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。
SUS05-BP02 使用影響最小的執行個體類型
持續監控並使用新的執行個體類型，讓能源效率方面的改進充分發揮效用。
常見的反模式：
-
您僅使用一個執行個體系列。
-
您僅使用 x86 執行個體。
-
您可以在 Amazon EC2 Auto Scaling 組態中指定一個執行個體類型。
-
您使用 AWS 執行個體的方式並非為其設計 （例如，您將運算最佳化執行個體用於記憶體密集型工作負載）。
-
您未定期評估新的執行個體類型。
-
您不會檢查對 等工具 AWS 進行許可化的建議AWS Compute Optimizer。
建立此最佳實務的優勢：藉由使用節能且適當調整大小的執行個體，將可大幅降低環境受到的影響以及工作負載成本。
未建立此最佳實務時的曝險等級：中
實作指引
在雲端工作負載中使用高效執行個體，是降低資源用量和提高成本效益的關鍵。持續關注新執行個體類型的發佈，並運用能源效率改進，包括旨在支援特定工作負載 (例如機器學習訓練和推論以及影片轉碼) 的執行個體類型。
實作步驟
-
了解並探索執行個體類型：尋找可降低工作負載對環境之影響的執行個體類型。
-
訂閱 What's New with AWS
，以掌握 up-to-date最新的 AWS 技術和執行個體。 -
了解不同的 AWS 執行個體類型。
-
EC2 觀看 re：Invent 2020 - Deep dive on AWS Graviton2 處理器驅動的 Amazon 執行個體，以及 Deep dive in AWS Graviton3 和 Amazon C7g 執行個體，了解 Graviton EC2 C7g
型執行個體在 Amazon 中提供每瓦能源使用的最佳效能。 AWS Graviton2 EC2
-
-
使用影響最小的執行個體類型：進行相關規劃，將工作負載轉移至影響程度最低的執行個體類型。
-
定義一個程序來評估工作負載的新功能和執行個體。利用雲端的靈活性快速測試新功能類型對您的工作負載環境永續性有何改善。使用代理指標，測量您需要多少資源才能完成一個工作單位。
-
如果可能，請修改工作負載以使用不同數量 vCPUs 和不同數量的記憶體，以最大化您選擇的執行個體類型。
-
考慮將您的工作負載轉移至 Graviton 型執行個體，以改善工作負載的效能效率。如需將工作負載移至 AWS Graviton 的詳細資訊，請參閱 AWS Graviton 快速入門
和將工作負載轉換為 AWS Graviton 型 Amazon Elastic Compute Cloud 執行個體時的考量事項。 -
考慮在使用 受管服務時選取 AWS Graviton 選項。 AWS
-
將工作負載遷移至有執行個體對永續性影響最小，且仍符合業務要求的區域。
-
對於機器學習工作負載，請善用專為工作負載量身打造的專用硬體，例如 AWS Trainium
、AWS Inferentia 和 Amazon EC2 DL1。 AWS 相較於類似的 Amazon 執行個體，Inf2 執行個體等 Inferentia EC2執行個體可提供高達每瓦 50% 的效能。 -
使用 Amazon SageMaker Inference Recommender 來正確調整 ML 推論端點的大小。
-
對於尖峰工作負載 (不常需要額外容量的工作負載)，請使用爆量效能執行個體。
-
對於無狀態和容錯工作負載，請使用 Amazon EC2 Spot 執行個體來增加雲端的整體使用率，並減少未使用資源的永續性影響。
-
-
操作和最佳化：操作並最佳化您的工作負載執行個體。
-
對於暫時性工作負載，請評估執行個體 Amazon CloudWatch 指標，例如
CPUUtilization，以識別執行個體是閒置還是未充分利用。 -
對於穩定的工作負載，請定期檢查 AWS 授權工具，例如 AWS Compute Optimizer
，以識別最佳化和調整執行個體大小的機會。如需更多範例和建議，請參閱下列實驗室：
-
資源
相關文件：
相關影片：
相關範例：
