本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 查看 EC2 自动扩缩组建议
AWS Compute Optimizer 为 Amazon EC2 Auto Scaling 群组生成实例类型建议。针对您的 EC2 Auto Scaling 群组的建议显示在 AWS Compute Optimizer 控制台的以下页面上。
+ **EC2 Auto Scaling 小组建议**
本页列出了您当前的每个 EC2 Auto Scaling 组、它们的发现分类、当前的实例类型、所选购买选项的当前小时价格以及当前配置。Compute Optimizer 的热门推荐列在您的每个 EC2 Auto Scaling 组旁边，其中包括推荐的实例类型、所选购买选项的每小时价格以及您当前的实例类型与建议之间的价格差异。使用建议页面将您的 EC2 Auto Scaling 组的当前实例类型与我们的最佳推荐进行比较，这可以帮助您决定是应该扩大还是缩小实例规模。
+ **EC2 Auto Scaling 群组详情**
根据具体的 EC2 Auto Scaling 群组，此页面为您提供在空闲组中进行扩展的合理调整 and/or 建议。它列出了每项合理调整建议的规格，例如所选购买选项的性能风险和每小时价格。详细信息页面还显示利用率指标图表，可用于将当前 EC2 Auto Scaling 组与建议选项的预计利用率指标进行比较。
建议每天刷新。它们是通过分析当前 EC2 Auto Scaling 组在 14 天或 32 天回顾期内的规格和利用率指标生成的。如果您启用增强型基础设施指标，则可以将回顾期延长至 93 天。有关更多信息，请参阅 [增强型基础设施指标](enhanced-infrastructure-metrics.md)、[合理调整大小建议首选项](rightsizing-preferences.md) 和 [由以下人员分析的指标 AWS Compute Optimizer](metrics.md)。
请记住，Compute Optimizer 会为满足一组特定要求的 EC2 Auto Scaling 组生成建议，建议最多可能需要 24 小时才能生成，并且必须积累足够的指标数据。有关更多信息，请参阅 [资源要求](requirements.md)。
**重要**
如果您在中启用成本优化中心 AWS Cost Explorer，Compute Optimizer 将使用成本优化中心数据（包括您的特定定价折扣）来生成您的建议。如果未启用成本优化中心，Compute Optimizer 将使用 Cost Explorer 数据和按需定价信息来生成您的建议。有关更多信息，请参阅《AWS Cost Management 用户指南》中的[启用 Cost Explorer](https://docs.aws.amazon.com/cost-management/latest/userguide/ce-enable.html) 和[成本优化中心](https://docs.aws.amazon.com/cost-management/latest/userguide/cost-optimization-hub.html)。**
**Topics**
+ [EC2 Auto Scaling 群组推荐是如何生成的](#asg-recommendations-generate)
+ [结果分类](#asg-recommendations-findings)
+ [分配策略](#asg-recommendations-allocation)
+ [预计每月节省额和节省机会](#asg-savings-calculation)
+ [Idle](#asg-recommendations-idle)
+ [AWS 基于 Graviton 的实例推荐](#asg-graviton-recommendations)
+ [推断的工作负载类型](#asg-inferred-workload-types)
+ [迁移工作](#asg-migration-effort)
+ [绩效风险](#asg-performance-risk)
+ [利用率图表](#asg-utilization-graphs)
+ [访问 EC2 Auto Scaling 群组推荐和详情](asg-view-recommendations.md)
## EC2 Auto Scaling 群组推荐是如何生成的
AWS Compute Optimizer 使用旨在优化成本和性能的三步评估流程为 EC2 Auto Scaling 小组生成建议：
1. **评估 EC2 Auto Scaling 组是否处于空闲状态**
Compute Optimizer 通过分析回顾期内的资源利用模式来评估您的 EC2 Auto Scaling 组是否处于闲置状态。如果 EC2 Auto Scaling 组中的所有实例都符合空闲标准，则 Compute Optimizer 会发现您的组处于空闲状态，并估算在空闲组中扩展可能节省的费用。有关更多信息，请参阅 [每个资源的闲置标准](view-idle-recommendations.md#idle-criteria)。
