# SUS05-BP02 Verwenden von Instance-Typen mit den geringsten Auswirkungen
Überwachen und nutzen Sie kontinuierlich neue Instance-Typen, um Verbesserungen bei der Energieeffizienz zu nutzen.
**Typische Anti-Muster:**
+ Sie verwenden lediglich eine Familie von Instances.
+ Sie verwenden nur x86-Instances.
+ Sie geben einen Instance-Typ in Ihrer Amazon EC2 Auto Scaling-Konfiguration an.
+ Sie verwenden AWS-Instances in einer Weise, für die sie nicht gedacht sind (beispielsweise Computing-optimierte Instances für speicherintensive Workloads).
+ Sie evaluieren nicht regelmäßig neue Instance-Typen.
+ Sie prüfen nicht die Empfehlungen von AWS-Dimensionierungstools wie etwa [AWS Compute Optimizer.](https://aws.amazon.com/compute-optimizer/)
**Vorteile der Nutzung dieser bewährten Methode:** Durch die Verwendung energieeffizienter und korrekt dimensionierter Instances können Sie die Umweltauswirkungen und die Kosten Ihrer Workloads deutlich reduzieren.
**Risikostufe, wenn diese bewährte Methode nicht eingeführt wird:** mittel
## Implementierungsleitfaden
Die Verwendung effizienter Instances für Cloud-Workloads ist von entscheidender Bedeutung für eine geringere Ressourcennutzung und die Kosteneffizienz. Überwachen Sie kontinuierlich die Einführung neuer Instance-Typen und nutzen Sie Verbesserungen bei der Energieeffizienz, einschließlich Instance-Typen, die zur Unterstützung spezifischer Workloads bestimmt sind, wie z. B. Machine-Learning-Trainings und -Inferenzen und Videotranskodierung.
## Implementierungsschritte
+ **Kennenlernen der Instance-Typen: ** Finden Sie Instance-Typen, mit denen Sie die Umweltbelastung Ihrer Workloads verringern können.
+ Abonnieren Sie [Neuerungen bei AWS](https://aws.amazon.com/new/), um sich über die aktuellen AWS-Technologien und -Instances auf dem Laufenden zu halten.
+ Informieren Sie sich über die verschiedenen AWS-Instance-Typen.
+ Informieren Sie sich über AWS-Graviton-basierte Instances, die die beste Leistung pro Watt in Amazon EC2 bieten. Sehen Sie sich [re:Invent 2020 – Vertiefung in vom AWS-Graviton2-Prozessor unterstützte Amazon EC2-Instances](https://www.youtube.com/watch?v=NLysl0QvqXU) und [Vertiefung in AWS-Graviton3 und Amazon EC2-C7g-Instances](https://www.youtube.com/watch?v=WDKwwFQKfSI&ab_channel=AWSEvents) an.
+ **Verwendung von Instance-Typen mit den geringsten Auswirkungen:** Planen Sie Ihren Workload und stellen Sie ihn auf Instance-Typen mit den geringsten Auswirkungen um.
+ Definieren Sie einen Prozess zur Evaluierung neuer Features oder Instances für Ihre Workloads. Nutzen Sie die Agilität in der Cloud, um schnell zu testen, wie neue Instance-Typen die ökologische Nachhaltigkeit Ihrer Workloads verbessern können. Nutzen Sie Proxy-Metriken, um zu messen, wie viele Ressourcen Sie für eine Arbeitseinheit benötigen.
+ Modifizieren Sie Ihren Workload nach Möglichkeit so, dass er mit unterschiedlichen Zahlen von vCPUs und Arbeitsspeichergrößen kompatibel ist, um die größtmögliche Auswahl an Instance-Typen zu erhalten.
+ Erwägen Sie die Übertragung Ihres Workloads zu auf Graviton basierenden Instances, um die Leistungseffizienz Ihres Workloads zu verbessern. Weitere Informationen zum Verschieben von Workloads zu AWS Graviton finden Sie unter [AWS Graviton Schnellstart](https://aws.amazon.com/ec2/graviton/fast-start/) und [Überlegungen bei der Übertragung von Workloads zu auf AWS Graviton basierenden Amazon Elastic Compute Cloud-Instances](https://github.com/aws/aws-graviton-getting-started/blob/main/transition-guide.md).
+ Erwägen Sie die Auswahl der AWS Graviton-Option, wenn Sie verwaltete [AWS-Services verwenden.](https://github.com/aws/aws-graviton-getting-started/blob/main/managed_services.md)
+ Migrieren Sie Ihren Workload zu Regionen mit Instances, die die geringsten nachhaltigkeitsbezogenen Auswirkungen bieten und dennoch Ihre geschäftlichen Anforderungen erfüllen.
+ Nutzen Sie für Machine Learning-Workloads spezielle Hardware, die auf Ihren Workload abgestimmt ist, z. B. [AWS Trainium](https://aws.amazon.com/machine-learning/trainium/), [AWS Inferentia](https://aws.amazon.com/machine-learning/inferentia/) oder [Amazon EC2 DL1](https://aws.amazon.com/ec2/instance-types/dl1/). AWS Inferentia-Instances wie Inf2-Instances bieten eine um bis zu 50 % bessere Leistung pro Watt als vergleichbare Amazon EC2-Instances.
