執行個體類型 - Amazon Elastic Compute Cloud

執行個體類型

啟動執行個體時,您指定的執行個體類型將決定執行個體所用的主機電腦硬體。每個執行個體類型均提供不同的運算、記憶體和儲存功能,且會依照這些功能分組為不同的執行個體系列。請根據您計劃在執行個體上執行之應用程式或軟體的需求選取執行個體類型。

Amazon EC2 會將主機電腦的部分資源 (例如 CPU、記憶體和執行個體儲存體) 專用於特定執行個體。Amazon EC2 在執行個體間共用主機電腦的其他資源,例如網路和磁碟子系統。如果主機電腦上的每個執行個體嘗試對其中一項共用資源作最大的利用,該資源會平均分配給每個執行個體。但是,當某一資源使用率較低時,執行個體便能使用該資源較高的比例 (需有資源可用)。

每個執行個體類型從共同資源獲得的最低效能可能更高或更低。例如,具有高 I/O 效能的執行個體類型會分配到較多的共用資源。分配較多的共用資源,也可減少 I/O 效能的變動。對多數的應用程式來說,中等的 I/O 效能即堪使用。但是,對於需要更高或更一致 I/O 效能的應用程式,請考慮使用具有較高 I/O 效能的執行個體類型。

執行個體類型命名慣例

Amazon EC2 提供多種執行個體類型,因此您可以選擇最符合需求的類型。執行個體類型是根據其系列、世代、處理器系列、其他功能和大小來命名。執行個體類型名稱的第一個位置代表執行個體系列,例如 c。第二個位置代表執行個體世代,例如 7。第三個位置指的是處理器的系列 (例如 g)。句點之前的其餘字母表示其他功能,例如執行個體儲存體磁碟區。在句點 (.) 之後是執行個體大小,例如 small4xlarge,或 metal (針對裸機執行個體)。


            此影像會顯示執行個體類型 c7gn.xlarge,執行個體名稱的每個部分都有一個標籤。
執行個體系列
  • C:運算最佳化

  • D – 密集儲存

  • F – FPGA

  • G:圖形密集

  • Hpc – 高效能運算

  • I:儲存最佳化

  • Inf – AWS Inferentia

  • M:一般用途

  • Mac:macOS

  • P:GPU 加速

  • R:記憶體最佳化

  • T:爆量效能

  • Trn – AWS Tranium

  • U:記憶體密集型

  • VT – 影片轉碼

  • X:記憶體密集型

處理器系列
  • a – AMD 處理器

  • g – AWS Graviton 處理器

  • i – Intel 處理器

其他功能
  • d – 執行個體存放區磁碟區

  • n – 網路和 EBS 最佳化

  • e - 額外的儲存或記憶體

  • z – 高效能

  • flex – Flex 執行個體

可用的執行個體類型

Amazon EC2 提供各式各樣的最佳化執行個體類型,以滿足不同的使用案例。執行個體類型包含 CPU、記憶體、儲存體和聯網功能的各種組合,供您靈活選擇適用於應用程式的適當資源組合。每個執行個體類型都包含一個或多個執行個體大小,可讓您根據目標工作負載的需求擴展資源。

注意

仍會完全支援上一代執行個體,並保留相同的特性和功能。建議您使用最新一代的執行個體,才能獲得最佳效能。

若要判斷哪些執行個體類型符合您的需求,例如支援的區域、運算資源或儲存資源,請參閱尋找 Amazon EC2 執行個體類型

最新一代的執行個體

為了獲得最佳效能,我們建議您在啟動新執行個體時使用下列執行個體類型。如需詳細資訊,請參閱 Amazon EC2 執行個體類型

第六代及更新版本的 Amazon EC2 執行個體類型

  • 一般用途:M6a、M6g、M6gd、M6i、M6id、M6idn、M6in、M7a、M7g、,M7gd、M7i、M7i-flex、T4g

  • 運算最佳化:C6a、C6g、C6gd、C6gn、C6i、C6id、C6in、C7a、C7g、C7gd、C7gn、C7i、Hpc6a、Hpc7a、Hpc7g

  • 記憶體優化:Hpc6id、R6a、R6g、R6gd、R6i、R6id、R6idn、R6in、R7a、R7g、R7gd、R7i、R7iz、X2gd、X2idn、X2iedn

