Visão geral das famílias de instâncias do Amazon EC2 e do Amazon RDS

Escolher uma instância do Amazon Elastic Compute Cloud (Amazon EC2) para determinada workload significa encontrar a família de instâncias que melhor corresponda às necessidades de CPU e memória dessa workload. O Amazon EC2 fornece uma ampla seleção de instâncias, o que oferece muita flexibilidade para dimensionar corretamente seus recursos de computação a fim de atender às necessidades de capacidade com o menor custo. Há cinco famílias de instâncias do EC2 com opções diferentes para recursos de CPU, memória e rede:

• Uso geral (inclui os tipos de instância T2, M3 e M4): as instâncias T2 são uma opção de custo muito baixo que fornece uma pequena quantidade de recursos de CPU que podem ser aumentados em picos curtos quando ciclos adicionais estiverem disponíveis. Elas são adequadas para aplicações de menor taxa de transferência, como as administrativas ou sites de baixo tráfego. As instâncias M3 e M4 fornecem um equilíbrio entre CPU, memória e recursos de rede e são ideais para executar bancos de dados de pequeno e médio porte, tarefas de processamento de dados que consomem mais memória, frotas de armazenamento em cache e servidores de backend.

• Otimizada para computação (inclui os tipos de instância C3 e C4): tem uma proporção maior de CPUs virtuais para memória do que as outras famílias e o menor custo por CPU virtual de todos os tipos de instância do EC2. Considere instâncias otimizadas para computação primeiro se você estiver executando aplicações de expansão horizontal vinculadas à CPU, como frotas de frontend para sites de alto tráfego, processamento em lote sob demanda, análises distribuídas, servidores da Web, codificação de vídeo e aplicações científicas e de engenharia de alta performance.

• Otimizada para memória (inclui os tipos de instância X1, R3 e R4): projetadas para aplicações com uso intensivo de memória, essas instâncias têm o menor custo por GiB de RAM de todos os tipos de instância do EC2. Use essas instâncias se a aplicação estiver vinculada à memória.

• Otimizada para armazenamento (inclui os tipos de instância I3 e D2): instâncias otimizadas para fornecer dezenas de milhares de operações de entrada/saída (E/S) aleatórias de baixa latência por segundo (IOPS) às aplicações. As instâncias otimizadas para armazenamento são melhores para grandes implantações de bancos de dados NoSQL.

  As instâncias I3 são projetadas para workloads intensivas de E/S e equipadas com armazenamento SSD NVMe supereficiente. Essas instâncias podem fornecer até 3,3 milhões de IOPS em blocos de 4 KB e até 16 GB/segundo de taxa de transferência de disco sequencial.

  D2 ou instâncias de armazenamento denso são projetadas para workloads que exigem acesso sequencial intenso de leitura e gravação a grandes conjuntos de dados, como computação distribuída com Hadoop, data warehousing de processamento paralelo maciço e aplicações de processamento de log.

• Computação acelerada (inclui os tipos de instância P2, G3 e F1): fornece acesso a aceleradores de computação baseados em hardware, como unidades de processamento gráfico (GPUs) ou matrizes de porta programável no campo (FPGAs). As instâncias de computação aceleradas permitem mais paralelismo para obter uma taxa de transferência maior em workloads com alta quantidade de computação.

As instâncias de banco de dados do Amazon Relational Database Service (Amazon RDS) são semelhantes às instâncias do Amazon EC2, pois há famílias diferentes para atender a workloads diferentes. Essas famílias de instâncias de banco de dados são otimizadas para memória, performance ou E/S:

• Performance padrão (inclui os tipos de instância M3 e M4): projetada para workloads de banco de dados de uso geral que não executam muitas funções na memória. Essa família tem o maior número de opções para provisionar IOPS aumentadas.

• Expansível (inclui tipos de instância T2): para workloads que exigem capacidade de performance expansível.

• Otimizada para memória (inclui os tipos de instância R3 e R4): otimizada para funções na memória e análise de big data.