+ Verwenden Sie [Amazon SageMaker AI Inference Recommender](https://docs.aws.amazon.com/sagemaker/latest/dg/inference-recommender.html) für die korrekte Dimensionierung des ML-Inferenz-Endpunkts.
+ Verwenden Sie für Workloads, bei denen es gelegentlich zu zusätzlichen Kapazitätsanforderungen kommt, [Instances mit Spitzenlastleistung.](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/burstable-performance-instances.html)
+ Verwenden Sie für zustandslose und fehlertolerante Workloads [Amazon EC2 Spot Instances](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/using-spot-instances.html), um die allgemeine Auslastung der Cloud zu verbessern und die Nachhaltigkeitsauswirkungen ungenutzter Ressourcen zu reduzieren.
+ **Betrieb und Optimierung:** Betreiben und optimieren Sie Ihre Workload-Instance.
+ Prüfen Sie für kurzzeitige Workloads die [Instance-Amazon CloudWatch-Metriken](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/viewing_metrics_with_cloudwatch.html#ec2-cloudwatch-metrics) wie `CPUUtilization`, um festzustellen, ob die Instance gar nicht oder zu wenig genutzt wird.
+ Prüfen Sie für stabile Workloads in regelmäßigen Intervallen AWS-Dimensionierungstools wie etwa [AWS Compute Optimizer](https://aws.amazon.com/compute-optimizer/), um Möglichkeiten zur Optimierung und zur korrekten Dimensionierung der Instances zu erkennen.
+ [ Well-Architected Lab – Empfehlungen zur Dimensionierung ](https://wellarchitectedlabs.com/cost/100_labs/100_aws_resource_optimization/)
+ [ Well-Architected Lab – Dimensionierung mit Compute Optimizer ](https://wellarchitectedlabs.com/cost/200_labs/200_aws_resource_optimization/)
+ [ Well-Architected Lab – Optimieren von Hardwaremustern und Überwachen von KPIs zur Nachhaltigkeit ](https://wellarchitectedlabs.com/sustainability/200_labs/200_optimize_hardware_patterns_observe_sustainability_kpis/)
## Ressourcen
**Zugehörige Dokumente:**
+ [Optimieren Ihrer AWS-Infrastruktur für Nachhaltigkeit, Teil I: Datenverarbeitung](https://aws.amazon.com/blogs/architecture/optimizing-your-aws-infrastructure-for-sustainability-part-i-compute/)
+ [AWS Graviton](https://aws.amazon.com/ec2/graviton/)
+ [Amazon EC2 DL1](https://aws.amazon.com/ec2/instance-types/dl1/)
+ [Amazon EC2-Flotten zur Kapazitätsreservierung](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/cr-fleets.html)
+ [Amazon EC2-Spot-Flotte](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/spot-fleet.html)
+ [Funktionen: Lambda-Funktionskonfiguration](https://docs.aws.amazon.com/lambda/latest/dg/best-practices.html#function-configuration)
+ [ Attributbasierte Auswahl des Instance-Typs für die Amazon EC2-Flotte](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/ec2-fleet-attribute-based-instance-type-selection.html)
+ [Entwicklung nachhaltiger, effizienter und kostenoptimierter Anwendungen auf AWS](https://aws.amazon.com/blogs/compute/building-sustainable-efficient-and-cost-optimized-applications-on-aws/)
+ [ So können Kunden mit dem Contino Sustainability Dashboard ihren CO2-Fußabdruck optimieren](https://aws.amazon.com/blogs/apn/how-the-contino-sustainability-dashboard-helps-customers-optimize-their-carbon-footprint/)
**Zugehörige Videos:**
+ [AWS re:Invent 2023 – AWS Graviton: Das beste Preis-Leistungs-Verhältnis für Ihre AWS-Workloads](https://www.youtube.com/watch?v=T_hMIjKtSr4)
+ [AWS re:Invent 2023 – Neue generative KI-Funktionen von Amazon Elastic Compute Cloud in AWS-Managementkonsole](https://www.youtube.com/watch?v=sSpJ8tWCEiA)
+ [AWS re:Invent 2023 – Neuerungen bei Amazon Elastic Compute Cloud](https://www.youtube.com/watch?v=mjHw_wgJJ5g)
+ [AWS re:Invent 2023 – Intelligentes Sparen: Amazon Elastic Compute Cloud-Strategien zur Kostenoptimierung](https://www.youtube.com/watch?v=_AHPbxzIGV0)
+ [AWS re:Invent 2021 – Vertiefung in AWS-Graviton3- und Amazon EC2-C7g-Instances](https://www.youtube.com/watch?v=WDKwwFQKfSI&ab_channel=AWSEvents)
+ [AWS re:Invent 2022 – Entwickeln einer kosten-, energie- und ressourceneffizienten Computing-Umgebung](https://www.youtube.com/watch?v=8zsC5e1eLCg)
**Zugehörige Beispiele:**
+ [Lösung: Anleitung zur Optimierung von Deep-Learning-Workloads für mehr Nachhaltigkeit in AWS](https://aws.amazon.com/solutions/guidance/optimizing-deep-learning-workloads-for-sustainability-on-aws/)
+ [Migration von Amazon Relational Database Service-Datenbanken zu Graviton](https://catalog.workshops.aws/well-architected-sustainability/en-US/4-hardware-and-services/migrate-rds-to-graviton)