SUS05-BP02 영향이 가장 적은 인스턴스 유형 사용 - AWS Well-Architected 프레임워크
구현 지침구현 단계리소스

SUS05-BP02 영향이 가장 적은 인스턴스 유형 사용

새로운 인스턴스 유형을 지속적으로 모니터링하고 사용하여 에너지 효율 개선을 활용합니다.

일반적인 안티 패턴:

  • 인스턴스 패밀리는 하나만 사용합니다.

  • x86 인스턴스만 사용합니다.

  • Amazon EC2 Auto Scaling 구성에서 하나의 인스턴스 유형을 지정합니다.

  • AWS 인스턴스를 설계되지 않은 방식으로 사용합니다(예: 컴퓨팅에 최적화된 인스턴스를 메모리 집약적 워크로드에 사용).

  • 새 인스턴스 유형을 정기적으로 평가하지 않습니다.

  • AWS 적정 크기 조정 도구(예: AWS Compute Optimizer)에서 권장 사항을 확인하고 분석하지 않습니다.

이 모범 사례 확립의 이점: 적정 크기로 조정된 에너지 효율적인 인스턴스를 사용하면 환경 영향 및 워크로드 비용을 크게 줄일 수 있습니다.

이 모범 사례가 확립되지 않을 경우 노출되는 위험 수준: 중간

구현 가이드

클라우드 워크로드에서 효율적인 인스턴스를 사용하는 것은 리소스 사용량을 줄이고 비용 효율성을 높이는 데 매우 중요합니다. 새로운 인스턴스 유형의 릴리스를 지속적으로 모니터링하고 기계 학습 훈련 및 추론, 동영상 트랜스코딩과 같은 특정 워크로드를 지원하도록 설계된 인스턴스 유형을 포함하여 에너지 효율성 개선의 이점을 활용합니다.

구현 단계

  • 인스턴스 유형 학습 및 탐색: 워크로드가 환경에 미치는 영향을 줄일 수 있는 인스턴스 유형을 찾습니다.

  • 영향이 가장 적은 인스턴스 유형 사용: 워크로드를 영향이 가장 적은 인스턴스 유형으로 전환하도록 계획합니다.

    • 워크로드를 위한 새로운 기능 또는 인스턴스를 평가하기 위한 프로세스를 정의합니다. 클라우드에서 민첩성을 활용하여 새 인스턴스 유형이 워크로드 환경 지속 가능성을 어떻게 개선할 수 있는지 신속하게 테스트합니다. 프록시 지표를 사용하여 작업 단위를 완료하는 데 필요한 리소스를 측정합니다.

    • 가능한 경우 다양한 vCPU 수와 다양한 메모리 용량으로 작동하도록 워크로드를 수정하여 인스턴스 유형 선택의 폭을 극대화합니다.

    • 워크로드의 성능 효율성을 개선하려면 워크로드를 Graviton 기반 인스턴스로 전환할 것을 고려합니다. AWS Graviton으로 워크로드를 이동하는 방법에 대한 자세한 내용은 AWS Graviton Fast Start 및 Considerations when transitioning workloads to AWS Graviton-based Amazon Elastic Compute Cloud instances를 참조하세요.

    • AWS 관리형 서비스를 사용할 때 AWS Graviton 옵션 선택을 고려하세요.

    • 지속 가능성에 미치는 영향이 가장 적고 비즈니스 요구 사항을 충족하는 인스턴스를 제공하는 리전으로 워크로드를 마이그레이션합니다.

    • 기계 학습 워크로드의 경우 AWS Trainium, AWS Inferentia 및 Amazon EC2 DL1과 같이 워크로드에 따라 특정한 목적별 하드웨어의 장점을 활용합니다. AWS Inf2 인스턴스와 같은 Inferentia 인스턴스는 동급 Amazon EC2 인스턴스에 비해 최대 50% 더 우수한 와트당 성능을 제공합니다.

    • Amazon SageMaker Inference Recommender를 사용하여 ML 추론 엔드포인트를 적정 크기로 조정합니다.

    • 사용량이 급증하는 워크로드의 경우(추가 용량에 대한 요구 사항이 적은 워크로드) 성능 버스트 가능 인스턴스를 사용합니다.

    • 상태 비저장 및 내결함성 워크로드의 경우 Amazon EC2 스팟 인스턴스를 사용하여 클라우드의 전체 활용률을 높이고 미사용 리소스가 지속 가능성에 미치는 영향을 줄입니다.

  • 운영 및 최적화: 워크로드 인스턴스를 운영 및 최적화합니다.

리소스

관련 문서:

관련 비디오:

관련 예제: