本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 選擇正確的資料庫執行個體類別
<a name="aurora-analytics-instance-class"></a>

正確的執行個體類別取決於外部資料表查詢如何使用記憶體、儲存體和 CPU。如需這些資源的詳細資訊，請參閱 [資源管理](aurora-analytics-resource-management.md)。
+ **記憶體**：外部資料表查詢會將其工作資料 （聯結的排序、彙總和雜湊資料表） 保留在記憶體中，以 `aurora_analytics.query_mem`設定 (`query_mem`簡稱 ) 為邊界。的預設值會隨著執行個體大小而`query_mem`擴展，因此較大的執行個體會自動為每個查詢提供更多記憶體。當查詢超過 時`query_mem`，它會溢出到本機儲存體，速度較慢。如需詳細資訊，請參閱[為您的工作負載調校 query\_mem](aurora-analytics-tuning-query-mem.md)。
+ **並行**：每個並行外部資料表查詢最多配置 記憶體`query_mem`，但實際用量取決於查詢，而簡單的查詢可能使用更少。當您調整並行的大小時，尖峰記憶體的預算，而不是假設每個查詢都使用完整的 `query_mem`。如需詳細資訊，請參閱[並行大小](aurora-analytics-concurrency-sizing.md)。
+ **快取和溢出**：Amazon S3 資料的磁碟上快取和查詢溢出的暫存檔案都使用執行個體的本機儲存。本機 NVMe （適用於 等 d 類型執行個體`db.r8gd`) 比兩者的 Amazon EBS 更快，因此請為查詢外部資料表的生產工作負載選擇具有本機 NVMe 儲存體的類別。
+ **工作負載隔離**：外部資料表查詢會與執行個體的其餘 CPU 和記憶體流量競爭。對於大量查詢外部資料表的工作負載，請改為在專用讀取器上執行它們。如需詳細資訊，請參閱[使用專用讀取器執行個體進行分析](aurora-analytics-dedicated-reader.md)。

從符合您工作負載的類別開始，並使用這些訊號從那裡進行調整。
+ 上升`AuroraAnalyticsMemoryUsage`表示整體記憶體壓力正在增加。擴展到較大的執行個體類別，或更低`query_mem`，以保留並行空間。
+ 上升`AuroraAnalyticsDiskSpillSize`表示個別查詢超過`query_mem`並溢出到本機儲存體。向上擴展或向上擴展`query_mem`，為每個查詢提供更多空間。
+ 下降`AuroraAnalyticsCacheHitRatio`表示正在從 Amazon S3 重新讀取更多工作資料。較大的執行個體類別會在本機快取更多執行個體類別。
+ 查詢外部資料表時高 CPU 表示查詢需要更多 vCPUs。

若要處理更多並行查詢，請向上擴展以取得更多記憶體空間，或新增讀取器來分散負載。

如需這些指標及其監控方式，請參閱 [監控和故障診斷](aurora-analytics-monitoring-troubleshooting.md)。

## 何時使用僅限 EBS 的執行個體
<a name="aurora-analytics-ebs-only"></a>

沒有本機 NVMe 儲存體 （例如 `db.r8g`和 `db.r8i`) 的執行個體會使用 Amazon EBS 進行快取。將它們用於下列項目。
+ 比效能敏感更重視成本的工作負載。
+ 簡易或臨機操作外部資料表查詢。
+ 開發和測試環境。