  • 儲存優化:I4g、I4i、Im4gn、Is4gen

  • 加速運算:G5g、Inf2、P5、Trn1、Trn1n

一般用途

類型 Sizes
M5 m5.large | m5.xlarge | m5.2xlarge | m5.4xlarge | m5.8xlarge | m5.12xlarge | m5.16xlarge | m5.24xlarge | m5.metal
M5a m5a.large | m5a.xlarge | m5a.2xlarge | m5a.4xlarge | m5a.8xlarge | m5a.12xlarge | m5a.16xlarge | m5a.24xlarge
M5ad m5ad.large | m5ad.xlarge | m5ad.2xlarge | m5ad.4xlarge | m5ad.8xlarge | m5ad.12xlarge | m5ad.16xlarge | m5ad.24xlarge
M5d m5d.large | m5d.xlarge | m5d.2xlarge | m5d.4xlarge | m5d.8xlarge | m5d.12xlarge | m5d.16xlarge | m5d.24xlarge | m5d.metal
M5dn m5dn.large | m5dn.xlarge | m5dn.2xlarge | m5dn.4xlarge | m5dn.8xlarge | m5dn.12xlarge | m5dn.16xlarge | m5dn.24xlarge | m5dn.metal
M5n m5n.large | m5n.xlarge | m5n.2xlarge | m5n.4xlarge | m5n.8xlarge | m5n.12xlarge | m5n.16xlarge | m5n.24xlarge | m5n.metal
M5zn m5zn.large | m5zn.xlarge | m5zn.2xlarge | m5zn.3xlarge | m5zn.6xlarge | m5zn.12xlarge | m5zn.metal
M6a m6a.large | m6a.xlarge | m6a.2xlarge | m6a.4xlarge | m6a.8xlarge | m6a.12xlarge | m6a.16xlarge | m6a.24xlarge | m6a.32xlarge | m6a.48xlarge | m6a.metal
M6g m6g.medium | m6g.large | m6g.xlarge | m6g.2xlarge | m6g.4xlarge | m6g.8xlarge | m6g.12xlarge | m6g.16xlarge | m6g.metal
M6gd m6gd.medium | m6gd.large | m6gd.xlarge | m6gd.2xlarge | m6gd.4xlarge | m6gd.8xlarge | m6gd.12xlarge | m6gd.16xlarge | m6gd.metal
M6i m6i.large | m6i.xlarge | m6i.2xlarge | m6i.4xlarge | m6i.8xlarge | m6i.12xlarge | m6i.16xlarge | m6i.24xlarge | m6i.32xlarge | m6i.metal
M6id m6id.large | m6id.xlarge | m6id.2xlarge | m6id.4xlarge | m6id.8xlarge | m6id.12xlarge | m6id.16xlarge | m6id.24xlarge | m6id.32xlarge | m6id.metal
M6idn m6idn.large | m6idn.xlarge | m6idn.2xlarge | m6idn.4xlarge | m6idn.8xlarge | m6idn.12xlarge | m6idn.16xlarge | m6idn.24xlarge | m6idn.32xlarge | m6idn.metal
M6in m6in.large | m6in.xlarge | m6in.2xlarge | m6in.4xlarge | m6in.8xlarge | m6in.12xlarge | m6in.16xlarge | m6in.24xlarge | m6in.32xlarge | m6in.metal
M7a m7a.medium | m7a.large | m7a.xlarge | m7a.2xlarge | m7a.4xlarge | m7a.8xlarge | m7a.12xlarge | m7a.16xlarge | m7a.24xlarge | m7a.32xlarge | m7a.48xlarge | m7a.metal-48xl
M7g m7g.medium | m7g.large | m7g.xlarge | m7g.2xlarge | m7g.4xlarge | m7g.8xlarge | m7g.12xlarge | m7g.16xlarge | m7g.metal
M7gd m7gd.medium | m7gd.large | m7gd.xlarge | m7gd.2xlarge | m7gd.4xlarge | m7gd.8xlarge | m7gd.12xlarge | m7gd.16xlarge
M7i m7i.large | m7i.xlarge | m7i.2xlarge | m7i.4xlarge | m7i.8xlarge | m7i.12xlarge | m7i.16xlarge | m7i.24xlarge | m7i.48xlarge | m7i.metal-24xl | m7i.metal-48xl
M7i-flex m7i-flex.large | m7i-flex.xlarge | m7i-flex.2xlarge | m7i-flex.4xlarge | m7i-flex.8xlarge
Mac1 mac1.metal
Mac2 mac2.metal
Mac2-m2 mac2-m2.metal
Mac2-m2pro mac2-m2pro.metal
T2 t2.nano | t2.micro | t2.small | t2.medium | t2.large | t2.xlarge | t2.2xlarge
T3 t3.nano | t3.micro | t3.small | t3.medium | t3.large | t3.xlarge | t3.2xlarge
T3a t3a.nano | t3a.micro | t3a.small | t3a.medium | t3a.large | t3a.xlarge | t3a.2xlarge
T4g t4g.nano | t4g.micro | t4g.small | t4g.medium | t4g.large | t4g.xlarge | t4g.2xlarge

運算最佳化

類型 Sizes
C5 c5.large | c5.xlarge | c5.2xlarge | c5.4xlarge | c5.9xlarge | c5.12xlarge | c5.18xlarge | c5.24xlarge | c5.metal
C5a c5a.large | c5a.xlarge | c5a.2xlarge | c5a.4xlarge | c5a.8xlarge | c5a.12xlarge | c5a.16xlarge | c5a.24xlarge
C5ad c5ad.large | c5ad.xlarge | c5ad.2xlarge | c5ad.4xlarge | c5ad.8xlarge | c5ad.12xlarge | c5ad.16xlarge | c5ad.24xlarge
C5d c5d.large | c5d.xlarge | c5d.2xlarge | c5d.4xlarge | c5d.9xlarge | c5d.12xlarge | c5d.18xlarge | c5d.24xlarge | c5d.metal
C5n c5n.large | c5n.xlarge | c5n.2xlarge | c5n.4xlarge | c5n.9xlarge | c5n.18xlarge | c5n.metal
C6a c6a.large | c6a.xlarge | c6a.2xlarge | c6a.4xlarge | c6a.8xlarge | c6a.12xlarge | c6a.16xlarge | c6a.24xlarge | c6a.32xlarge | c6a.48xlarge | c6a.metal
C6g c6g.medium | c6g.large | c6g.xlarge | c6g.2xlarge | c6g.4xlarge | c6g.8xlarge | c6g.12xlarge | c6g.16xlarge | c6g.metal
C6gd c6gd.medium | c6gd.large | c6gd.xlarge | c6gd.2xlarge | c6gd.4xlarge | c6gd.8xlarge | c6gd.12xlarge | c6gd.16xlarge | c6gd.metal
C6gn c6gn.medium | c6gn.large | c6gn.xlarge | c6gn.2xlarge | c6gn.4xlarge | c6gn.8xlarge | c6gn.12xlarge | c6gn.16xlarge
C6i c6i.large | c6i.xlarge | c6i.2xlarge | c6i.4xlarge | c6i.8xlarge | c6i.12xlarge | c6i.16xlarge | c6i.24xlarge | c6i.32xlarge | c6i.metal
C6id c6id.large | c6id.xlarge | c6id.2xlarge | c6id.4xlarge | c6id.8xlarge | c6id.12xlarge | c6id.16xlarge | c6id.24xlarge | c6id.32xlarge | c6id.metal
C6in c6in.large | c6in.xlarge | c6in.2xlarge | c6in.4xlarge | c6in.8xlarge | c6in.12xlarge | c6in.16xlarge | c6in.24xlarge | c6in.32xlarge | c6in.metal
C7a c7a.medium | c7a.large | c7a.xlarge | c7a.2xlarge | c7a.4xlarge | c7a.8xlarge | c7a.12xlarge | c7a.16xlarge | c7a.24xlarge | c7a.32xlarge | c7a.48xlarge | c7a.metal-48xl
C7g c7g.medium | c7g.large | c7g.xlarge | c7g.2xlarge | c7g.4xlarge | c7g.8xlarge | c7g.12xlarge | c7g.16xlarge | c7g.metal
C7gd c7gd.medium | c7gd.large | c7gd.xlarge | c7gd.2xlarge | c7gd.4xlarge | c7gd.8xlarge | c7gd.12xlarge | c7gd.16xlarge
C7gn c7gn.medium | c7gn.large | c7gn.xlarge | c7gn.2xlarge | c7gn.4xlarge | c7gn.8xlarge | c7gn.12xlarge | c7gn.16xlarge
C7i c7i.large | c7i.xlarge | c7i.2xlarge | c7i.4xlarge | c7i.8xlarge | c7i.12xlarge | c7i.16xlarge | c7i.24xlarge | c7i.48xlarge | c7i.metal-24xl | c7i.metal-48xl
Hpc6a hpc6a.48xlarge
Hpc7g hpc7g.4xlarge | hpc7g.8xlarge | hpc7g.16xlarge
Hpc7a hpc7a.12xlarge | hpc7a.24xlarge | hpc7a.48xlarge | hpc7a.96xlarge

