SUS05-BP02 影響が最も少ないインスタンスタイプを使用する

例えば、 AWS の最新情報 を購読して、最新の AWS テクノロジーとインスタンスの情報を入手します。

さまざまな AWS インスタンスタイプについて学びます。

Amazon EC2 のエネルギー使用量 1 ワットあたりで最高のパフォーマンスを発揮する AWS Graviton ベースのインスタンスについて、以下のビデオをご覧ください。 re:Invent 2020 - Deep dive on AWS Graviton2 processor-powered Amazon EC2 instances (AWS Graviton2 プロセッサ搭載 Amazon EC2 インスタンスの詳細) と Deep dive into AWS Graviton3 and Amazon EC2 C7g instances.

ワークロードの新機能やインスタンスを評価するプロセスを定義します。クラウドの俊敏性を利用して、新しいインスタンスタイプがワークロード環境の持続可能性をどのように改善するかをすばやくテストします。プロキシメトリクスを使用して、1 つの作業単位を完了するのに必要なリソース数を測定します。

可能な場合は、異なる数の vCPU と異なる量のメモリで動作するようにワークロードを変更して、インスタンスタイプの選択肢を最大化します。

ワークロードのパフォーマンス効率を向上させるために、Graviton ベースのインスタンスへの移行を検討します。

以下の利用において、AWS Graviton オプションの選択を検討します : AWS マネージドサービス。

持続可能性に対する影響が最も少なく、かつビジネス要件を満たすインスタンスを提供するリージョンにワークロードを移行します。

機械学習のワークロードには、 AWS Trainium、 AWS Inferentia、および Amazon EC2 DL1 など、ワークロードに特化した専用ハードウェアを利用します。 Inf2 インスタンスなどの AWS Inferentia インスタンスは、同等の Amazon EC2 インスタンスと比較してワットあたりのパフォーマンスが最大 50% 向上します。

Amazon SageMaker Inference Recommender を使用して、機械学習推論エンドポイントのサイズを適切に設定します。

ワークロードの急増 (追加のキャパシティが必要になることがあまりないワークロード) の場合は、 バーストパフォーマンスインスタンスを使用します。

ステートレスで耐障害性の高いワークロードについては、 Amazon EC2 スポットインスタンス を使用して、クラウドの全体使用率を高め、未使用のリソースの持続可能性に対する影響を軽減します。

一次的なワークロードについては、 インスタンス Amazon CloudWatch メトリクス ( CPUUtilization など) を評価して、インスタンスがアイドルか使用率が低いかを識別します。

安定したワークロードの場合は、AWS サイズ適正化ツール ( AWS Compute Optimizer など) を定期的にチェックし、インスタンスの最適化とサイズ適正化の機会を識別します。