本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 可持续发展支柱
<a name="sustainability-pillar"></a>

[可持续发展支柱](https://docs.aws.amazon.com/wellarchitected/latest/framework/sustainability.html)侧重于最大限度地减少运行云工作负载对环境的影响。关键主题包括可持续发展责任共担模式、了解影响以及最大限度地使用以尽量减少所需资源和减轻下游影响。

可持续性支柱包含以下关键重点领域：
+ 您的影响
+ 可持续性目标
+ 最大程度提高使用率
+ 预测和采用更高效的新硬件和软件产品
+ 使用托管服务
+ 降低下游影响

本指南重点关注您的影响。有关其他可持续发展设计原则的更多信息，请参阅 Well-Architecte [AWS d Framew](https://docs.aws.amazon.com/wellarchitected/latest/framework/sus-design-principles.html) ork。

您的选择和要求会对环境产生影响。如果您可以选择碳排放强度较低的 AWS 区域 ，且如果您的要求反映实际工作负载需求，而不仅仅是最大限度地提高正常运行时间和持久性，那么工作负载的可持续性就会提高。接下来的章节将讨论最佳实践和深思熟虑的注意事项，如果在您的工作负载设计和持续运营中采用这些实践和注意事项，将会对环境产生积极的影响。

## AWS 区域 选择
<a name="region-selection"></a>

 AWS 区域 有些位于亚马逊可再生能源项目附近，或者位于电网公布的碳强度低于其他项目的地方。考虑可能适合您的工作负载的区域的[可持续性影响](https://aws.amazon.com/blogs/architecture/how-to-select-a-region-for-your-workload-based-on-sustainability-goals/)，并将您的列表与 [Neptune 可用的区域](https://docs.aws.amazon.com/neptune/latest/userguide/limits.html)进行交叉引用。

## 基于用户行为模式的消费
<a name="user-behavior-patterns"></a>

根据用户的流量和行为调整资源消耗，有助于 AWS 最大限度地减少服务对环境的影响。设计解决方案时，考虑以下最佳实践：
+ 监控`CPUUtilization``MainRequestQueuePendingRequests`、和之类的 Amazon CloudWatch 指标，`TotalRequestsPerSec`以确定您的需求何时为最高和最低，并确保在这段时间内您的集群资源大小合适。
+ 在不使用非生产环境的时间段内，自动停止这些环境。有关更多信息，请参阅博客文章 [Automate the stopping and starting of Amazon Neptune environment resources using resource tags](https://aws.amazon.com/blogs/database/automate-the-stopping-and-starting-of-amazon-neptune-environment-resources-using-resource-tags/)。
+ 如果您的流量模式变化频繁且不可预测，请考虑使用可随需求纵向扩展和缩减的 Neptune Serverless 实例，而不是使用为峰值流量预调配的实例。
+ 除了业务连续性目标外，还可以考虑使您的服务水平协议与可持续性目标保持一致。放宽多区域灾难恢复、高可用性或长期备份保留等要求（尤其是对于非生产环境或非任务关键型工作负载）可以减少实现这些目标所需的资源量。

## 优化软件开发和架构模式
<a name="software-development-architecture-patterns"></a>

为防止浪费，请优化模型和查询，并共享计算资源，以便使用 Neptune 实例和集群中的所有可用资源。具体最佳实践包括：
+ 让开发者共享 Neptune 实例和 Jupyter Notebook 应用程序实例，而不是各自创建自己的实例。通过使用[多租户分区策略](https://explore.skillbuilder.aws/learn/course/external/view/elearning/16133/data-modeling-for-amazon-neptune)，在单个 Neptune 集群中为每位开发者提供自己的逻辑分区，并在单个 Jupyter 实例上为每位开发者创建单独的笔记本文件夹。
+ 实现可最大限度利用资源并最大限度减少空闲时间的模式，例如使用并行线程加载数据，并将记录一起批处理到更大的事务中。
+ 优化您的查询和图形模型，以最大限度地减少计算结果所需的资源。
+ 对于 Gremlin 查询结果，请使用[结果缓存](https://docs.aws.amazon.com/neptune/latest/userguide/gremlin-results-cache.html)功能最大限度地减少重新计算分页或经常重复的查询所花费的资源。
+ 确保您的 Neptune 环境保持最新状态。最新版本的 Neptune 支持效率更高的最新亚马逊 EC2 实例，例如 Graviton。它们还改进了查询优化并修复了一些错误，从而减少了计算查询所需的资源量。