# SUS05-BP02 使用影響最小的執行個體類型
<a name="sus_sus_hardware_a3"></a>

持續監控並使用新的執行個體類型，讓能源效率方面的改進充分發揮效用。

 **常見的反模式：**
+  您僅使用一個執行個體系列。
+  您僅使用 x86 執行個體。
+  您在 Amazon EC2 Auto Scaling 組態中指定了一個執行個體類型。
+  您以不符合設計宗旨的方式使用 AWS 執行個體 (例如，您將運算最佳化執行個體用於記憶體密集型工作負載)。
+  您未定期評估新的執行個體類型。
+  您未查看 AWS 適當調整大小的工具 (例如 [AWS Compute Optimizer](https://aws.amazon.com/compute-optimizer/)) 所提供的建議。

 **建立此最佳實務的優勢：**藉由使用節能且適當調整大小的執行個體，將可大幅降低環境受到的影響以及工作負載成本。

 **未建立此最佳實務時的曝險等級：**中 

## 實作指引
<a name="implementation-guidance"></a>

 在雲端工作負載中使用高效執行個體，是降低資源用量和提高成本效益的關鍵。持續關注新執行個體類型的發佈，並運用能源效率改進，包括旨在支援特定工作負載 (例如機器學習訓練和推論以及影片轉碼) 的執行個體類型。

## 實作步驟
<a name="implementation-steps"></a>
+  **了解並探索執行個體類型：**尋找可降低工作負載對環境之影響的執行個體類型。
  +  訂閱 [AWS 最新消息](https://aws.amazon.com/new/)，隨時掌握最新的 AWS 技術和執行個體。
  +  了解不同的 AWS 執行個體類型。
  +  觀看下列資源，了解 AWS Graviton 型執行個體如何在 Amazon EC2 中的能源使用提供最佳效能功耗比：[re:Invent 2020 - 深入探討搭載 AWS Graviton2 處理器的 Amazon EC2 執行個體](https://www.youtube.com/watch?v=NLysl0QvqXU)與[深入探討 AWS Graviton3 和 Amazon EC2 C7g 執行個體](https://www.youtube.com/watch?v=WDKwwFQKfSI&ab_channel=AWSEvents)。
+  **使用影響最小的執行個體類型：**進行相關規劃，將工作負載轉移至影響程度最低的執行個體類型。
  +  定義一個程序來評估工作負載的新功能和執行個體。利用雲端的靈活性快速測試新功能類型對您的工作負載環境永續性有何改善。使用代理指標，測量您需要多少資源才能完成一個工作單位。
  +  如果可行，請修改工作負載，以使用不同數量的 CPU 和不同數量的記憶體，從而最大化您選擇執行個體類型的空間。
  +  考慮將您的工作負載轉移至 Graviton 型執行個體，以改善工作負載的效能效率。如需有關將工作負載移至 AWS Graviton 的詳細資訊，請參閱 [AWS Graviton Fast Start](https://aws.amazon.com/ec2/graviton/fast-start/) 和[將工作負載轉移至基於 AWS Graviton 的 Amazon Elastic Compute Cloud 執行個體時的注意事項](https://github.com/aws/aws-graviton-getting-started/blob/main/transition-guide.md)。
  +  考慮在您使用的 [AWS 受管服務](https://github.com/aws/aws-graviton-getting-started/blob/main/managed_services.md)中選取 AWS Graviton 選項。
  +  將工作負載遷移至有執行個體對永續性影響最小，且仍符合業務要求的區域。
  +  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](https://aws.amazon.com/machine-learning/trainium/)、[AWS Inferentia](https://aws.amazon.com/machine-learning/inferentia/) 和 [Amazon EC2 DL1](https://aws.amazon.com/ec2/instance-types/dl1/)。AWSInferentia 執行個體 (例如 Inf2 執行個體) 所提供的效能功耗比最多會比同類 Amazon EC2 執行個體高出 50%。
  +  使用 [Amazon SageMaker AI Inference Recommender](https://docs.aws.amazon.com/sagemaker/latest/dg/inference-recommender.html) 適當調整 ML 推論端點的大小。
  +  對於尖峰工作負載 (不常需要額外容量的工作負載)，請使用[爆量效能執行個體](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/burstable-performance-instances.html)。
  +  對於無狀態和容錯工作負載，請使用 [Amazon EC2 Spot 執行個體](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/using-spot-instances.html)，以提高雲端整體使用率，並減少未使用資源的永續性影響。
+ **操作和最佳化：**操作並最佳化您的工作負載執行個體。
  +  對於暫時性工作負載，請評估[執行個體 Amazon CloudWatch 指標](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/viewing_metrics_with_cloudwatch.html#ec2-cloudwatch-metrics) (例如 `CPUUtilization`)，以識別執行個體是否閒置或未充分利用。
  +  對於穩定的工作負載，請定期檢查 AWS 適當調整大小的工具 (例如 [AWS Compute Optimizer](https://aws.amazon.com/compute-optimizer/))，以識別對執行個體進行最佳化和適當調整大小的機會。如需更多範例和建議，請參閱下列實驗室：
    + [ Well-Architected 實驗室 - 適當調整大小的建議](https://catalog.workshops.aws/well-architected-cost-optimization/en-US/3-cost-effective-resources/40-rightsizing-recommendations-100)
    + [ Well-Architected 實驗室：使用 Compute Optimizer 適當調整大小](https://catalog.workshops.aws/well-architected-cost-optimization/en-US/3-cost-effective-resources/50-rightsizing-recommendations-200)
    + [ Well-Architected 實驗室 - 最佳化硬體模式和觀察永續性 KPI](https://catalog.workshops.aws/well-architected-sustainability/en-US/4-hardware-and-services/optimize-hardware-patterns-observe-sustainability-kpis)

