Sélectionner vos préférences de cookies

Nous utilisons des cookies essentiels et des outils similaires qui sont nécessaires au fonctionnement de notre site et à la fourniture de nos services. Nous utilisons des cookies de performance pour collecter des statistiques anonymes afin de comprendre comment les clients utilisent notre site et d’apporter des améliorations. Les cookies essentiels ne peuvent pas être désactivés, mais vous pouvez cliquer sur « Personnaliser » ou « Refuser » pour refuser les cookies de performance.

Si vous êtes d’accord, AWS et les tiers approuvés utiliseront également des cookies pour fournir des fonctionnalités utiles au site, mémoriser vos préférences et afficher du contenu pertinent, y compris des publicités pertinentes. Pour accepter ou refuser tous les cookies non essentiels, cliquez sur « Accepter » ou « Refuser ». Pour effectuer des choix plus détaillés, cliquez sur « Personnaliser ».

SUS05-BP02 Utiliser des types d'instance ayant le moins d'impact - AWS Well-Architected Framework

SUS05-BP02 Utiliser des types d'instance ayant le moins d'impact

Contrôlez de façon continue le lancement de nouveaux types d'instances et profitez d'améliorations de l'efficacité énergétique, dont ces types d'instances conçus pour soutenir des charges de travail spécifiques comme l'entraînement et l'inférence du machine learning et le transcodage vidéo.

Anti-modèles courants :

  • Vous n'utilisez qu'une seule famille d'instances.

  • Vous n'utilisez que des instances x86.

  • Vous spécifiez un type d'instance dans votre configuration Amazon EC2 Auto Scaling.

  • Vous utilisez des instances AWS de manière non conforme à leur utilisation prévue (par exemple, vous utilisez des instances optimisées pour le calcul pour une charge de travail exigeante en mémoire).

  • Vous n'évaluez pas régulièrement de nouveaux types d'instance.

  • Vous ne vérifiez pas les recommandations des outils de redimensionnement AWS tels que AWS Compute Optimizer.

Avantages liés au respect de cette bonne pratique : En utilisant des instances économes en énergie et dimensionnées, vous pouvez grandement réduire l'impact sur l'environnement et le coût de votre charge de travail.

Niveau de risque exposé si cette bonne pratique n'est pas respectée : Faible

Directives d'implémentation

  • Découvrez et explorez les types d'instance capables de réduire l'impact sur l'environnement de votre charge de travail.

  • Planifiez et migrez votre charge de travail vers les types d'instance avec le moins d'impact.

    • Définissez un processus pour évaluer les nouvelles fonctionnalités ou instances pour votre charge de travail. Profitez de l'agilité du cloud pour tester rapidement en quoi les nouveaux types d'instance peuvent améliorer la durabilité environnementale de votre charge de travail. Utilisez des métriques de proxy pour mesurer le nombre de ressources nécessaires pour mener à bien une unité de travail.

    • Si possible, modifiez votre charge de travail pour qu'elle fonctionne avec différents nombres de processeurs et différentes quantités de mémoire afin de maximiser votre choix de type d'instance.

    • Envisagez de migrer votre charge de travail vers des instances basées sur Graviton pour améliorer l'efficacité des performances de votre charge de travail (consultez AWS Graviton Fast Start et AWS Graviton2 for ISVs). Gardez à l'esprit les éléments à considérer lors de la migration des charges de travail vers les instances AWS basées sur Graviton Amazon Elastic Compute Cloud.

    • Envisagez de sélectionner l'option AWS Graviton lorsque vous utilisez des services gérés AWS.

    • Migrez votre charge de travail vers des régions qui offrent des instances ayant le moindre impact en matière de durabilité et qui répondent à vos exigences métier.

    • Pour les charges de travail de machine learning, utilisez des instances Amazon EC2 basées sur des puces Amazon Machine Learning personnalisées telles que AWS Trainium, AWS Inferentiaet Amazon EC2 DL1.

    • Utilisez Amazon SageMaker AI Inference Recommender pour redimensionner le point de terminaison de l'inférence de machine learning.

    • Pour les charges de travail avec transcodage vidéo en temps réel, utilisez des instances Amazon EC2 VT1.

    • Pour les pics de charges de travail (charges de travail aux besoins de capacité supplémentaire irréguliers), utilisez des instances à performances extensibles.

    • Pour les charges de travail sans état et tolérantes aux pannes, utilisez des instances Spot Amazon EC2 pour augmenter l'utilisation globale du cloud et réduire l'impact en matière de durabilité des ressources inutilisées.

  • Exploitez et optimisez votre instance de charge de travail.

    • Pour les charges de travail éphémères, évaluez les métriques d'instance Amazon CloudWatch telles que CPUUtilization pour identifier si l'instance est inactive ou sous-exploitée.

    • Pour les charges de travail stables, vérifiez les outils de redimensionnement AWS tels que AWS Compute Optimizer à intervalles réguliers pour identifier les possibilités d'optimiser et de redimensionner les instances.

Ressources

Documents connexes :

Vidéos connexes :

Exemples connexes :

ConfidentialitéConditions d'utilisation du sitePréférences de cookies
© 2025, Amazon Web Services, Inc. ou ses affiliés. Tous droits réservés.