記憶體最佳化

類型 Sizes
HPC6id hpc6id.32xlarge
R5 r5.large | r5.xlarge | r5.2xlarge | r5.4xlarge | r5.8xlarge | r5.12xlarge | r5.16xlarge | r5.24xlarge | r5.metal
R5a r5a.large | r5a.xlarge | r5a.2xlarge | r5a.4xlarge | r5a.8xlarge | r5a.12xlarge | r5a.16xlarge | r5a.24xlarge
R5ad r5ad.large | r5ad.xlarge | r5ad.2xlarge | r5ad.4xlarge | r5ad.8xlarge | r5ad.12xlarge | r5ad.16xlarge | r5ad.24xlarge
R5b r5b.large | r5b.xlarge | r5b.2xlarge | r5b.4xlarge | r5b.8xlarge | r5b.12xlarge | r5b.16xlarge | r5b.24xlarge | r5b.metal
R5d r5d.large | r5d.xlarge | r5d.2xlarge | r5d.4xlarge | r5d.8xlarge | r5d.12xlarge | r5d.16xlarge | r5d.24xlarge | r5d.metal
R5dn r5dn.large | r5dn.xlarge | r5dn.2xlarge | r5dn.4xlarge | r5dn.8xlarge | r5dn.12xlarge | r5dn.16xlarge | r5dn.24xlarge | r5dn.metal
R5n r5n.large | r5n.xlarge | r5n.2xlarge | r5n.4xlarge | r5n.8xlarge | r5n.12xlarge | r5n.16xlarge | r5n.24xlarge | r5n.metal
R6a r6a.large | r6a.xlarge | r6a.2xlarge | r6a.4xlarge | r6a.8xlarge | r6a.12xlarge | r6a.16xlarge | r6a.24xlarge | r6a.32xlarge | r6a.48xlarge | r6a.metal
R6g r6g.medium | r6g.large | r6g.xlarge | r6g.2xlarge | r6g.4xlarge | r6g.8xlarge | r6g.12xlarge | r6g.16xlarge | r6g.metal
R6gd r6gd.medium | r6gd.large | r6gd.xlarge | r6gd.2xlarge | r6gd.4xlarge | r6gd.8xlarge | r6gd.12xlarge | r6gd.16xlarge | r6gd.metal
R6i r6i.large | r6i.xlarge | r6i.2xlarge | r6i.4xlarge | r6i.8xlarge | r6i.12xlarge | r6i.16xlarge | r6i.24xlarge | r6i.32xlarge | r6i.metal
R6idn r6idn.large | r6idn.xlarge | r6idn.2xlarge | r6idn.4xlarge | r6idn.8xlarge | r6idn.12xlarge | r6idn.16xlarge | r6idn.24xlarge | r6idn.32xlarge | r6idn.metal
R6in r6in.large | r6in.xlarge | r6in.2xlarge | r6in.4xlarge | r6in.8xlarge | r6in.12xlarge | r6in.16xlarge | r6in.24xlarge | r6in.32xlarge | r6in.metal
R6id r6id.large | r6id.xlarge | r6id.2xlarge | r6id.4xlarge | r6id.8xlarge | r6id.12xlarge | r6id.16xlarge | r6id.24xlarge | r6id.32xlarge | r6id.metal
R7a r7a.medium | r7a.large | r7a.xlarge | r7a.2xlarge | r7a.4xlarge | r7a.8xlarge | r7a.12xlarge | r7a.16xlarge | r7a.24xlarge | r7a.32xlarge | r7a.48xlarge | r7a.metal-48xl
R7g r7g.medium | r7g.large | r7g.xlarge | r7g.2xlarge | r7g.4xlarge | r7g.8xlarge | r7g.12xlarge | r7g.16xlarge | r7g.metal
R7gd r7gd.medium | r7gd.large | r7gd.xlarge | r7gd.2xlarge | r7gd.4xlarge | r7gd.8xlarge | r7gd.12xlarge | r7gd.16xlarge
R7i r7i.large | r7i.xlarge | r7i.2xlarge | r7i.4xlarge | r7i.8xlarge | r7i.12xlarge | r7i.16xlarge | r7i.24xlarge | r7i.48xlarge | r7i.metal-24xl | r7i.metal-48xl
R7iz r7iz.large | r7iz.xlarge | r7iz.2xlarge | r7iz.4xlarge | r7iz.8xlarge | r7iz.12xlarge | r7iz.16xlarge | r7iz.32xlarge | r7iz.metal-16xl | r7iz.metal-32xl
U-3tb1 u-3tb1.56xlarge
U-6tb1 u-6tb1.56xlarge | u-6tb1.112xlarge | u-6tb1.metal
U-9tb1 u-9tb1.112xlarge | u-9tb1.metal
U-12tb1 u-12tb1.112xlarge | u-12tb1.metal
U-18tb1 u-18tb1.112xlarge | u-18tb1.metal
U-24tb1 u-24tb1.112xlarge | u-24tb1.metal
X1 x1.16xlarge | x1.32xlarge
X2gd x2gd.medium | x2gd.large | x2gd.xlarge | x2gd.2xlarge | x2gd.4xlarge | x2gd.8xlarge | x2gd.12xlarge | x2gd.16xlarge | x2gd.metal
X2idn x2idn.16xlarge | x2idn.24xlarge | x2idn.32xlarge | x2idn.metal
X2iedn x2iedn.xlarge | x2iedn.2xlarge | x2iedn.4xlarge | x2iedn.8xlarge | x2iedn.16xlarge | x2iedn.24xlarge | x2iedn.32xlarge | x2iedn.metal
X2iezn x2iezn.2xlarge | x2iezn.4xlarge | x2iezn.6xlarge | x2iezn.8xlarge | x2iezn.12xlarge | x2iezn.metal
X1e x1e.xlarge | x1e.2xlarge | x1e.4xlarge | x1e.8xlarge | x1e.16xlarge | x1e.32xlarge
z1d z1d.large | z1d.xlarge | z1d.2xlarge | z1d.3xlarge | z1d.6xlarge | z1d.12xlarge | z1d.metal