## 資源
<a name="resources"></a>

 **相關文件：**
+  [最佳化您的 AWS 永續性基礎設施，第 I 部分：運算](https://aws.amazon.com/blogs/architecture/optimizing-your-aws-infrastructure-for-sustainability-part-i-compute/) 
+  [AWS Graviton](https://aws.amazon.com/ec2/graviton/) 
+  [Amazon EC2 DL1](https://aws.amazon.com/ec2/instance-types/dl1/) 
+  [Amazon EC2 容量保留機群](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/cr-fleets.html) 
+  [Amazon EC2 Spot 機群](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/spot-fleet.html) 
+  [函數：Lambda 函數組態](https://docs.aws.amazon.com/lambda/latest/dg/best-practices.html#function-configuration) 
+ [ Amazon EC2 Fleet 的屬性型執行個體類型選取](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/ec2-fleet-attribute-based-instance-type-selection.html)
+ [在 AWS 上建置永續性、高效且成本最佳化的應用程式](https://aws.amazon.com/blogs/compute/building-sustainable-efficient-and-cost-optimized-applications-on-aws/)
+ [ Contino 永續性儀表板如何協助客戶最佳化碳足跡](https://aws.amazon.com/blogs/apn/how-the-contino-sustainability-dashboard-helps-customers-optimize-their-carbon-footprint/)

 **相關影片：**
+  [AWS re:Invent 2023 - AWS Graviton：AWS 工作負載的最佳性價比](https://www.youtube.com/watch?v=T_hMIjKtSr4) 
+  [AWS re:Invent 2023 - 在 AWS 管理主控台 中新建 Amazon Elastic Compute Cloud 生成式 AI 功能](https://www.youtube.com/watch?v=sSpJ8tWCEiA) 
+  [AWS re:Invent 2023 - Amazon Elastic Compute Cloud 的最新消息](https://www.youtube.com/watch?v=mjHw_wgJJ5g) 
+  [AWS re:Invent 2023 - 智慧型節約：Amazon Elastic Compute Cloud 成本最佳化策略](https://www.youtube.com/watch?v=_AHPbxzIGV0) 
+  [AWS re:Invent 2021 - 深入探討 AWS Graviton3 和 Amazon EC2 C7g 執行個體](https://www.youtube.com/watch?v=WDKwwFQKfSI&ab_channel=AWSEvents) 
+ [AWS re:Invent 2022 - 建置具成本、能源和資源效率的運算環境](https://www.youtube.com/watch?v=8zsC5e1eLCg)

 **相關範例：**
+ [ 解決方案：在 AWS 上最佳化深度學習工作負載以維持永續性的指引](https://aws.amazon.com/solutions/guidance/optimizing-deep-learning-workloads-for-sustainability-on-aws/)