PERF02-BP06 지표를 기준으로 컴퓨팅 요구 사항의 지속적 평가
데이터 기반 접근 방식을 사용하여 시간이 지남에 따라 워크로드에 적합한 컴퓨팅 리소스를 지속적으로 평가하고 최적화합니다.
원하는 결과: 시스템 수준 지표를 사용하여 시간별 워크로드 동작 및 요구 사항을 적극적으로 모니터링합니다. 수집된 데이터를 기반으로 사용 가능한 리소스에 대해 워크로드의 요구 사항을 평가하고 워크로드 프로필에 가장 적합하도록 컴퓨팅 환경을 변경합니다 예를 들어 워크로드는 계속 사용하다 보면 초기에 지정된 것보다 메모리가 더 많이 사용될 수 있습니다. 이 경우 다른 인스턴스 패밀리나 크기로 전환하면 성능과 효율성이 모두 개선될 수 있습니다.
일반적인 안티 패턴:
-
컴퓨팅 요구 사항을 재평가하지 않고 워크로드에 대한 인사이트를 얻기 위해 시스템 수준 지표를 모니터링합니다.
-
피크 워크로드 요구 사항에 따라 컴퓨팅 요구 사항을 설계합니다.
-
워크로드 특성에 보다 효율적으로 맞는 대체 컴퓨팅 솔루션으로 이동할 때 확장 또는 성능 요구 사항을 충족하도록 기존 컴퓨팅 솔루션의 규모를 과도하게 키웁니다.
이 모범 사례 수립의 이점: 실제 데이터 및 원하는 비용과 성능의 균형을 기반으로 컴퓨팅 리소스를 최적화합니다.
이 모범 사례를 따르지 않을 경우 노출되는 위험 수준: 낮음
구현 가이드
데이터 기반 접근 방식을 사용하여 관찰된 워크로드 동작을 기반으로 컴퓨팅 리소스를 최적화합니다. 성능 및 효율성을 극대화하려면 워크로드에서 시간대별로 수집된 데이터를 사용하여 리소스를 지속적으로 튜닝하고 최적화합니다. 워크로드의 현재 리소스 사용량 추세를 파악하고, 워크로드의 요구에 더 적합하게 리소스 사용 방식을 변경할 수 있는 영역을 확인합니다. 리소스가 너무 많이 커밋되면 시스템 성능이 저하되고 리소스가 적절하게 사용되지 않으면 시스템 사용 효율성이 낮아지고 비용이 높아집니다.
성능 및 리소스 사용률을 최적화하려면 통합된 운영 보기, 세분화된 실시간 데이터 및 기간별 참조가 필요합니다. 자동화된 대시보드를 생성하여 이 데이터를 시각화하고 운영 및 사용률에 관한 인사이트를 얻을 수 있습니다.
구현 단계
-
시간 경과에 따른 컴퓨팅 관련 지표를 수집합니다.
-
선택한 컴퓨팅 솔루션에서 사용 가능한 리소스와 워크로드 지표를 비교합니다.
-
기존 솔루션의 크기를 조정하거나 대체 컴퓨팅 솔루션을 평가하여 필요한 구성 변경을 결정합니다.
리소스
관련 모범 사례:
관련 문서:
관련 동영상:
-
Amazon EC2 foundations (CMP211-R2)
(Amazon EC2 기본 사항(CMP211-R2)) -
Deliver high performance ML inference with AWS Inferentia (CMP324-R1)
(AWS Inferentia로 고성능 ML 추론 제공(CMP324-R1)) -
Optimize performance and cost for your AWS compute (CMP323-R1)
(AWS 컴퓨팅의 성능 및 비용 최적화(CMP323-R1)) -
Powering next-gen Amazon EC2: Deep dive into the Nitro system
(차세대 Amazon EC2 지원: Nitro 시스템 심층 분석) -
Selecting and optimizing Amazon EC2 instances
(Amazon EC2 인스턴스 선택 및 최적화)
관련 예시: