# SUS05-BP02 Menggunakan jenis instans dengan dampak paling sedikit
Terus pantau dan gunakan jenis instans baru untuk memanfaatkan peningkatan penghematan energi.
**Antipola umum:**
+ Anda hanya menggunakan satu kelompok instans.
+ Anda hanya menggunakan instans x86.
+ Anda menentukan satu jenis instans dalam konfigurasi Amazon EC2 Auto Scaling Anda.
+ Anda menggunakan instans AWS dengan cara yang tidak dirancang untuk instans tersebut (misalnya, Anda menggunakan instans komputasi yang dioptimalkan untuk beban kerja intensif memori).
+ Anda tidak mengevaluasi jenis instans baru secara teratur.
+ Anda tidak melihat rekomendasi dari alat rightsizing AWS seperti [AWS Compute Optimizer.](https://aws.amazon.com/compute-optimizer/)
**Manfaat menjalankan praktik terbaik ini:** Dengan memanfaatkan instans hemat energi dan berukuran tepat, Anda dapat jauh mengurangi dampak lingkungan dan biaya beban kerja Anda.
**Tingkat risiko yang terjadi jika praktik terbaik ini tidak dijalankan:** Sedang
## Panduan implementasi
Menggunakan instans yang efisien di beban kerja cloud sangat penting untuk menurunkan penggunaan sumber daya dan menghemat biaya. Terus pantau rilis instans jenis baru dan manfaatkan peningkatan penghematan energi, termasuk jenis instans yang dirancang untuk mendukung beban kerja spesifik seperti pelatihan dan inferensi machine learning, serta transkode video.
## Langkah implementasi
+ Pelajari dan jelajahi jenis instans yang dapat menurunkan dampak lingkungan beban kerja Anda.
+ Berlangganan ke [Apa yang Baru dengan AWS](https://aws.amazon.com/new/) untuk mendapatkan informasi terbaru terkait teknologi dan instans AWS terbaru.
+ Pelajari tentang jenis instans AWS yang berbeda-beda.
+ Pelajari tentang instans berbasis AWS Graviton yang menawarkan performa terbaik per watt untuk penggunaan energi di Amazon EC2 dengan menonton [re:Invent 2020 - Pendalaman tentang instans Amazon EC2 yang didukung prosesor AWS Graviton2](https://www.youtube.com/watch?v=NLysl0QvqXU) dan [Pendalaman tentang AWS Graviton3 dan instans C7g Amazon EC2](https://www.youtube.com/watch?v=WDKwwFQKfSI&ab_channel=AWSEvents).
+ Rencanakan dan transisikan beban kerja Anda ke jenis instans dengan dampak paling kecil.
+ Tentukan proses untuk mengevaluasi fitur atau instans baru untuk beban kerja Anda. Manfaatkan ketangkasan di cloud untuk menguji dengan cepat bagaimana jenis instans baru dapat meningkatkan pelestarian lingkungan beban kerja Anda. Gunakan metrik proksi untuk mengukur berapa banyak sumber daya yang Anda perlukan untuk menyelesaikan satu unit pekerjaan.
+ Jika memungkinkan, ubah beban kerja menjadi menggunakan jumlah vCPU yang berbeda dan jumlah memori yang berbeda guna memaksimalkan pilihan jenis instans.
+ Pertimbangkan untuk mengalihkan beban kerja Anda ke instans berbasis Graviton guna meningkatkan efisiensi performa beban kerja Anda.
+ [AWS Graviton Fast Start](https://aws.amazon.com/ec2/graviton/fast-start/)
+ [Pertimbangan saat mentransisikan beban kerja ke instans Amazon Elastic Compute Cloud berbasis AWS Graviton](https://github.com/aws/aws-graviton-getting-started/blob/main/transition-guide.md)
+ [AWS Graviton2 untuk ISV](https://docs.aws.amazon.com/whitepapers/latest/aws-graviton2-for-isv/welcome.html)
+ Pertimbangkan untuk memilih opsi AWS Graviton dalam penggunaan [layanan terkelola AWS Anda.](https://github.com/aws/aws-graviton-getting-started/blob/main/managed_services.md)
+ Migrasikan beban kerja ke Wilayah yang menawarkan instans dengan dampak paling sedikit terhadap pelestarian lingkungan dan masih memenuhi kebutuhan bisnis Anda.
+ Untuk beban kerja machine learning, manfaatkan perangkat keras yang dibuat khusus untuk beban kerja Anda seperti [AWS Trainium](https://aws.amazon.com/machine-learning/trainium/), [AWS Inferentia](https://aws.amazon.com/machine-learning/inferentia/), dan [Amazon EC2 DL1.](https://aws.amazon.com/ec2/instance-types/dl1/) Instans AWS Inferentia seperti Inf2 menawarkan kinerja per watt hingga 50% lebih baik daripada instans berbasis Amazon EC2 yang setara.
