# SUS05-BP02 Verwenden von Instance-Typen mit den geringsten Auswirkungen
<a name="sus_sus_hardware_a3"></a>

Überwachen und nutzen Sie kontinuierlich neue Instance-Typen, um Verbesserungen bei der Energieeffizienz zu nutzen.

 **Typische Anti-Muster:** 
+  Sie verwenden lediglich eine Familie von Instances. 
+  Sie verwenden nur x86-Instances. 
+  Sie geben einen Instance-Typ in Ihrer Konfiguration von Amazon EC2 Auto Scaling an. 
+  Sie verwenden AWS-Instances in einer Weise, für die sie nicht gedacht sind (beispielsweise für Datenverarbeitung optimierte Instances für speicherintensive Workloads). 
+  Sie evaluieren nicht regelmäßig neue Instance-Typen. 
+  Sie prüfen nicht die Empfehlungen von AWS-Dimensionierungstools wie etwa [AWS Compute Optimizer.](https://aws.amazon.com/compute-optimizer/) 

 **Vorteile der Nutzung dieser bewährten Methode:** Durch die Verwendung energieeffizienter und korrekt dimensionierter Instances können Sie die Umweltauswirkungen und die Kosten Ihrer Workloads deutlich reduzieren. 

 **Risikostufe, wenn diese bewährte Methode nicht eingeführt wird:** Mittel 

## Implementierungsleitfaden
<a name="implementation-guidance"></a>

 Die Verwendung effizienter Instances für Cloud-Workloads ist von entscheidender Bedeutung für eine geringere Ressourcennutzung und die Kosteneffizienz. Überwachen Sie kontinuierlich die Einführung neuer Instance-Typen und nutzen Sie Verbesserungen bei der Energieeffizienz, einschließlich Instance-Typen, die zur Unterstützung spezifischer Workloads bestimmt sind, wie z. B. Machine-Learning-Trainings und -Inferenzen und Videotranskodierung. 

## Implementierungsschritte
<a name="implementation-steps"></a>
+  **Kennenlernen der Instance-Typen:** Finden Sie Instance-Typen, mit denen Sie die Umweltbelastung Ihrer Workloads verringern können. 
  +  Abonnieren Sie [Neuerungen bei AWS](https://aws.amazon.com/new/), um sich über die aktuellen AWS-Technologien und -Instances auf dem Laufenden zu halten. 
  +  Informieren Sie sich über die verschiedenen AWS-Instance-Typen. 
  +  Informieren Sie sich über AWS-Graviton-basierte Instances, die die beste Leistung pro Watt in Amazon EC2 bieten. Sehen Sie sich [re:Invent 2.020 - Deep dive on AWS Graviton2 processor-powered Amazon EC2 instances](https://www.youtube.com/watch?v=NLysl0QvqXU) und [Deep dive into AWS Graviton3 and Amazon EC2 C7g instances](https://www.youtube.com/watch?v=WDKwwFQKfSI&ab_channel=AWSEvents) an. 
+  **Verwendung von Instance-Typen mit den geringsten Auswirkungen:** Planen Sie Ihre Workload und stellen Sie sie auf Instance-Typen mit den geringsten Auswirkungen um. 
  +  Definieren Sie einen Prozess zur Evaluierung neuer Features oder Instances für Ihre Workloads. Nutzen Sie die Agilität in der Cloud, um schnell zu testen, wie neue Instance-Typen die ökologische Nachhaltigkeit Ihrer Workloads verbessern können. Nutzen Sie Proxy-Metriken, um zu messen, wie viele Ressourcen Sie für eine Arbeitseinheit benötigen. 
  +  Modifizieren Sie Ihre Workload nach Möglichkeit so, dass sie mit unterschiedlichen Zahlen von vCPUs und Arbeitsspeichergrößen kompatibel ist, um die größtmögliche Auswahl an Instance-Typen zu erhalten. 
  +  Erwägen Sie die Übertragung Ihrer Workload zu auf Graviton basierenden Instances, um die Leistungseffizienz Ihrer Workload zu verbessern. Weitere Informationen zum Verschieben von Workloads zu AWS Graviton finden Sie unter [AWS Graviton Fast Start](https://aws.amazon.com/ec2/graviton/fast-start/) und [Considerations when transitioning workloads to AWS Graviton-based Amazon Elastic Compute Cloud instances](https://github.com/aws/aws-graviton-getting-started/blob/main/transition-guide.md). 
  +  Erwägen Sie die Auswahl der Option AWS Graviton, wenn Sie [verwaltete AWS-Services](https://github.com/aws/aws-graviton-getting-started/blob/main/managed_services.md) verwenden. 
  +  Migrieren Sie Ihre Workload zu Regionen mit Instances, die die geringsten nachhaltigkeitsbezogenen Auswirkungen bieten und dennoch Ihre geschäftlichen Anforderungen erfüllen. 
  +  Nutzen Sie für Machine-Learning-Workloads spezielle Hardware, die auf Ihre Workload abgestimmt ist, z. B. [AWS Trainium](https://aws.amazon.com/machine-learning/trainium/), [AWS Inferentia](https://aws.amazon.com/machine-learning/inferentia/) und [Amazon EC2 DL1.](https://aws.amazon.com/ec2/instance-types/dl1/) AWS Inferentia-Instances wie Inf2-Instances bieten eine um bis zu 50 % bessere Leistung pro Watt als vergleichbare Amazon-EC2-Instances. 
  +  Verwenden Sie [Amazon SageMaker AI Inference Recommender](https://docs.aws.amazon.com/sagemaker/latest/dg/inference-recommender.html) für die korrekte Dimensionierung des ML-Inferenz-Endpunkts. 
  +  Verwenden Sie für Workloads, bei denen es gelegentlich zu zusätzlichen Kapazitätsanforderungen kommt, [Instances mit Spitzenlastleistung](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/burstable-performance-instances.html). 
  +  Verwenden Sie für zustandslose und fehlertolerante Workloads [Amazon EC2 Spot Instances](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/using-spot-instances.html), um die allgemeine Auslastung der Cloud zu verbessern und die Nachhaltigkeitsauswirkungen ungenutzter Ressourcen zu reduzieren. 
+ **Betrieb und Optimierung:** Betreiben und optimieren Sie Ihre Workload-Instance.
  +  Prüfen Sie für kurzzeitige Workloads die [Amazon-CloudWatch-Metriken der Instance](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/viewing_metrics_with_cloudwatch.html#ec2-cloudwatch-metrics) wie `CPUUtilization`, um festzustellen, ob die Instance gar nicht oder zu wenig genutzt wird. 
  +  Prüfen Sie für stabile Workloads in regelmäßigen Intervallen AWS-Dimensionierungstools wie etwa [AWS Compute Optimizer](https://aws.amazon.com/compute-optimizer/), um Möglichkeiten zur Optimierung und zur korrekten Dimensionierung der Instances zu erkennen. Weitere Beispiele und Empfehlungen finden Sie in den folgenden Labs:
    + [Well-Architected Lab - Rightsizing Recommendations](https://catalog.workshops.aws/well-architected-cost-optimization/en-US/3-cost-effective-resources/40-rightsizing-recommendations-100)
    + [Well-Architected Lab - Rightsizing with Compute Optimizer](https://catalog.workshops.aws/well-architected-cost-optimization/en-US/3-cost-effective-resources/50-rightsizing-recommendations-200)
    + [Well-Architected Lab - Optimize Hardware Patterns and Observice Sustainability KPIs](https://catalog.workshops.aws/well-architected-sustainability/en-US/4-hardware-and-services/optimize-hardware-patterns-observe-sustainability-kpis)

