本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
評估特定改進
了解您的工作負載佈建以完成工作單位的資源。評估潛在的改進，並估計其潛在影響、實作成本，以及關聯的風險。
若要測量隨著時間的改進，請先了解您已佈建的內容， AWS 以及這些資源的取用方式。
從 AWS 用量的完整概觀開始，並使用 AWS 成本和用量報告來協助識別熱點。使用此 AWS 範例程式碼
代理指標
當評估特定的變更時，您還必須評估哪些指標最能量化該變更對關聯資源的影響。這些指標稱為代理指標。選取代理指標，最能反映您評估的改進類型，以及作為改進目標的資源。這些指標可能會隨著時間而演進。
佈建以支援工作負載的資源包括運算、儲存和網路資源。使用您的代理指標評估佈建的資源，以查看如何耗用這些資源。
使用您的代理指標來測量為了實現業務成果而佈建的資源。
| Resource | 範例代理指標 | 改進目標 |
|---|---|---|
| 運算 | vCPU 分鐘 | 所佈建資源的最大使用率 |
| 儲存 | 佈建的 GB | 減少總佈建量 |
| 網路 | 傳輸的 GB 或傳輸的封包 | 減少總傳輸量和傳輸距離 |
業務指標
選取業務指標來量化業務成果的實現程度。您的業務指標應反映工作負載提供的值，例如同時作用中使用者的數量、服務的API呼叫數量或完成的交易數量。這些指標可能會隨著時間而演進。在評估財務型業務指標時要謹慎，因為交易價值的不一致性會使比較無效。
關鍵績效指標
使用下列公式，將佈建的資源除以所實現的業務成果，以確定每工作單位的佈建資源。
KPI 公式
使用每個工作單位的資源作為 KPIs。根據佈建的資源建立基準，作為比較基礎。
| Resource | 範例 KPIs | 改進目標 |
|---|---|---|
| 運算 | 每筆交易 vCPU 分鐘 | 所佈建資源的最大使用率 |
| 儲存 | 每筆交易 GB | 減少總佈建量 |
| 網路 | 每筆交易傳輸的 GB 或每筆交易傳輸的封包 | 減少總傳輸量和傳輸距離 |
估計改進
將改進同時估計為所佈建資源的定量減少 (如您的代理指標所示)，以及每個工作單位佈建的基準資源的變更百分比。
| Resource | 範例 KPIs | 改進目標 |
|---|---|---|
| 運算 | 每次交易減少 % vCPUs 分鐘 | 最大化使用率 |
| 儲存 | 每筆交易 GB 的 % 減少 | 減少總佈建量 |
| 網路 | 每筆交易傳輸的 GB 或每筆交易傳輸的封包的 % 減少 | 減少總傳輸量和傳輸距離 |
評估改進
針對預期的淨收益評估潛在的改進。評估實作和維護的時間、成本和工作量，以及業務風險，例如非預期的影響。
針對性改進通常代表耗用的資源類型之間的權衡。例如，若要減少運算耗用量，您可以儲存結果，或者若要限制傳輸的資料，您可以在將結果傳送至用戶端之前處理資料。但這些權衡會在稍後詳細討論。
在評估工作負載的風險時，包含非功能要求，其中包括安全性、可靠性、效能效率、成本最佳化，以及改進對您操作工作負載能力的影響。
將此步驟套用至範例藍本，您可以使用下列結果評估目標改進：
| 最佳實務 | 目標改進 | 潛在 | 成本 | 風險 |
|---|---|---|---|---|
| 使用最低數量的硬體來滿足需求 | 實作預測性擴展來減少低利用率期間 | 中 | 低 | 低 |
| 使用最能支援資料存取和儲存模式的技術 | 實作更有效的壓縮機制，以減少總儲存量和實現它的時間 | 高 | 低 | 低 |
實作預測擴展可減少未充分利用或未使用的執行個體耗用的 vCPU 時數，相較於現有的擴展機制，可提供中等效益，並預估耗用的資源減少 11%。涉及的成本很低，包括雲端資源的組態，以及 Amazon EC2 Auto Scaling 預測擴展的操作。當反應式執行橫向擴充，以回應超出預測的需求時，風險是受約束的表現。
實作更有效的壓縮將產生重大影響，在所有原始影像和操作的影像中，檔案會大幅地減少，估計生產環境中的儲存需求減少了 25％。實作新的演算法是一種不費力的替代方案，而涉及的風險很低。