+ Gunakan [Amazon SageMaker AI Inference Recommender](https://docs.aws.amazon.com/sagemaker/latest/dg/inference-recommender.html) untuk menyesuaikan titik akhir inferensi ML secara tepat.
+ Untuk beban kerja yang berfluktuasi (beban kerja yang jarang memerlukan kapasitas tambahan), gunakan [instans performa burstable.](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/burstable-performance-instances.html)
+ Untuk beban kerja stateless dan toleran terhadap kesalahan, gunakan [Instans Spot Amazon EC2](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/using-spot-instances.html) guna meningkatkan pemanfaatan cloud secara keseluruhan, serta mengurangi dampak terhadap pelestarian lingkungan dari sumber daya yang tidak digunakan.
+ Operasikan dan optimalkan instans beban kerja Anda.
+ Untuk beban kerja sementara, evaluasi [metrik Amazon CloudWatch instans](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/viewing_metrics_with_cloudwatch.html#ec2-cloudwatch-metrics) seperti `CPUUtilization` untuk mengidentifikasi apakah instans tidak aktif atau kurang dimanfaatkan.
+ Untuk beban kerja stabil, lihat alat rightsizing AWS seperti [AWS Compute Optimizer](https://aws.amazon.com/compute-optimizer/) secara berkala untuk mengidentifikasi peluang guna mengoptimalkan dan menyesuaikan ukuran instans dengan tepat.
+ [ Lab Well-Architected: Rekomendasi Penyesuaian Ukuran ](https://wellarchitectedlabs.com/cost/100_labs/100_aws_resource_optimization/)
+ [ Lab Well-Architected - Penyesuaian Ukuran dengan Compute Optimizer ](https://wellarchitectedlabs.com/cost/200_labs/200_aws_resource_optimization/)
+ [ Lab Well-Architected - Optimisasi Pola Perangkat Keras dan Pengamatan KPI Pelestarian Lingkungan ](https://wellarchitectedlabs.com/sustainability/200_labs/200_optimize_hardware_patterns_observe_sustainability_kpis/)
## Sumber daya
**Dokumen terkait:**
+ [Mengoptimalkan Infrastruktur AWS untuk Pelestarian Lingkungan, Bagian I: Komputasi](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/)
+ [Armada Reservasi Kapasitas Amazon EC2](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/cr-fleets.html)
+ [Armada Spot Amazon EC2](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/spot-fleet.html)
+ [Fungsi: Konfigurasi Fungsi Lambda](https://docs.aws.amazon.com/lambda/latest/dg/best-practices.html#function-configuration)
+ [ Pemilihan jenis instans berdasarkan atribut untuk Armada Amazon EC2 ](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/ec2-fleet-attribute-based-instance-type-selection.html)
+ [Membangun Aplikasi yang Berkelanjutan, Efisien, dan Dioptimalkan untuk Biaya di AWS](https://aws.amazon.com/blogs/compute/building-sustainable-efficient-and-cost-optimized-applications-on-aws/)
+ [ Bagaimana Dasbor Pelestarian Lingkungan Contino Membantu Pelanggan Mengoptimalkan Jejak Karbon Mereka ](https://aws.amazon.com/blogs/apn/how-the-contino-sustainability-dashboard-helps-customers-optimize-their-carbon-footprint/)
**Video terkait:**
+ [Pendalaman tentang instans Amazon EC2 yang didukung prosesor AWS Graviton2](https://www.youtube.com/watch?v=NLysl0QvqXU)
+ [Pendalaman tentang AWS Graviton3 dan instans C7g Amazon EC2](https://www.youtube.com/watch?v=WDKwwFQKfSI&ab_channel=AWSEvents)
+ [ Bangun lingkungan komputasi yang hemat biaya, energi, dan sumber daya ](https://www.youtube.com/watch?v=8zsC5e1eLCg)
**Contoh terkait:**
+ [ Solusi: Panduan untuk Mengoptimalkan Beban Kerja Deep Learning untuk Pelestarian Lingkungan di AWS](https://aws.amazon.com/solutions/guidance/optimizing-deep-learning-workloads-for-sustainability-on-aws/)
+ [Lab Well-Architected: Rekomendasi Penyesuaian Ukuran](https://wellarchitectedlabs.com/cost/100_labs/100_aws_resource_optimization/)
+ [Lab Well-Architected - Penyesuaian Ukuran dengan Compute Optimizer](https://wellarchitectedlabs.com/cost/200_labs/200_aws_resource_optimization/)
+ [Lab Well-Architected - Optimisasi Pola Perangkat Keras dan Pengamatan KPI Pelestarian Lingkungan](https://wellarchitectedlabs.com/sustainability/200_labs/200_optimize_hardware_patterns_observe_sustainability_kpis/)
+ [ Lab Well-Architected - Migrasi Layanan ke Graviton ](https://www.wellarchitectedlabs.com/sustainability/100_labs/100_migrate_services_to_graviton/)