1. **评估 EC2 Auto Scaling 组的可扩展性**
Compute Optimizer 会评估实例容量设置和扩展策略，以确定您的 EC2 Auto Scaling 组是用于维护固定的实例池（没有扩展策略或禁用扩展策略）、动态扩展以满足您的工作负载需求（使用目标跟踪、预测性扩展、简单扩展或基于 CPU 利用率的分步扩展策略），还是遵循固定的扩展事件计划（使用计划扩展策略）。
1. **找出合适规模的机会**
Compute Optimizer 会分析 EC2 Auto Scaling 组的资源利用率和当前配置，包括分配策略设置、扩展策略、实例类型、定价和实例容量，以找到合适的调整规模的机会。
+ 对于维护固定实例池的 EC2 Auto Scaling 组，Compute Optimizer 推荐在保持当前实例数的同时满足您的工作负载要求的实例类型。这可以提高您的工作负载性能并节省成本。
+ 对于根据需求动态扩展的 EC2 Auto Scaling 组，Compute Optimizer 建议升级到可以节省更多成本的新一代实例。如果启用了内存指标，它还可以建议缩小内存大小以进一步节省开支。
+ 对于遵循固定扩展事件时间表的 EC2 Auto Scaling 组，Compute Optimizer 会根据计划的扩展容量推荐能够在满足资源工作负载要求的同时节省更多成本的实例类型。这样可以确保建议与每个小组的具体扩展策略和工作负载需求保持一致。
**注意**
对于合理调整规模的建议，Compute Optimizer 不提供修改扩展策略或实例容量设置的建议。
## 结果分类
**EC2 Auto Scaling 组建议**页面上的**查找结果**列汇总了您的每个 EC2 Auto Scaling 组在回顾期内的表现。
以下发现分类适用于 EC2 Auto Scaling 群组。
| 分类 | 说明 |
| --- | --- |
| 未优化 | 当维护固定实例池的 EC2 Auto Scaling 组过大或正在运行可能导致性能问题的工作负载时，该组被视为未经过优化。 如果有其他实例类型可以以较低的成本满足需求，则动态扩展或遵循固定扩展事件时间表的 EC2 Auto Scaling 组被视为未经过优化。 |
| 已优化 | 当您的组的所有规格（例如 CPU、内存和网络）都满足工作负载的性能要求时，EC2 Auto Scaling 组即被视为已优化。对于经过优化的群组，Compute Optimizer 可能会推荐新一代的实例类型。 |
## 分配策略
EC2 Auto Scaling 组建议和详细信息页面上的分配策略列显示了 EC2 Auto Scaling 组的当前和建议的分配策略。分配策略设定了 EC2 自动扩缩组部署其混合实例类型的顺序。Compute Optimizer 可以发现一种分配策略是以下策略之一：
+ **优先顺序**：EC2 自动扩缩组根据您在实例类型要求中列出的顺序对实例类型进行优先排序。
+ **最低价格**：EC2 自动扩缩组根据当前的按需价格，自动在每个可用区中部署价格最低的实例类型。
+ **无分配策略**：您尚未为 EC2 自动扩缩组设置分配策略。
+ **不适用**：分配策略不适用于具有单一实例类型的 EC2 自动扩缩组。
Compute Optimizer 建议使用**优先**分配策略，并在您的实例类型要求范围内将我们推荐的实例类型优先于您当前的实例类型。优先考虑 Compute Optimizer 的建议将使您的 EC2 自动扩缩组能够部署可优化成本和性能的实例类型。我们还建议您将当前实例类型保持在实例类型要求范围内，以确保有足够的容量来支持您的工作负载。
您可以使用实例刷新来使用我们推荐的实例类型来更新您的 EC2 Auto Scaling 组。有关更多信息，请参阅 *Amazon EC2 Auto Scaling 用户指南中的使用实例刷新更新 Auto Scaling* [组](https://docs.aws.amazon.com//autoscaling/ec2/userguide/asg-instance-refresh.html)中的实例。
有关分配策略的更多信息，请参阅 *Amazon EC2 Auto Scaling* 用户指南中的[多种实例类型的分配策略](https://docs.aws.amazon.com//autoscaling/ec2/userguide/allocation-strategies.html#on-demand-allocation-strategy)。
## 预计每月节省额和节省机会
**预计月度节省（折扣后）**
如果您在回顾期内使用了推荐的实例类型，则此列列出了 EC2 Auto Scaling 组的预计每月节省费用。折扣优惠后，请考虑账户中有效的任何预留实例或 Savings Plans 定价模式。要接收包含节省计划和预留实例折扣的建议，需要激活节省估算模式首选项。有关更多信息，请参阅[节省估算模式](https://docs.aws.amazon.com/compute-optimizer/latest/ug/savings-estimation-mode)。
