PERF02-BP04 適切なサイジングによって必要な設定を決定する
ワークロードのさまざまなパフォーマンス特性と、それらの特性とメモリ、ネットワーク、CPU 使用率との関連を分析します。このデータは、ワークロードのプロファイルに最適なリソースを選択するために使用します。たとえば、メモリ集約型のワークロード (データベースなど) には r ファミリーのインスタンスが最適ですが、バーストするワークロードでは、伸縮自在なコンテナシステムからより多くのメリットを得ることができます。
一般的なアンチパターン:
-
すべてのワークロードに対して使用できる最大のインスタンスを選択する。
-
管理しやすいように、すべてのインスタンスタイプを 1 つのタイプに標準化する。
このベストプラクティスを活用するメリット: AWS のコンピューティングサービスに精通していれば、さまざまなワークロードに適したソリューションを判断できます。ワークロードのさまざまなコンピューティングサービスを選択したら、それらのコンピューティングサービスを簡単に試し、ワークロードのニーズを満たすのはどれかをすばやく判断できます。
このベストプラクティスを活用しない場合のリスクレベル: 中
実装のガイダンス
適切なサイジングによってワークロード設定を変更する: パフォーマンスと全体的な効率性の両方を最適化するには、ワークロードに必要なリソースを特定します。CPU よりもメモリを必要とするシステムの場合は、メモリ最適化されたインスタンスを選択します。メモリ負荷の高くないデータ処理を実行するコンポーネントの場合は、コンピューティング最適化されたインスタンスを選択します。適切なサイジングを行うことで、ワークロードが要求されたリソースのみを使用しながら、可能な限り最高のパフォーマンスを達成することが可能になります。
リソース
関連ドキュメント:
関連動画:
-
Better, faster, cheaper compute: Cost-optimizing Amazon EC2 (CMP202-R1)
-
Deliver high performance ML inference with AWS Inferentia (CMP324-R1)
-
Optimize performance and cost for your AWS compute (CMP323-R1)
-
Powering next-gen Amazon EC2: Deep dive into the Nitro system
-
Optimize performance and cost for your AWS compute (CMP323-R1)
関連サンプル: