PERF02-BP04 Déterminer la configuration requise grâce au dimensionnement
Analysez les différentes caractéristiques de performances de votre charge de travail et la façon dont ces caractéristiques se rapportent à la mémoire, au réseau et à l'utilisation du processeur. Utilisez ces données pour choisir les ressources qui correspondent le mieux au profil de votre charge de travail. Par exemple, une charge de travail gourmande en mémoire, telle qu'une base de données, peut être mieux servie par la famille d'instances r. Toutefois, une charge de travail soumise à des pics d'utilisation peut tirer davantage profit d'un système de conteneurs Elastic.
Anti-modèles courants :
-
Vous choisissez la plus grande instance disponible pour toutes les charges de travail.
-
Vous standardisez tous les types d'instances en un seul type pour une gestion aisée.
Avantages liés au respect de cette bonne pratique : Une bonne connaissance des offres de calcul AWS vous aidera à identifier la solution appropriée pour vos différentes charges de travail. Une fois que vous aurez sélectionné les différentes offres de calcul pour votre charge de travail, vous aurez l'agilité nécessaire pour tester rapidement ces offres de calcul afin d'identifier celles qui répondent aux besoins de votre charge de travail.
Niveau de risque exposé si cette bonne pratique n'est pas respectée : Moyenne entreprise
Directives d'implémentation
Modifier la configuration de votre charge de travail grâce au dimensionnement : pour l'optimisation des performances et l'efficacité globale, commencez par identifier les ressources dont votre charge de travail a besoin. Choisissez des instances optimisées pour la mémoire pour les systèmes qui requièrent plus de mémoire que de processeur. Vous pouvez également choisir des instances optimisées pour le calcul pour les composants qui effectuent un traitement de données peu gourmand en mémoire. Le choix de la bonne taille permet à votre charge de travail de fonctionner le mieux possible tout en utilisant seulement la quantité de ressources nécessaires.
Ressources
Documents connexes :
Vidéos connexes :
-
Better, faster, cheaper compute: Cost-optimizing Amazon EC2 (CMP202-R1)
-
Deliver high performance ML inference with AWS Inferentia (CMP324-R1)
-
Optimize performance and cost for your AWS compute (CMP323-R1)
-
Powering next-gen Amazon EC2: Deep dive into the Nitro system
-
Optimize performance and cost for your AWS compute (CMP323-R1)
Exemples connexes :