## Ressourcen
<a name="resources"></a>

 **Zugehörige Dokumente:** 
+  [Optimizing your AWS Infrastructure for Sustainability, Part I: Compute](https://aws.amazon.com/blogs/architecture/optimizing-your-aws-infrastructure-for-sustainability-part-i-compute/) 
+  [AWS Graviton](https://aws.amazon.com/ec2/graviton/) 
+  [Amazon EC2 DL1](https://aws.amazon.com/ec2/instance-types/dl1/) 
+  [Amazon-EC2-Flotten zur Kapazitätsreservierung](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/cr-fleets.html) 
+  [Amazon-EC2-Spot-Flotte](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/spot-fleet.html) 
+  [Funktionen: Lambda-Funktionskonfiguration](https://docs.aws.amazon.com/lambda/latest/dg/best-practices.html#function-configuration) 
+ [Attributbasierte Auswahl von Instance-Typen für Amazon-EC2-Flotte](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/ec2-fleet-attribute-based-instance-type-selection.html)
+ [Building Sustainable, Efficient, and Cost-Optimized Applications on AWS](https://aws.amazon.com/blogs/compute/building-sustainable-efficient-and-cost-optimized-applications-on-aws/)
+ [How the Contino Sustainability Dashboard Helps Customers Optimize Their Carbon Footprint](https://aws.amazon.com/blogs/apn/how-the-contino-sustainability-dashboard-helps-customers-optimize-their-carbon-footprint/)

 **Zugehörige Videos:** 
+  [AWS re:Invent 2.023 - AWS Graviton: The best price performance for your AWS workloads](https://www.youtube.com/watch?v=T_hMIjKtSr4) 
+  [AWS re:Invent 2.023 - New Amazon Elastic Compute Cloud generative AI capabilities in AWS-Managementkonsole](https://www.youtube.com/watch?v=sSpJ8tWCEiA) 
+  [AWS re:Invent 2.023 = What's new with Amazon Elastic Compute Cloud](https://www.youtube.com/watch?v=mjHw_wgJJ5g) 
+  [AWS re:Invent 2.023 - Smart savings: Amazon Elastic Compute Cloud cost-optimization strategies](https://www.youtube.com/watch?v=_AHPbxzIGV0) 
+  [AWS re:Invent 2.021 - Deep dive into AWS Graviton3 and Amazon EC2 C7g instances](https://www.youtube.com/watch?v=WDKwwFQKfSI&ab_channel=AWSEvents) 
+ [AWS re:Invent 2.022 - Build a cost-, energy-, and resource-efficient compute environment ](https://www.youtube.com/watch?v=8zsC5e1eLCg)

 **Zugehörige Beispiele:** 
+ [Lösung: Guidance for Optimizing Deep Learning Workloads for Sustainability on AWS](https://aws.amazon.com/solutions/guidance/optimizing-deep-learning-workloads-for-sustainability-on-aws/)