翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

GAMESUS02-BP02 コンピューティングのサイズを適正化し、必要な場合にのみ GPU パフォーマンスをデプロイする

ゲームサーバーとバックエンドを設計して、コンピューティングリソースを効率的に活用します。コンピューティングを過剰にプロビジョニングすると、不要なコストが発生し、アイドル状態または使用率の低いリソースの量を最小限に抑えることができます。GPU インスタンスは、Unreal での HLOD 再構築や、ゲームサーバーが設計上それらを必要とする場合など、特定の開発作業をサポートするために使用する必要があります。これにより、ワークロードの環境への影響とコストが大幅に削減されます。

このベストプラクティスを活用しない場合のリスクレベル: 高

実装のガイダンス

複数の EC2 インスタンスタイプと必要最小限のインスタンスを使用するように、ゲームサーバーとバックエンドサービスを最適化する必要があります。これにより、開発中またはゲームの起動時にニーズを満たすために使用できるインスタンスの数が増えます。また、インスタンスタイプをデプロイする特定のワークロードと一致させる必要があります。Compute Optimized インスタンスは、ゲームサーバーやマッチメーキングなどのバックエンドサービスなど、幅広いユースケースをサポートします。メモリ最適化インスタンスは、メモリ内の大規模なデータセットを処理するワークロードに高速なパフォーマンスを提供するように設計されています。高性能要件には GPU インスタンスを必要に応じて使用しますが、一般的なコンピューティングタスクには使用しません。可能であれば、サービスまたはゲームサーバーを AWS Graviton インスタンスで ARM で実行するように設計します。Graviton は、 で使用できるエネルギー効率の高いインスタンスタイプで最もパフォーマンスの高いインスタンスです AWS。また、x86 インスタンスタイプと比較してパフォーマンスとコストが向上します。

AWS Compute Optimizer を使用して、Amazon Elastic Compute Cloud (EC2) インスタンスタイプ、Amazon Elastic Block Store (EBS) ボリューム設定、 での Amazon Elastic Container Service (ECS) サービスのタスクサイズ AWS Fargate、商用ソフトウェアライセンス、 AWS Lambda 関数メモリサイズ、Amazon Relational Database Service (RDS) DB インスタンスクラスなどの最適な AWS リソース設定を識別し、機械学習を使用して履歴使用率メトリクスを分析します。Compute Optimizer は、一連の APIs とコンソールエクスペリエンスを提供し、ワークロードに最適な AWS リソースを推奨することでコストを削減し、 AWS ワークロードのパフォーマンスを向上させます。

実装手順