# Padrões de hardware **Topics** + [SUS 5 Como suas práticas de gerenciamento de hardware e de uso apoiam suas metas de sustentabilidade?](w2aac19c15c13b5.md) # SUS 5 Como suas práticas de gerenciamento de hardware e de uso apoiam suas metas de sustentabilidade? Procure oportunidades para reduzir os impactos na sustentabilidade da workload fazendo mudanças nas suas práticas de gerenciamento de hardware. Minimize a quantidade de hardware necessária para provisionar e implantar e escolha o hardware mais eficiente para sua workload individual. Práticas recomendadas: # SUS05-BP01 Usar a quantidade mínima de hardware para atender às suas necessidades Ao usar os recursos da nuvem, é possível fazer alterações frequentes às implementações da workload. Atualize os componentes implantados conforme suas necessidades mudarem. **Nível de exposição a riscos quando esta prática recomendada não é estabelecida:** Médio ## Orientações para a implementação + Permita a escalabilidade horizontal e use a automação para aumentar a escala na horizontal à medida que as cargas aumentam e para reduzir a escala na horizontal à medida que as cargas diminuem. + Escale usando pequenos incrementos para workloads variáveis. + Alinhe a escalabilidade com os padrões de utilização cíclica (por exemplo, um sistema de folha de pagamento com atividades bissemanais de processamento intensas) à medida que a carga varia ao longo de dias, semanas, meses ou anos. + Negocie Acordos de Nível de Serviço (SLAs) que permitam uma redução temporária na capacidade enquanto a automação implanta recursos de substituição. ## Recursos **Documentos relacionados:** + [Documentação do AWS Compute Optimizer](https://docs.aws.amazon.com/compute-optimizer/index.html) + [Otimização do Lambda: otimização da performance](https://aws.amazon.com/blogs/compute/operating-lambda-performance-optimization-part-2/) + [Documentação do Auto Scaling](https://docs.aws.amazon.com/autoscaling/index.html) # SUS05-BP02 Usar tipos de instância com o mínimo de impacto Monitore continuamente o lançamento de novos tipos de instância e aproveite as melhorias de eficiência de energia, incluindo os tipos de instância projetados para comportar workloads específicas, como treinamento de machine learning, inferência e transcodificação de vídeo. **Antipadrões comuns:** + Você usa apenas uma família de instâncias. + Você usa apenas instâncias x86. + Você especifica um tipo de instância em sua configuração do Amazon EC2 Auto Scaling. + Você usa instâncias da AWS de um modo para o qual elas não foram projetadas (por exemplo, você usa instâncias otimizadas para computação em uma workload com uso intenso de memória). + Você não avalia os novos tipos de instância regularmente. + Você não verifica as recomendações de ferramentas de dimensionamento correta da AWS, como o [AWS Compute Optimizer.](https://aws.amazon.com/compute-optimizer/) **Benefícios do estabelecimento desta prática recomendada:** Ao usar instâncias com eficiência de energia e dimensionadas corretamente, você consegue reduzir ainda mais o impacto ambiental e o custo da workload. **Nível de risco exposto se esta prática recomendada não for estabelecida:** Baixo ## Orientação de implementação + Conheça e explore os tipos de instância que podem reduzir o impacto ambiental de sua workload. + Inscreva-se nas [Novidades da AWS](https://aws.amazon.com/new/) para ficar por dentro das tecnologias e instâncias mais recentes da AWS. + Conheça os diversos tipos de instâncias da AWS. + Conheça as instâncias baseadas em AWS Graviton, que oferecem a melhor performance por watt de energia usada no Amazon EC2 assistindo aos vídeos [re:Invent 2020 - Deep dive on AWS Graviton2 processor-powered Amazon EC2 instances (re:Invent 2020 - aprofundamento em instâncias do Amazon EC2 alimentadas por processadores AWS Graviton2)](https://www.youtube.com/watch?v=NLysl0QvqXU) e [Deep dive into AWS Graviton3 and Amazon EC2 C7g instances (Aprofundamento em AWS Graviton3 e instâncias C7g do Amazon EC2)](https://www.youtube.com/watch?v=WDKwwFQKfSI&ab_channel=AWSEvents). + Planeje e migre sua workload para tipos de instância com impacto mínimo. + Defina