Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Memilih kelas instans DB yang tepat
<a name="aurora-analytics-instance-class"></a>

Kelas instance yang tepat tergantung pada bagaimana kueri tabel asing Anda menggunakan memori, penyimpanan, dan CPU. Untuk detail tentang masing-masing sumber daya ini, lihat[Manajemen sumber daya](aurora-analytics-resource-management.md).
+ **Memori**: Kueri tabel asing menyimpan data kerjanya (jenis, agregasi, dan tabel hash untuk bergabung) dalam memori, dibatasi oleh `aurora_analytics.query_mem` pengaturan (singkatnya). `query_mem` Nilai default `query_mem` skala dengan ukuran instans, sehingga instance yang lebih besar memberi setiap kueri lebih banyak memori secara otomatis. Ketika kueri melebihi`query_mem`, itu tumpah ke penyimpanan lokal, yang lebih lambat. Untuk informasi selengkapnya, lihat [Menyetel query\_mem untuk beban kerja Anda](aurora-analytics-tuning-query-mem.md).
+ **Konkurensi**: Setiap kueri tabel asing bersamaan mengalokasikan memori hingga`query_mem`, tetapi penggunaan sebenarnya bergantung pada kueri, dan kueri sederhana mungkin menggunakan jauh lebih sedikit. Saat Anda mengukur konkurensi, anggaran untuk memori puncak daripada mengasumsikan setiap kueri menggunakan yang lengkap. `query_mem` Untuk informasi selengkapnya, lihat [Ukuran konkurensi](aurora-analytics-concurrency-sizing.md).
+ **Caching dan spilling**: Cache on-disk untuk data Amazon S3 dan file sementara yang tumpah kueri keduanya menggunakan penyimpanan lokal instans. NVMe lokal (tersedia pada instance tipe-d seperti`db.r8gd`) lebih cepat daripada Amazon EBS untuk keduanya, jadi pilih kelas dengan penyimpanan NVMe lokal untuk beban kerja produksi yang menanyakan tabel asing.
+ **Isolasi beban kerja**: Kueri tabel asing bersaing dengan lalu lintas instans lainnya untuk CPU dan memori. Untuk beban kerja yang banyak menanyakan tabel asing, jalankan pada pembaca khusus sebagai gantinya. Untuk informasi selengkapnya, lihat [Menggunakan instance pembaca khusus untuk analitik](aurora-analytics-dedicated-reader.md).

Mulailah dengan kelas yang sesuai dengan beban kerja Anda dan sesuaikan dari sana, menggunakan sinyal-sinyal ini.
+ Meningkat `AuroraAnalyticsMemoryUsage` berarti tekanan memori secara keseluruhan tumbuh. Skala ke kelas instance yang lebih besar, atau lebih rendah `query_mem` untuk meninggalkan ruang untuk konkurensi.
+ Meningkat `AuroraAnalyticsDiskSpillSize` berarti kueri individu melebihi `query_mem` dan tumpah ke penyimpanan lokal. Tingkatkan, atau naikkan `query_mem` untuk memberi setiap kueri lebih banyak ruang.
+ Penurunan `AuroraAnalyticsCacheHitRatio` berarti lebih banyak data kerja Anda sedang dibaca ulang dari Amazon S3. Kelas instance yang lebih besar menyimpan lebih banyak cache secara lokal.
+ CPU tinggi saat menanyakan tabel asing berarti kueri membutuhkan lebih banyak vCPU.

Untuk menangani lebih banyak kueri bersamaan, tingkatkan lebih banyak ruang memori, atau tambahkan pembaca untuk menyebarkan beban.

Untuk metrik ini dan cara memantaunya, lihat[Pemantauan dan pemecahan masalah](aurora-analytics-monitoring-troubleshooting.md).

## Kapan menggunakan EBS-only instance
<a name="aurora-analytics-ebs-only"></a>

Instans tanpa penyimpanan NVMe lokal (seperti `db.r8g` dan) `db.r8i` menggunakan Amazon EBS untuk caching. Gunakan mereka untuk yang berikut ini.
+ Beban kerja yang lebih peka terhadap biaya daripada peka terhadap kinerja.
+ Kueri tabel asing ringan atau ad hoc.
+ Lingkungan pengembangan dan pengujian.