儲存最佳化

類型 Sizes
D2 d2.xlarge | d2.2xlarge | d2.4xlarge | d2.8xlarge
D3 d3.xlarge | d3.2xlarge | d3.4xlarge | d3.8xlarge
D3en d3en.xlarge | d3en.2xlarge | d3en.4xlarge | d3en.6xlarge | d3en.8xlarge | d3en.12xlarge
H1 h1.2xlarge | h1.4xlarge | h1.8xlarge | h1.16xlarge
I3 i3.large | i3.xlarge | i3.2xlarge | i3.4xlarge | i3.8xlarge | i3.16xlarge | i3.metal
I3en i3en.large | i3en.xlarge | i3en.2xlarge | i3en.3xlarge | i3en.6xlarge | i3en.12xlarge | i3en.24xlarge | i3en.metal
I4g i4g.large | i4g.xlarge | i4g.2xlarge | i4g.4xlarge | i4g.8xlarge | i4g.16xlarge
I4i i4i.large | i4i.xlarge | i4i.2xlarge | i4i.4xlarge | i4i.8xlarge | i4i.12xlarge | i4i.16xlarge | i4i.24xlarge | i4i.32xlarge | i4i.metal
Im4gn im4gn.large | im4gn.xlarge | im4gn.2xlarge | im4gn.4xlarge | im4gn.8xlarge | im4gn.16xlarge
Is4gen is4gen.medium | is4gen.large | is4gen.xlarge | is4gen.2xlarge | is4gen.4xlarge | is4gen.8xlarge

加速運算

類型 Sizes
DL1 dl1.24xlarge
F1 f1.2xlarge | f1.4xlarge | f1.16xlarge
G3 g3.4xlarge | g3.8xlarge | g3.16xlarge
G4ad g4ad.xlarge | g4ad.2xlarge | g4ad.4xlarge | g4ad.8xlarge | g4ad.16xlarge
G4dn g4dn.xlarge | g4dn.2xlarge | g4dn.4xlarge | g4dn.8xlarge | g4dn.12xlarge | g4dn.16xlarge | g4dn.metal
G5 g5.xlarge | g5.2xlarge | g5.4xlarge | g5.8xlarge | g5.12xlarge | g5.16xlarge | g5.24xlarge | g5.48xlarge
G5g g5g.xlarge | g5g.2xlarge | g5g.4xlarge | g5g.8xlarge | g5g.16xlarge | g5g.metal
Inf1 inf1.xlarge | inf1.2xlarge | inf1.6xlarge | inf1.24xlarge
Inf2 inf2.xlarge | inf2.8xlarge | inf2.24xlarge | inf2.48xlarge
P2 p2.xlarge | p2.8xlarge | p2.16xlarge
P3 p3.2xlarge | p3.8xlarge | p3.16xlarge
P3dn p3dn.24xlarge
P4d p4d.24xlarge
P4de p4de.24xlarge
P5 p5.48xlarge
Trn1 trn1.2xlarge | trn1.32xlarge
Trn1n trn1n.32xlarge
VT1 vt1.3xlarge | vt1.6xlarge | vt1.24xlarge

上一代執行個體

Amazon Web Services 提供了上一代的執行個體類型,適合已據此將應用程式最佳化且尚未升級的使用者。建議您使用最新一代的執行個體類型以獲得最佳效能,但我們仍會繼續支援下列上一代執行個體類型。如需有關哪個最新一代執行個體類型適合升級的詳細資訊,請參閱上一代執行個體

類型 Sizes
A1 a1.medium | a1.large | a1.xlarge | a1.2xlarge | a1.4xlarge | a1.metal
C1 c1.medium | c1.xlarge
C3 c3.large | c3.xlarge | c3.2xlarge | c3.4xlarge | c3.8xlarge
C4 c4.large | c4.xlarge | c4.2xlarge | c4.4xlarge | c4.8xlarge
G2 g2.2xlarge | g2.8xlarge
I2 i2.xlarge | i2.2xlarge | i2.4xlarge | i2.8xlarge
M1 m1.small | m1.medium | m1.large | m1.xlarge
M2 m2.xlarge | m2.2xlarge | m2.4xlarge
M3 m3.medium | m3.large | m3.xlarge | m3.2xlarge
M4 m4.large | m4.xlarge | m4.2xlarge | m4.4xlarge | m4.10xlarge | m4.16xlarge
R3 r3.large | r3.xlarge | r3.2xlarge | r3.4xlarge | r3.8xlarge
R4 r4.large | r4.xlarge | r4.2xlarge | r4.4xlarge | r4.8xlarge | r4.16xlarge
T1 t1.micro

硬體規格

如需詳細資訊,請參閱 Amazon EC2 執行個體類型

為了決定最符合您需求的執行個體類型,我們建議您啟動執行個體並使用您自己的基準參考應用程式。由於您必須為執行個體按秒數付費,因此在作決定前先測試多個執行個體類型是比較方便且省錢的方式。假如您在作決定後需要變更,也可稍後再變更執行個體類型。如需詳細資訊,請參閱 變更執行個體類型