um processo para avaliar novos recursos ou instâncias para sua workload. Aproveite a agilidade da nuvem para testar rapidamente como novos tipos de instância podem melhorar a sustentabilidade ambiental de sua workload. Use métricas de proxy para mensurar quantos recursos são necessários para concluir uma unidade de trabalho. + Se possível, modifique sua workload para trabalhar com diferentes números de vCPUs e diferentes quantidades de memória para maximizar sua escolha de tipo de instância. + Considere migrar sua workload para instâncias baseadas em Graviton e melhorar a eficiência da performance da workload (consulte [AWS Graviton Fast Start](https://aws.amazon.com/ec2/graviton/fast-start/) e [AWS Graviton2 para ISVs](https://docs.aws.amazon.com/whitepapers/latest/aws-graviton2-for-isv/welcome.html)). Tenha em mente as [considerações ao migrar workloads para instâncias do Amazon Elastic Compute Cloud baseadas em AWS Graviton.](https://github.com/aws/aws-graviton-getting-started/blob/main/transition-guide.md) + Considere selecionar a opção AWS Graviton em seu uso de [serviços gerenciados da AWS.](https://github.com/aws/aws-graviton-getting-started/blob/main/managed_services.md) + Migre sua workload para regiões que ofereçam instâncias com o menor impacto na sustentabilidade e atendam aos seus requisitos de negócios. + Para workloads de machine learning, use instâncias do Amazon EC2 que se baseiam em chips personalizados do Amazon Machine Learning como [AWS Trainium](https://aws.amazon.com/machine-learning/trainium/), [AWS Inferentia](https://aws.amazon.com/machine-learning/inferentia/)e aos [Amazon EC2 DL1.](https://aws.amazon.com/ec2/instance-types/dl1/) + Uso [Amazon SageMaker AI Inference Recommender](https://docs.aws.amazon.com/sagemaker/latest/dg/inference-recommender.html) para dimensionar endpoints de inferência de ML corretamente. + Para workloads com transcodificação de vídeo em tempo real, use [instâncias VT1 do Amazon EC2.](https://aws.amazon.com/ec2/instance-types/vt1/) + Para workloads com picos (workloads com requisitos infrequentes para capacidade adicional), use [instâncias de performance expansível.](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/burstable-performance-instances.html) + Para workloads sem estado e tolerantes a falhas, use [Instâncias Spot do Amazon EC2](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/using-spot-instances.html) para aumentar a utilização geral da nuvem e reduzir o impacto na sustentabilidade de recursos não utilizados. + Opere e otimize a instância de sua workload. + Para workloads efêmeras, avalie [métricas do Amazon CloudWatch para instâncias](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/viewing_metrics_with_cloudwatch.html#ec2-cloudwatch-metrics) , como `CPUUtilization` , a fim de identificar se a instância está ociosa ou é subutilizada. + Para workloads estáveis, verifique as ferramentas da AWS para dimensionamento correto, como o [AWS Compute Optimizer](https://aws.amazon.com/compute-optimizer/) , em intervalos regulares a fim de identificar oportunidades para otimizar e dimensionar instâncias corretamente. ## Recursos **Documentos relacionados:** + [Otimizar a sua infraestrutura da AWS para sustentabilidade, Parte I: Computação](https://aws.amazon.com/blogs/architecture/optimizing-your-aws-infrastructure-for-sustainability-part-i-compute/) + [Processador AWS Graviton](https://aws.amazon.com/ec2/graviton/) + [AWS Inferentia](https://aws.amazon.com/machine-learning/inferentia/) + [AWS Trainium](https://aws.amazon.com/machine-learning/trainium/) + [Amazon EC2 DL1](https://aws.amazon.com/ec2/instance-types/dl1/) + [Instâncias de performance expansível do Amazon EC2](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/burstable-performance-instances.html) + [Frotas de reserva de capacidade do Amazon EC2](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/cr-fleets.html) + [Frota spot do Amazon EC2](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/spot-fleet.html) + [Instâncias Spot do Amazon EC2](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/using-spot-instances.html) + [Instâncias