Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Pilar de sostenibilidad
El pilar de sostenibilidad del AWS Well-Architected Framework se centra en minimizar los impactos ambientales de la ejecución de cargas de trabajo en la nube. Los temas clave incluyen un modelo de responsabilidad compartida para la sostenibilidad, la comprensión del impacto y la maximización del uso para minimizar los recursos necesarios y reducir los impactos posteriores.
El pilar de sostenibilidad incluye las siguientes áreas clave:
-
Su impacto
-
Objetivos de sostenibilidad
-
Uso maximizado
-
Anticipar y adoptar ofertas de software nuevas y más eficientes
-
Uso de servicios administrados
-
Reducción del impacto posterior
Esta guía se centra en comprender su impacto. Para obtener más información sobre los demás principios de diseño de sostenibilidad, consulte AWS Well-Architected Framework.
Sus elecciones y requisitos tienen un impacto en el medio ambiente. Si puede elegir Regiones de AWS que tengan una menor intensidad de carbono y si sus requisitos reflejan las necesidades reales de carga de trabajo en lugar de maximizar únicamente el tiempo de actividad y la durabilidad, la sostenibilidad de la carga de trabajo aumenta. En las siguientes secciones se analizan las mejores prácticas y las consideraciones que, si se adoptan en el diseño de la carga de trabajo y en las operaciones continuas, tendrán un impacto ambiental positivo
Tenga en cuenta su Región de AWS selección
Algunos Regiones de AWS están cerca de los proyectos de energía renovable de Amazon o ubicados donde la red tiene una intensidad de carbono publicada inferior a la de otros. Tenga en cuenta el impacto en la sostenibilidad
Optimice el consumo
Minimice el consumo de Neptune Analytics practicando lo siguiente:
-
La analítica suele ser efímera. El gráfico solo es necesario durante el tiempo necesario para ejecutar los algoritmos y registrar los resultados. Si este es el caso, tome una instantánea del gráfico y elimínelo cuando ya no lo necesite. Si es necesario, puede restaurarlo a partir de una instantánea más adelante.
-
Si la carga de trabajo es efímera y tiene la flexibilidad de decidir cuándo ejecutar los análisis, tenga en cuenta day-to-day las tendencias del consumo de energía. La demanda de electricidad es mayor en determinados momentos. Si se encuentra en los Estados Unidos, consulte las métricas del consumo diario de electricidad en
el sitio web de la Administración de Información Energética (EIA) de los Estados Unidos. Si es posible, ejecute las cargas de trabajo durante los períodos de menor actividad en su región. -
Si la carga de trabajo no es efímera, sino que solo debe estar disponible durante períodos limitados, elimine el gráfico y restáurelo a partir de una instantánea cuando sea necesario. Si su disponibilidad sigue un cronograma, automatice el proceso de restauración mediante scripts para que el gráfico esté listo a la hora programada.
-
Si los datos son de solo lectura o no han cambiado desde la última instantánea, no vuelva a capturarlos antes de eliminarlos.
-
Detenga los cuadernos Neptune cuando no estén en uso.
-
Supervise CloudWatch métricas como
NumQueuedRequestsPerSec,NumOpenCypherRequestsPerSecGraphStorageUsagePercentGraphSizeBytes, yCPUUtilizationevalúe si el gráfico está sobredimensionado. Determine si una capacidad de instancia más pequeña puede adaptarse a la tasa de solicitudes observada, el uso de la CPU y el tamaño del gráfico.
Optimización de los patrones de arquitectura y desarrollo de software
Para evitar el desperdicio, optimice sus modelos y consultas, y comparta los recursos de computación para utilizar todos los recursos disponibles en las instancias y los clústeres de Neptune. Algunas prácticas recomendadas específicas son las siguientes:
-
Optimice las consultas y grafíe las invocaciones de algoritmos. Utilice consultas parametrizadas y utilice la caché del plan de consultas, que está habilitada de forma predeterminada. En el caso de consultas lentas, ejecuta un plan explicativo para realizar mejoras. Si utilizas la búsqueda por similitud vectorial, decide si las incrustaciones más pequeñas producen resultados de similitud precisos, ya que las incrustaciones más pequeñas se pueden crear, almacenar y buscar de forma más eficiente. Antes de utilizar un algoritmo gráfico, utilice una
MATCHcláusula para minimizar el conjunto de nodos de entrada. Si es posible, filtra las etiquetas de los nodos y los bordes. -
Busque la forma más eficiente de cargar datos en el gráfico. Si carga desde datos en Amazon S3, utilice la importación masiva si los datos tienen un tamaño superior a 50 GB. Utilice la carga por lotes para datos más pequeños.
-
Pide a los desarrolladores que compartan las instancias del bloc de notas de Neptune en lugar de que cada uno cree su propia instancia. Crea carpetas de bloc de notas independientes para cada desarrollador en una sola instancia de Jupyter. Cierre la instancia cuando no esté en uso.