處理器功能

Intel 處理器功能

在 Intel 處理器上執行的 Amazon EC2 執行個體可能包含下列功能。並非所有下列處理器功能都受到所有執行個體類型的支援。如需有關每種執行個體類型可用哪些功能的詳細資訊,請參閱 Amazon EC2 執行個體類型。

  • Intel AES New Instructions (AES-NI) – Intel AES-NI 加密指令集改進了原先 Advanced Encryption Standard (AES) 的演算法,可以提供更快的資料保護和更佳的安全性。所有最新一代的 EC2 執行個體都支援此處理器功能。

  • Intel Advanced Vector Extensions (Intel AVX、Intel AVX2 和 Intel AVX-512) – Intel AVX 和 Intel AVX2 是 256 位元,而 Intel AVX-512 是 512 位元指令集延伸,專為浮點 (FP) 密集型應用程式所設計。Intel AVX instructions 可提升如圖片和音效/影片處理、科學模擬、財務分析、3D 模組化與分析等應用程式的效能。只有以 HVM AMI 啟動的執行個體可使用這些功能。

  • Intel Turbo Boost Technology (Intel 渦輪加速技術) – Intel Turbo Boost Technology (Intel 渦輪加速技術) 處理器會自動執行核心,比基礎操作頻率更快。

  • Intel Deep Learning Boost (Intel DL Boost) – 可加速 AI 深度學習使用案例。第二代 Intel Xeon 可擴充處理器透過新的向量神經網路指令 (VNNI/INT8) 擴展 Intel AVX-512,相較於前一代 Intel Xeon 可擴充處理器 (搭配 FP32),大幅提升了影像辨識 / 切割、物件偵測、語音辨識、語言翻譯、推薦系統、強化學習等的深度學習推斷效能。VNNI 可能無法與所有 Linux 發行版相容。

    下列執行個體支援 VNNI:M5nR5nM5dnM5znR5bR5dnD3D3enC6iC5C5d 執行個體僅針對 12xlarge24xlarge 以及 metal 執行個體支援 VNNI。

可能會因業界對 64 位元 CPU 的命名慣例而產生混淆。自晶片製造商 Advanced Micro Devices (AMD) 成功推出首款以 Intel x86 指令集為基礎的商用 64 位元架構後,該架構自此便廣泛統稱為 AMD64,無論產品來自哪一間晶片製造商。Windows 和多個 Linux 發行版本也遵照此作法。這說明了為何執行 Ubuntu 或 Windows 之執行個體上的內部系統資訊會顯示 CPU 架構為 AMD64,即使該執行個體是在 Intel 硬體上執行。

AMI 虛擬化類型

執行個體的虛擬化類型由用來啟動執行個體的 AMI 決定。最新一代的執行個體類型僅支援硬體虛擬機器 (HVM)。有些上一代的執行個體類型支援半虛擬化 (PV),而有些 AWS 區域則支援 PV 執行個體。如需詳細資訊,請參閱 Linux AMI 虛擬化類型

為獲得最高效能,我們建議您使用 HVM AMI。此外,需要 HVM AMI 才能充分利用增強型聯網。HVM 虛擬化使用由 AWS 平台提供的硬體輔助技術。透過 HVM 虛擬化,訪客 VM 便能如同在原生硬體平台上一般執行,只是仍是使用全虛擬化 (PV) 網路和儲存驅動程式來提升效能。

建置在 Nitro 系統上的執行個體

Nitro 系統結合一系列由 AWS 建立的硬體和軟體元件,能保障高效能、高可用性和高安全性。如需更多資訊,請參閱 AWS Nitro 系統

Nitro 系統提供的裸機功能可免除虛擬化開銷,並支援需完整存取主機硬體的工作負載。裸機執行個體非常適合下列各項:

  • 需要存取低階硬體功能 (例如 Intel VT) 的工作負載 (在虛擬化環境中無法使用或未完整支援這些工作負載)

  • 需要非虛擬化環境以取得授權或支援的應用程式

Nitro 元件

下列元件屬於 Nitro 系統的一部分:

  • Nitro 卡

    • 本機 NVMe 儲存磁碟區

    • 聯網硬體支援

    • 管理

    • 監控

    • 安全性

  • Nitro 安全晶片;整合到主機板

  • Nitro Hypervisor - 輕量型虛擬化管理程序,其可管理記憶體和 CPU 效能,並提供適用於大部分工作負載且與裸機相同的效能。

虛擬化執行個體

下列虛擬化執行個體建置在 Nitro 系統上:

  • 一般用途:A1、M5、M5a、M5ad、M5d、M5dn、M5n、M5zn、M6a、M6g、M6gd、M6i、M6id、M6idn、M6in、M7a、M7g、M7gd、M7i、M7i-flex、T3、T3a 和 T4g

