# PERF02-BP06 メトリクスに基づいてコンピューティングニーズを再評価する
データ駆動型のアプローチを採用し、ワークロードのコンピューティングリソースを再評価して、最適化します。
**期待される成果:** システムレベルのメトリクスを使用して、経時的なワークロードの動作と要件を積極的にモニタリングします。収集したデータに基づいて、使用できるリソースと比較してワークロードの需要を評価し、ワークロードのプロファイルに最適なコンピューティング環境となるように変更を加えます。例えば、時間がたつにつれて、当初指定した以上にワークロードがメモリ集約型であることが判明する場合があります。この場合、別のインスタンスファミリーやインスタンスサイズに移行すると、パフォーマンスと効率性の両方が向上する可能性があります。
**一般的なアンチパターン:**
+ ワークロードについてのインサイトを得るうえで、コンピューティングのニーズを再評価せずにシステムレベルのメトリクスをモニタリングしている。
+ ピーク時のワークロード要件に合わせてコンピューティングニーズを設計している。
+ 代替のコンピューティングソリューションに移行する際、スケーリングやパフォーマンスの要件を満たすために既存のコンピューティングソリューションのサイズを過剰に増やしてワークロードの特性により効率的に適合させている。
**このベストプラクティスを活用するメリット:** 実際のデータと、コストおよびパフォーマンスの適切なバランスに基づいて最適化されたコンピューティングリソース。
**このベストプラクティスが確立されていない場合のリスクレベル:** 低
## 実装のガイダンス
データ駆動型アプローチを採用して、観測したワークロードの動作に基づいてコンピューティングリソースを最適化します。パフォーマンスと効率性を最大限に高めるには、時間の経過に伴ってワークロードから収集したデータを使用してリソースを調整および最適化します。ワークロードの現在のリソース使用状況におけるトレンドを調べて、ワークロードのニーズにより適合させるために変更を加えることができる場所を特定します。リソースが過剰にコミットされると、システムのパフォーマンスは低下します。リソースが適切に使用されないと、システムの運用効率は低下し、コストが増大します。
パフォーマンスとリソース使用率を最適化するには、統合された運用ビュー、リアルタイムの詳細なデータ、履歴参照が必要です。自動ダッシュボードを作成してこのデータを視覚化し、運用と利用に関するインサイトを得ることができます。
**実装手順**
1. コンピューティング関連の経時的メトリクスを収集します。
1. 選択したコンピューティングソリューションで使用できるリソースとワークロードのメトリクスを比較します。
1. 既存のソリューションのサイズを適正化するか、代替のコンピューティングソリューションを評価して、設定で必要となる変更を決定します。
## リソース
**関連するベストプラクティス:**
+ [PERF02-BP01 使用可能なコンピューティングオプションを評価する](perf_select_compute_evaluate_options.md)
+ [PERF02-BP02 利用可能なコンピューティング設定オプションについて理解する](perf_select_compute_config_options.md)
+ [PERF02-BP03 コンピューティング関連のメトリクスを収集する](perf_select_compute_collect_metrics.md)
+ [PERF02-BP04 適切なサイジングによって必要な設定を決定する](perf_select_compute_right_sizing.md)
**関連するドキュメント:**
+ [AWS を使用したクラウドコンピューティング](https://aws.amazon.com/products/compute/?ref=wellarchitected)
+ [AWS Compute Optimizer](https://aws.amazon.com/compute-optimizer/)
+ [EC2 インスタンスタイプ](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/instance-types.html)
+ [Amazon ECS コンテナ: Amazon ECS コンテナインスタンス](https://docs.aws.amazon.com/AmazonECS/latest/developerguide/ECS_instances.html)
+ [Amazon EKS コンテナ: Amazon EKS ワーカーノード](https://docs.aws.amazon.com/eks/latest/userguide/worker.html)
+ [AWS Lambda 関数を使用するためのベストプラクティス](https://docs.aws.amazon.com/lambda/latest/dg/best-practices.html#function-configuration)
**関連動画:**
+ [Amazon EC2 foundations (CMP211-R2)](https://www.youtube.com/watch?v=kMMybKqC2Y0) (Amazon EC2 の基礎 (CMP211-R2))
+ [Better, faster, cheaper compute: Cost-optimizing Amazon EC2 (CMP202-R1)](https://www.youtube.com/watch?v=_dvh4P2FVbw) (より良く、より速く、より安価なコンピューティング: Amazon EC2 でのコストの最適化 (CMP202-R1))
+ [Deliver high performance ML inference with AWS Inferentia (CMP324-R1)](https://www.youtube.com/watch?v=17r1EapAxpk) (AWS Inferentia を使用して高パフォーマンスの機械学習推論を実現する (CMP324-R1))
+ [Optimize performance and cost for your AWS compute (CMP323-R1)](https://www.youtube.com/watch?v=zt6jYJLK8sg) (AWS コンピューティングのパフォーマンスとコストを最適化する)
+ [Powering next-gen Amazon EC2: Deep dive into the Nitro system](https://www.youtube.com/watch?v=rUY-00yFlE4) (次世代 EC2 の強化: Nitro System の詳細)
+ [ Selecting and optimizing Amazon EC2 instances ](https://www.youtube.com/watch?v=Vz0HZ6hlpgM)(Amazon EC2 インスタンスの選択と最適化)
**関連する例:**
+ [Rightsizing with Compute Optimizer and Memory utilization enabled](https://www.wellarchitectedlabs.com/cost/200_labs/200_aws_resource_optimization/5_ec2_computer_opt/) (Compute Optimizer を使用したサイズ適正化とメモリ使用率の有効化)
+ [AWS Compute Optimizer Demo code](https://github.com/awslabs/ec2-spot-labs/tree/master/aws-compute-optimizer) (AWS Compute Optimizer デモコード)