 `trn2a.3xlarge` \$1 `trn2a.48xlarge` \$1 `trn2n.3xlarge` \$1 `trn2n.48xlarge` \$1 `trn2p.48xlarge` \$1 `trn2u.48xlarge` \$1 `vt1.24xlarge`
+ **高性能计算**：`hpc7a.12xlarge` \$1 `hpc7a.24xlarge` \$1 `hpc7a.48xlarge` \$1 `hpc7a.96xlarge` \$1 `hpc8a.96xlarge`
改变 C 状态或 P 状态设置可以增加处理器性能一致性，减少延迟，还可以针对特定工作负载对实例进行调校。默认 C 状态和 P 状态设置可提供最大性能，是大多数工作负载的最佳选择。但是，如果您的应用程序更适合以牺牲较高的单核或双核频率的方式来降低延迟，或需要在较低频率下保持稳定性能 (而不适合使用突发式睿频加速频率)，那么可以考虑运用对这些实例可用的 C 状态或 P 状态设置。
有关不同处理器配置以及如何监控 Amazon Linux 配置影响的信息，请参阅《Amazon Linux 2 User Guide》**中的 [Processor state control for Amazon EC2 Amazon Linux instance](https://docs.aws.amazon.com//linux/al2/ug/processor_state_control.html)。这些步骤专为 Amazon Linux 编写并供其使用，但也适用于搭载 Linux 内核 3.9 及更高版本的其他 Linux 发行版。有关其他 Linux 发行版和处理器状态控制的更多信息，请参阅您系统的特定文档。