  • 運算最佳化:C5、C5a、C5ad、C5d、C5n、C6a、C6g、C6gd、C6gn、C6i、C6id、C6in、C7a、C7g、C7gd、C7gn、C7i、Hpc6a、Hpc7g 和 Hpc7a

  • 記憶體優化:Hpc6id、R5、R5a、R5ad、R5b、R5d、R5dn、R5n、R6a、R6g、R6gd、R6i、R6idn、R6in、R6id、R7a、R7g、R7gd、R7i、R7iz、U-3tb1、U-6tb1、U-9tb1、U-12tb1、U-18tb1、U-24tb1、X2gd、X2idn、X2iedn、X2iezn 和 z1d

  • 儲存最佳化:D3、D3en、I3en、I4g、I4i、Im4gn 和 Is4gen

  • 加速運算:DL1、G4ad、G4dn、G5、G5g、Inf1、Inf2、P3dn、P4d、P4de、P5、Trn1、Trn1n 和 VT1

裸機執行個體

下列裸機執行個體建置在 Nitro 系統上:

  • 一般用途:a1.metal | m5.metal | m5d.metal | m5dn.metal | m5n.metal | m5zn.metal | m6a.metal | m6g.metal | m6gd.metal | m6i.metal | m6id.metal | m6idn.metal | m6in.metal | m7a.metal-48xl | m7g.metal | m7i.metal-24xl | m7i.metal-48xl | mac1.metal | mac2.metal | mac2-m2.metal | mac2-m2pro.metal

  • 運算最佳化:c5.metal | c5d.metal | c5n.metal | c6a.metal | c6g.metal | c6gd.metal | c6i.metal | c6id.metal | c6in.metal | c7a.metal-48xl | c7g.metal | c7i.metal-24xl | c7i.metal-48xl

  • 記憶體最佳化:r5.metal | r5b.metal | r5d.metal | r5dn.metal | r5n.metal | r6a.metal | r6g.metal | r6gd.metal | r6i.metal | r6idn.metal | r6in.metal | r6id.metal | r7a.metal-48xl | r7g.metal | r7i.metal-24xl | r7i.metal-48xl | r7iz.metal-16xl | r7iz.metal-32xl | u-6tb1.metal | u-9tb1.metal | u-12tb1.metal | u-18tb1.metal | u-24tb1.metal | x2gd.metal | x2idn.metal | x2iedn.metal | x2iezn.metal | z1d.metal

  • 儲存最佳化:i3.metal | i3en.metal | i4i.metal

  • 加速運算:g4dn.metal | g5g.metal

網路與儲存功能

選取執行個體類型時,會決定可用的聯網和儲存功能。若要描述執行個體類型,請使用 describe-instance-types 命令。

聯網功能
  • 所有執行個體類型都支援 IPv6,C1、M1、M1、M3 和 T1 除外。

  • 為了讓執行個體類型達到最高的聯網與頻寬效能,您可以執行以下操作:

    • 啟動支援的執行個體類型進入集群放置群組,將您的執行個體針對高效能運算 (HPC) 應用程式最佳化。通用集群放置群組中的執行個體便能得到高頻寬、低延遲聯網的優點。如需詳細資訊,請參閱 置放群組

    • 針對支援的最新一代執行個體類型啟用增強型聯網,以大幅提高每秒封包數 (PPS) 效能、降低網路抖動和降低延遲。如需詳細資訊,請參閱 Amazon Linux 上的增強型網路

  • 啟用增強型聯網的最新一代執行個體類型具有以下的聯網效能屬性:

    • 同一個區域內經由私有 IPv4 或 IPv6 的流量在單一流量下支援 5 Gbps,在多重流量下支援高達 25 Gbps 的流量 (視執行個體類型而定)。

    • 在同一個區域中,Amazon S3 儲存貯體之間透過公有 IP 地址空間或 VPC 端點的往來流量,可以使用所有可用的執行個體總頻寬。

  • 支援的最大傳輸單元 (MTU) 因執行個體類型而異。所有的 Amazon EC2 執行個體類型均支援標準的乙太網路 V2 1500 MTU 訊框。所有最新一代的執行個體均支援 9001 MTU 或 Jumbo Frame,有些上一代的執行個體也支援。如需詳細資訊,請參閱 EC2 執行個體的網路最大傳輸單位 (MTU)

儲存功能
  • 有些執行個體類型支援 EBS 磁碟區和執行個體存放磁碟區,但有些執行個體類型僅支援 EBS 磁碟區。有些支援執行個體存放磁碟區的執行個體類型使用固態硬碟 (SSD),以提供極高的隨機 I/O 效能。某些執行個體類型支援 NVMe 執行個體存放磁碟區。某些執行個體類型支援 NVMe EBS 磁碟區。如需詳細資訊,請參閱Linux 執行個體中的 Amazon EBS 和 NVMeNVMe SSD 磁碟區