VT1 do Amazon EC2](https://aws.amazon.com/ec2/instance-types/vt1/) + [Tipos de instância do Amazon EC2](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/instance-types.html) + [AWS Compute Optimizer](https://aws.amazon.com/compute-optimizer/) + [Funções: configuração de função do Lambda](https://docs.aws.amazon.com/lambda/latest/dg/best-practices.html#function-configuration) **Vídeos relacionados:** + [Deep dive on AWS Graviton2 processor-powered Amazon EC2 instances (Aprofundamento em instâncias do Amazon EC2 alimentadas por processadores AWS Graviton2)](https://www.youtube.com/watch?v=NLysl0QvqXU) + [Deep dive into AWS Graviton3 and Amazon EC2 C7g instances (Aprofundamento em AWS Graviton3 e instâncias C7g do Amazon EC2)](https://www.youtube.com/watch?v=WDKwwFQKfSI&ab_channel=AWSEvents) **Exemplos relacionados:** + [Laboratório: Recomendações de dimensionamento correto](https://wellarchitectedlabs.com/cost/100_labs/100_aws_resource_optimization/) + [Laboratório: Dimensionamento correto com o Compute Optimizer](https://wellarchitectedlabs.com/cost/200_labs/200_aws_resource_optimization/) + [Laboratório: Otimizar padrões de hardware e observar KPIs de sustentabilidade](https://wellarchitectedlabs.com/sustainability/200_labs/200_optimize_hardware_patterns_observe_sustainability_kpis/) # SUS05-BP03 Usar serviços gerenciados Os serviços gerenciados transferem para a AWS a responsabilidade pela manutenção de uma média elevada de utilização e pela otimização da sustentabilidade do hardware implantado na AWS. Use serviços gerenciados para distribuir o impacto na sustentabilidade do serviço entre todos os locatários dele, reduzindo sua contribuição individual. **Nível de exposição a riscos quando esta prática recomendada não é estabelecida:** Baixo ## Orientações para a implementação + Migre de serviços auto-hospedados para serviços gerenciados. Por exemplo, use as instâncias gerenciadas do [Amazon Relational Database Service (Amazon RDS)](https://aws.amazon.com/rds/) , em vez de manter suas próprias instâncias do Amazon RDS no [Amazon Elastic Compute Cloud (Amazon EC2)](https://aws.amazon.com/ec2/)ou use serviços de contêiner, como o [AWS Fargate](https://aws.amazon.com/fargate/), em vez de implementar sua própria infraestrutura de contêiner. ## Recursos **Documentos relacionados:** + [AWS Fargate](https://aws.amazon.com/fargate/) + [Amazon DocumentDB](https://aws.amazon.com/documentdb/) + [Amazon Elastic Kubernetes Service (EKS)](https://aws.amazon.com/eks/) + [Amazon Managed Streaming for Apache Kafka (Amazon MSK)](https://aws.amazon.com/msk/) + [Amazon Redshift](https://aws.amazon.com/redshift/) + [O Amazon Relational Database Service (RDS)](https://aws.amazon.com/rds/) # SUS05-BP04 Otimizar o uso de GPUs Unidades de processamento gráfico (GPUs) podem ser uma fonte de alto consumo de energia, e várias workloads de GPU são altamente variáveis, como renderização, transcodificação e treinamento e modelagem de machine learning. Execute instâncias de GPU somente pelo tempo necessário e desative-as com automação quando não precisar mais delas para reduzir o consumo de recursos. **Nível de exposição a riscos quando esta prática recomendada não é estabelecida:** Baixo ## Orientações para a implementação + Use GPUs somente para tarefas em que elas sejam mais eficientes do que alternativas baseadas em CPU. + Use automação para liberar instâncias de GPU quando não estiverem em uso. + Use aceleração de gráficos flexível em vez de instâncias de GPU dedicadas. + Aproveite o hardware personalizado específico para sua workload. ## Recursos **Documentos relacionados:** + [Computação acelerada](https://aws.amazon.com/ec2/instance-types/#Accelerated_Computing) + [AWS Inferentia](https://aws.amazon.com/machine-learning/inferentia/) + [AWS Trainium](https://aws.amazon.com/machine-learning/trainium/) + [Computação acelerada para instâncias do EC2](https://aws.amazon.com/ec2/instance-types/#Accelerated_Computing) + [Instâncias do VT1 do Amazon EC2](https://aws.amazon.com/ec2/instance-types/vt1/) + [Amazon Elastic Graphics](https://docs.aws.amazon.com/AWSEC2/latest/WindowsGuide/elastic-graphics.html)