本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 永續性支柱
<a name="sustainability-pillar"></a>

 AWS Well-Architected Framework 的[永續性支柱](https://docs.aws.amazon.com/wellarchitected/latest/framework/sustainability.html)著重於將執行雲端工作負載的環境影響降至最低。關鍵主題包括共同的責任模型，用於永續性、了解影響和最大化使用率，以盡可能減少所需資源並減少下游影響。

永續性支柱包含下列主要重點領域：
+ 您的影響
+ 永續性目標
+ 最大化用量
+ 預測和採用新的、更有效率的軟體產品
+ 使用 受管服務
+ 減少下游影響

本指南著重於了解您的影響。如需其他永續性設計原則的詳細資訊，請參閱 [AWS Well-Architected Framework](https://docs.aws.amazon.com/wellarchitected/latest/framework/sus-design-principles.html)。

您的選擇和要求會影響環境。如果您選擇 AWS 區域 碳強度較低的 ，而且如果您的需求反映實際的工作負載需求，而不是將運作時間和耐用性最大化，工作負載的永續性就會增加。下一節討論最佳實務和考量事項，如果在工作負載設計和持續操作中採用，將對環境產生正面影響

## 考慮您的 AWS 區域 選擇
<a name="region-selection"></a>

有些 AWS 區域 接近 Amazon 可再生能源專案，或位於網格已發佈的碳強度低於其他項目的位置。考慮對於工作負載可能可行之區域的[永續性影響](https://aws.amazon.com/blogs/architecture/how-to-select-a-region-for-your-workload-based-on-sustainability-goals/)，並將您的清單與[可使用 Neptune Analytics 的區域交叉參考。](https://docs.aws.amazon.com/neptune-analytics/latest/userguide/analytics-limits.html#limits-regions)

## 最佳化耗用量
<a name="consumption"></a>

實作下列各項，將 Neptune Analytics 的耗用量降至最低：
+ 分析通常是暫時性的。只有執行演算法並記錄結果的時間才需要圖形。如果是這種情況，請[快照並在不再需要圖形時將其刪除](https://docs.aws.amazon.com/neptune-analytics/latest/userguide/managing-deleting.html)。如有需要，您可以[稍後從快照還原](https://docs.aws.amazon.com/neptune-analytics/latest/userguide/graph-snapshots.html#graph-snapshots-restoring)。
+ 如果工作負載是暫時性的，而且您可以靈活地決定何時執行分析，請考慮耗電量的day-to-day趨勢。在特定時間對電力的需求較高。如果您位於美國，請參閱美國能源資訊管理局 (EIA) 網站上的[每日用電量指標](https://www.eia.gov/electricity/gridmonitor/dashboard/electric_overview/US48/US48)。如果可能，請在區域的離峰期間執行工作負載。
+ 如果工作負載不是暫時性的，但只需要在有限的期間內可用，請刪除圖形，並在需要時從快照還原。如果其可用性遵循排程，請透過指令碼自動化還原程序，以便在排程時間準備好圖形。
+ 如果資料為唯讀或自上次快照後未變更，請勿在刪除之前再次將其快照。
+ 不使用 Neptune 筆記本時將其停止。
+ 監控 CloudWatch 指標，例如 `NumQueuedRequestsPerSec`、`NumOpenCypherRequestsPerSec`、`GraphSizeBytes`、 `GraphStorageUsagePercent`和 `CPUUtilization`，以評估圖形是否過大。判斷較小的執行個體容量是否可以容納觀察到的請求率、CPU 用量和圖形大小。

## 最佳化軟體開發和架構模式
<a name="patterns"></a>

若要避免浪費，請最佳化模型和查詢，並共用運算資源，以便使用 Neptune 執行個體和叢集中可用的所有資源。特定最佳實務包括：
+ 最佳化查詢和圖形演算法調用。使用參數化查詢並使用[預設啟用的查詢計畫快取](https://docs.aws.amazon.com/neptune-analytics/latest/userguide/query-plan-cache.html)。對於慢查詢，請執行[解釋計畫](https://docs.aws.amazon.com/neptune-analytics/latest/userguide/query-explain.html)以進行改善。如果您使用[向量相似性搜尋](https://docs.aws.amazon.com/neptune-analytics/latest/userguide/vector-similarity.html)，請判斷較小的內嵌是否產生準確的相似性結果，因為可以更有效率地建立、儲存和搜尋較小的內嵌。呼叫[圖形演算法](https://docs.aws.amazon.com/neptune-analytics/latest/userguide/algorithms.html)之前，請使用 `MATCH`子句將輸入節點集降至最低。如果可能，請篩選節點和邊緣標籤。
+ 尋求將資料載入圖形的最有效方式。如果您從 Amazon S3 中的資料載入，如果資料大小大於 50 GB，請使用[大量匯入](https://docs.aws.amazon.com/neptune-analytics/latest/userguide/bulk-import.html)。針對較小的資料使用[批次載入](https://docs.aws.amazon.com/neptune-analytics/latest/userguide/batch-load.html)。
+ 要求開發人員共用 Neptune 筆記本執行個體，而不是每個建立自己的執行個體。在單一 Jupyter 執行個體上為每個開發人員建立個別的筆記本資料夾。不使用執行個體時將其關閉。