View a markdown version of this page

GAMESUS02-BP02 Right-size 仅在需要时计算和部署 GPU 性能 - 游戏行业镜头
实施指导

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。

GAMESUS02-BP02 Right-size 仅在需要时计算和部署 GPU 性能

架构您的游戏服务器和后端，以有效利用计算资源。 Over-provisioning 计算会导致不必要的成本，并最大限度地减少闲置或未充分利用的资源量。GPU 实例应用于支持特定的开发工作，例如虚幻引擎中的 HLOD 重建，或者游戏服务器在设计上需要它们时使用。这极大地降低了工作负载对环境的影响和成本。

在未建立这种最佳实践的情况下暴露的风险等级：高

实施指导

您应优化游戏服务器和后端服务，以使用多个 EC2 实例类型和最少数量的实例。这增加了可用于满足您在开发期间或游戏发布期间需求的实例数量。您还应将实例类型与正在部署的特定工作负载相匹配。计算优化实例支持各种用例，包括游戏服务器和配对等后端服务。内存优化实例旨在为处理内存中大型数据集的工作负载提供快速性能。根据需要使用 GPU 实例来满足高性能要求，但不能用于一般计算任务。如果可以，设计您的服务或游戏服务器，使其在带有 AWS Graviton 实例的 ARM 上运行。Graviton 是目前可用的最高性能到最节能的实例类型。 AWS与 x86 实例类型相比，它们还提高了性能和成本。

使用机器学习分析历史利用率指标，确定最佳 AWS 资源配置，例如亚马逊弹性计算云 (EC2) 实例类型、亚马逊弹性块存储 (EBS) 卷配置、开启的亚马逊弹性容器服务 (ECS) 服务的任务大小 AWS Fargate、商业软件许可证、 AWS Lambda 函数内存大小和亚马逊关系数据库服务 (RDS) 数据库实例类别。AWS Compute OptimizerCompute Optimizer 提供了一组 API 和控制台体验，通过为您的工作负载推荐最佳 AWS 资源来降低成本并提高 AWS 工作负载性能。

实施步骤

  • 使用适用于游戏服务器的计算优化实例，对大型数据集使用内存优化实例，仅用于 HLOD 重建或 GPU-dependent 游戏服务器等任务的 GPU 实例，将计算资源与特定工作负载相匹配。

  • 与 x86 实例相比，尽可能部署 AWS Graviton 实例来优化计算利用率，从而提高能效、提高性能并节省成本。

  • AWS Compute Optimizer 用于分析历史利用率，为 EC2、 AWS ECS 和 Amazon RDS 工作负载推荐最有效的配置 AWS Lambda，以降低成本和提高性能。