PERF02-BP04 Konfigurieren und richtiges Dimensionieren von Datenverarbeitungsressourcen
Konfigurieren und passen Sie die Größe der Datenverarbeitungsressourcen so an, dass sie den Leistungsanforderungen der Workloads entsprechen, und vermeiden Sie zu wenig oder zu stark ausgelastete Ressourcen.
Typische Anti-Muster:
-
Sie ignorieren Ihre Workload-Leistungsanforderungen, was zu über- oder unterdimensionierten Datenverarbeitungsressourcen führt.
-
Sie wählen nur die größte oder kleinste verfügbare Instance für alle Workloads aus.
-
Sie verwenden nur eine Instance-Familie, um die Verwaltung zu vereinfachen.
-
Sie ignorieren Empfehlungen von AWS Cost Explorer oder Compute Optimizer zur richtigen Dimensionierung.
-
Sie bewerten die Workload nicht erneut auf die Eignung neuer Instance-Typen.
-
Sie zertifizieren nur eine kleine Anzahl von Instance-Konfigurationen für Ihre Organisation.
Vorteile der Nutzung dieser bewährten Methode: Die richtige Dimensionierung der Datenverarbeitungsressourcen gewährleistet einen optimalen Betrieb in der Cloud, indem eine Über- und Unterdimensionierung von Ressourcen vermieden wird. Die richtige Dimensionierung der Datenverarbeitungsressourcen führt in der Regel zu einer besseren Leistung und einem besseren Kundenerlebnis bei gleichzeitiger Senkung der Kosten.
Risikostufe bei fehlender Befolgung dieser bewährten Methode: Mittel
Implementierungsleitfaden
Die richtige Dimensionierung ermöglicht es Organisationen, ihre Cloud-Infrastruktur effizient und kostengünstig zu betreiben und gleichzeitig ihre Geschäftsanforderungen zu erfüllen. Eine übermäßige Bereitstellung von Cloud-Ressourcen kann zu zusätzlichen Kosten führen, während eine unzureichende Bereitstellung zu schlechter Leistung und einem negativen Kundenerlebnis führen kann. AWS bietet Tools wie AWS Compute Optimizer
Implementierungsschritte
-
Wählen Sie einen Instance-Typ, der am besten zu Ihren Anforderungen passt:
-
How do I choose the appropriate Amazon EC2 instance type for my workload?
-
Attributbasierte Auswahl von Instance-Typen für Amazon-EC2-Flotte
-
Erstellen einer Auto-Scaling-Gruppe mit attributbasierter Auswahl des Instance-Typs
-
Optimieren Ihrer Kubernetes-Datenverarbeitungskosten mit der Karpenter-Konsolidierung
-
-
Analysieren Sie die verschiedenen Leistungsmerkmale Ihrer Workload und bewerten Sie, wie sich diese auf Arbeitsspeicher, Netzwerk und CPU-Auslastung auswirken. Wählen Sie anhand dieser Daten die für das Profil und die Leistungsziele der Workloads am besten geeigneten Ressourcen aus.
-
Überwachen Sie Ihren Ressourcenverbrauch mithilfe von AWS-Überwachungstools wie Amazon CloudWatch.
-
Wählen Sie die richtige Konfiguration für die Datenverarbeitungsressource aus.
-
Prüfen Sie für kurzzeitige Workloads die Amazon-CloudWatch-Metriken der Instance wie
CPUUtilization
, um festzustellen, ob die Instance zu wenig oder zu viel genutzt wird. -
Prüfen Sie für stabile Workloads in regelmäßigen Intervallen AWS-Dimensionierungstools wie etwa AWS Compute Optimizer und AWS Trusted Advisor, um Möglichkeiten zur Optimierung und zur korrekten Dimensionierung der Datenverarbeitungsressource zu erkennen.
-
-
Testen Sie Konfigurationsänderungen in einer Nicht-Produktionsumgebung, bevor Sie sie in einer Live-Umgebung implementieren.
-
Bewerten Sie neue Datenverarbeitungsangebote und vergleichen Sie sie mit den Anforderungen Ihrer Workload.
Ressourcen
Zugehörige Dokumente:
Zugehörige Videos:
-
AWS re:Invent 2023 – AWS Graviton: Das beste Preis-Leistungs-Verhältnis für Ihre AWS-Workloads
-
AWS re:Invent 2023 – New Amazon EC2 generative AI capabilities in AWS Management Console
-
AWS re:Invent 2023 – Smart savings: Amazon EC2 cost-optimization strategies
-
AWS re:Invent 2021 – Powering next-gen Amazon EC2: Deep dive on the Nitro System
Zugehörige Beispiele: