PERF02-BP02 了解可用的運算組態和特徵
了解運算服務的可用組態選項和特徵，有助您佈建適量的資源並提高效能效率。
常見的反模式：
-
您沒有根據工作負載特性，評估運算選項或可用的執行個體系列。
-
過度佈建運算資源以符合尖峰需求。
建立此最佳實務的優勢： 熟悉 AWS 運算特徵和組態，如此您就能使用為符合工作負載特性和需求而經最佳化的運算解決方案。
未建立此最佳實務時的曝險等級： 中
實作指引
每個運算解決方案都有獨特的組態和特徵，可支援不同的工作負載特性和需求。了解這些選項如何與工作負載互補，以及判斷哪種組態選項最適合您的應用程式。這些選項的範例包括執行個體系列、大小、特徵 (GPU、I/O)、爆量、逾時、函數大小、容器執行個體，以及並行。如果工作負載使用相同運算選項的時間已超過四週，並且您預計特性未來仍將保持不變，您可以使用 AWS Compute Optimizer
實作步驟
-
了解工作負載需求 (例如 CPU 需求、記憶體和延遲)。
-
檢閱 AWS 文件和最佳實務，以了解可協助改善運算效能的建議組態選項。以下是一些需要考慮的關鍵組態選項：
組態選項 範例 執行個體類型 定價模式 -
隨需執行個體
讓您無需長期承諾，即可按小時或秒使用運算容量。這些執行個體適合於超過效能基準需求的爆量。 -
Savings Plans
與隨需執行個體相比，可大幅節省成本，但使用者必須在一年或三年期間使用特定數量的運算能力。 -
Spot 執行個體
可讓您以折扣價利用未使用的執行個體容量，以實現無狀態且具有容錯功能的工作負載。
Auto Scaling 使用 Auto Scaling 組態來比對運算資源與流量模式。 規模調整 -
使用 Compute Optimizer
取得採用機器學習技術的建議，以了解哪個運算組態最符合您的運算特性。 -
使用 AWS Lambda 功能調校 ，為 Lambda 函數選擇最佳組態。
硬體型運算加速器 -
加速運算執行個體 執行圖形處理或資料模式比對等功能時，會比以 CPU 為基礎的替代方案更有效率。
-
針對機器學習工作負載，請利用專供工作負載使用的專用硬體，例如 AWS Trainium
、 AWS Inferentia ，和 Amazon EC2 DL1
-
資源
相關文件：
相關影片：
相關範例：
