# PERF02-BP06 根据指标持续评估计算需求
<a name="perf_select_compute_use_metrics"></a>

使用数据驱动型方法，随着时间的推移，持续评估和优化工作负载的计算资源。

 **期望结果：**使用系统级指标来主动监控一段时间内工作负载的行为和要求。根据收集到的数据，通过比较可用资源来评估工作负载的需求，并对计算环境进行更改以实现与您的工作负载配置文件的最佳匹配。例如，随着时间的推移，工作负载可能比最初指定的要更频繁地使用内存，所以转为使用其他实例系列或调整实例大小可能会提高性能和效率。 

 **常见反模式：** 
+  监控系统级指标以深入了解您的工作负载，而不是重新评估计算需求。 
+  根据峰值工作负载要求设计计算需求。 
+  为了满足扩展或性能需求，现有计算解决方案采用了过大的规模，而迁移到替代计算解决方案可以更有效地匹配您的工作负载特性。 

 **建立此最佳实践的好处：**基于真实数据以及期望的成本和性能平衡来优化计算资源。 

 **在未建立这种最佳实践的情况下暴露的风险等级：**低 

## 实施指导
<a name="implementation-guidance"></a>

使用数据驱动型方法，基于观察到的工作负载行为来优化计算资源。要实现最高性能和效率，请使用一段时间内从工作负载中收集的数据来持续调整和优化您的资源。查看工作负载对当前资源的使用趋势，并确定可以在哪些方面做出更改，以便更好地满足您的工作负载需求。过度使用资源时，系统性能会降低，而当资源没有得到充分利用时，会导致系统运行效率较低且成本较高。

 要优化性能和提高资源利用率，您需要一个统一的运营视图、实时粒度数据和历史参考。您可以创建自动控制面板来显示这些数据并获得运营和利用率洞察。 

 **实施步骤** 

1.  收集一段时间内与计算相关的指标： 

1.  将工作负载指标与所选计算解决方案中的可用资源进行比较。 

1.  通过合理调整现有解决方案的规模或评估替代计算解决方案，确定任何所需的配置更改。 

## 资源
<a name="resources"></a>

 **相关最佳实践：** 
+  [PERF02-BP01 评估可用的计算方案](perf_select_compute_evaluate_options.md) 
+  [PERF02-BP02 了解可用的计算配置选项](perf_select_compute_config_options.md) 
+  [PERF02-BP03 收集与计算相关的指标](perf_select_compute_collect_metrics.md) 
+  [PERF02-BP04 通过合理调整大小来确定需要的配置](perf_select_compute_right_sizing.md) 

 **相关文档：** 
+  [使用 AWS 进行云计算](https://aws.amazon.com/products/compute/?ref=wellarchitected) 
+  [AWS Compute Optimizer](https://aws.amazon.com/compute-optimizer/) 
+  [EC2 实例类型](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/instance-types.html) 
+  [Amazon ECS 容器：Amazon ECS 容器实例](https://docs.aws.amazon.com/AmazonECS/latest/developerguide/ECS_instances.html) 
+  [Amazon EKS 容器：Amazon EKS Worker 节点](https://docs.aws.amazon.com/eks/latest/userguide/worker.html) 
+ [使用 AWS Lambda 函数的最佳实践](https://docs.aws.amazon.com/lambda/latest/dg/best-practices.html#function-configuration)

 **相关视频：** 
+  [Amazon EC2 基础（CMP211-R2）](https://www.youtube.com/watch?v=kMMybKqC2Y0) 
+  [更好、更快、更便宜的计算：成本优化Amazon EC2（CMP202-R1）](https://www.youtube.com/watch?v=_dvh4P2FVbw) 
+  [使用 AWS Inferentia 提供高性能的 ML 推理（CMP324-R1）](https://www.youtube.com/watch?v=17r1EapAxpk) 
+  [优化 AWS 计算的性能和成本（CMP323-R1）](https://www.youtube.com/watch?v=zt6jYJLK8sg) 
+  [推动下一代 Amazon EC2：深入了解 Nitro 系统](https://www.youtube.com/watch?v=rUY-00yFlE4) 
+ [选择和优化 Amazon EC2 实例](https://www.youtube.com/watch?v=Vz0HZ6hlpgM)

 **相关示例：** 
+  [在启用 Compute Optimizer 和内存利用率的情况下合理调整大小](https://www.wellarchitectedlabs.com/cost/200_labs/200_aws_resource_optimization/5_ec2_computer_opt/) 
+  [AWS Compute Optimizer 演示代码](https://github.com/awslabs/ec2-spot-labs/tree/master/aws-compute-optimizer)