  • 若要取得 Amazon EBS I/O 額外的專屬容量,您可將部分的執行個體類型做為 EBS 最佳化執行個體啟動。有些執行個體類型預設為 EBS 最佳化。如需詳細資訊,請參閱 Amazon EBS – 最佳化執行個體

聯網與儲存功能的總結/

下表摘要說明最新一代執行個體類型支援的聯網和儲存功能。

一般用途

執行個體類型 僅 EBS NVMe EBS 執行個體存放區 置放群組 增強型網路
M5 ENA
M5a ENA
M5ad NVMe ENA
M5d NVMe ENA
M5dn NVMe ENA | EFA
M5n ENA | EFA
M5zn ENA | EFA
M6a ENA | EFA
M6g ENA
M6gd NVMe ENA
M6i ENA | EFA
M6id NVMe ENA | EFA
M6idn NVMe ENA | EFA
M6in ENA | EFA
M7a ENA | EFA
M7g ENA | EFA
M7gd NVMe ENA | EFA
M7i ENA | EFA
M7i-flex ENA
Mac1 ENA
Mac2 ENA
Mac2-m2 ENA
Mac2-m2pro ENA
T2 不支援
T3 ENA
T3a ENA
T4g ENA

運算最佳化

執行個體類型 僅 EBS NVMe EBS 執行個體存放區 置放群組 增強型網路
C5 ENA
C5a ENA
C5ad NVMe ENA
C5d NVMe ENA
C5n ENA | EFA
C6a ENA | EFA
C6g ENA
C6gd NVMe ENA
C6gn ENA | EFA
C6i ENA | EFA
C6id NVMe ENA | EFA
C6in ENA | EFA
C7a ENA | EFA
C7g ENA | EFA
C7gd NVMe ENA | EFA
C7gn ENA | EFA
C7i ENA | EFA
Hpc6a ENA | EFA
Hpc7g ENA | EFA
Hpc7a ENA | EFA

記憶體最佳化

執行個體類型 僅 EBS NVMe EBS 執行個體存放區 置放群組 增強型網路
HPC6id NVMe ENA | EFA
R5 ENA
R5a ENA
R5ad NVMe ENA
R5b ENA
R5d NVMe ENA
R5dn NVMe ENA | EFA
R5n ENA | EFA
R6a ENA | EFA
R6g ENA
R6gd NVMe ENA
R6i ENA | EFA
R6idn NVMe ENA | EFA
R6in ENA | EFA
R6id NVMe ENA | EFA
R7a ENA | EFA
R7g ENA | EFA
R7gd NVMe ENA | EFA
R7i ENA | EFA
R7iz ENA | EFA
U-3tb1 ENA
U-6tb1 ENA
U-9tb1 ENA
U-12tb1 ENA
U-18tb1 ENA
U-24tb1 ENA
X1 SSD ENA
X2gd NVMe ENA
X2idn NVMe ENA | EFA
X2iedn NVMe ENA | EFA
X2iezn ENA | EFA
X1e SSD ENA
z1d NVMe ENA

儲存最佳化

執行個體類型 僅 EBS NVMe EBS 執行個體存放區 置放群組 增強型網路
D2 HDD 不支援
D3 NVMe ENA
D3en NVMe ENA
H1 HDD ENA
I3 NVMe ENA
I3en NVMe ENA | EFA
I4g NVMe ENA | EFA
I4i NVMe ENA | EFA
Im4gn NVMe ENA | EFA
Is4gen NVMe ENA

加速運算

執行個體類型 僅 EBS NVMe EBS 執行個體存放區 置放群組 增強型網路
DL1 NVMe ENA | EFA
F1 NVMe 不支援
G3 ENA
G4ad NVMe ENA
G4dn NVMe ENA | EFA
G5 NVMe ENA | EFA
G5g ENA
Inf1 ENA | EFA
Inf2 ENA
P2 ENA
P3 ENA
P3dn NVMe ENA | EFA
P4d NVMe ENA | EFA
P4de NVMe ENA | EFA
P5 NVMe ENA | EFA
Trn1 NVMe ENA | EFA
Trn1n NVMe ENA | EFA
VT1 ENA | EFA

上一代執行個體類型

下表摘要說明上一代執行個體類型支援的聯網和儲存功能。

執行個體類型 僅 EBS NVMe EBS 執行個體存放區 置放群組 增強型網路
A1 ENA
C1 HDD 不支援
C3 SSD 不支援
C4 不支援
G2 SSD 不支援
I2 SSD 不支援
M1 HDD 不支援
M2 HDD 不支援
M3 SSD 不支援
M4 ENA
R3 SSD 不支援
R4 ENA
T1 不支援

執行個體限制

您在區域內能夠啟動的執行個體總數有所限制,並且某些執行個體類型有額外的限制。

如需關於預設限制的詳細資訊,請參閱我可以在 Amazon EC2 中執行多少個執行個體?相關文章。

如需有關檢視目前限制或要求提高目前限制的詳細資訊,請參閱 Amazon EC2 服務配額