**注意**
如果您未激活储蓄估算模式首选项，则此列将显示默认的按需定价信息。
**预计月度节省（按需）**
如果您在回顾期内使用了 Compute Optimizer 的建议，并以按需实例定价购买，则此列出了 EC2 Auto Scaling 组每月节省的大概成本。
**节省机会（%）**
此列列出了通过为 EC2 Auto Scaling 组采用推荐的实例类型可以节省的当前每月成本的估计每月节省百分比。如果激活了储蓄估算模式，Compute Optimizer 会分析您账户中有效的所有预留实例或储蓄计划定价模型，以生成节省机会百分比。如果未激活节省估算模式，Compute Optimizer 将仅使用按需定价信息。有关更多信息，请参阅[节省估算模式](https://docs.aws.amazon.com/compute-optimizer/latest/ug/savings-estimation-mode)。
### 预计每月节省额计算
对于每项建议，我们都会计算使用建议实例类型运营新实例的成本。预计每月节省的费用是根据 EC2 Auto Scaling 组中当前实例的运行时数以及当前实例类型与推荐实例类型之间的费率差异计算得出的。Compute Optimizer 控制面板上显示的 EC2 Auto Scaling 组的估计每月节省额是账户中 EC2 Auto Scaling 组中所有超额配置的实例预计每月节省的总和。
## Idle
**EC2 Auto Scaling 组建议**页面上的**空闲**列显示您的 EC2 Auto Scaling 组是否处于空闲状态。
**EC2 Auto Scaling 组的空闲标准** — 在 14 天回顾期内，该组中没有任何实例的峰值 CPU 利用率超过 5% 或 MB/day 网络利用率超过 5 ％。
**使用 G 或 P 实例类型的 EC2 Auto Scaling 组的空闲标准** — 如果该组的实例在 14 天回顾期内满足以下标准：
+ 在 99% 的回顾期内，GPU 的活跃运行时间不足
+ GPU 编码器在实例的 99% 或以上的运行时内未得到使用
+ 实例级别的 GPU 内存使用率低于 5%
+ CPU 最大利用率低于 5%
+ 网络利用率低于 5 MB/天
## AWS 基于 Graviton 的实例推荐
在查看 EC2 Auto Scaling 组建议时，您可以查看在 AWS 基于 Graviton 的实例上运行工作负载对价格和性能的影响。为此，请在 **CPU 架构首选项**下拉列表中选择 **Graviton (aws-arm64)**。否则，选择**当前**以查看基于与当前实例相同的 CPU 供应商和架构的建议。
**注意**
**当前价格**、**建议价格**、**价格差异**、**价格差异(%)** 和**预计每月节省额**列已更新，提供当前实例类型与所选 CPU 架构首选项的实例类型之间的价格比较。例如，如果您选择 **Graviton (aws-arm64)**，则会在当前实例类型和建议的基于 Graviton 的实例类型之间进行价格比较。
## 推断的工作负载类型
**EC2 Auto Scaling 组建议****页面上的推断工作负载类型**列出了计算优化器推断出的可能在 EC2 Auto Scaling 组的实例上运行的应用程序。它通过分析 EC2 Auto Scaling 组中实例的属性（例如实例名称、标签和配置）来实现此目的。Compute Optimizer 目前可以推断出你的实例是否在运行 Amazon EMR、Apache Cassandra、Apache Hadoop、Memcached、NGINX、PostgreSQL、Redis、Kafka 或。 SQLServer通过推断实例上运行的应用程序，Compute Optimizer 能够识别将您的工作负载从基于 x86 的实例类型迁移到基于 ARM 的 Graviton 实例类型所做 AWS 的工作。有关更多信息，请参阅 [迁移工作](#asg-migration-effort)。
**注意**
您无法推断出中东（巴林）、非洲（开普敦）、亚太地区（香港）、欧洲（米兰）和亚太地区（雅加达）地区的 SQLServer 申请。
## 迁移工作
**EC2 Auto Scaling 组建议**和 **EC2 Auto Scaling 组详情**页面上的**迁**移工作量列出了从当前实例类型迁移到推荐实例类型可能需要的工作量。以下是不同迁移工作级别的示例。
+ **非常低** — 推荐的实例类型与当前实例类型具有相同的 CPU 架构。
+ **低** — Amazon EMR 是推断出的工作负载类型，建议使用 AWS Graviton 实例类型
+ **中** — 无法推断出工作负载类型，但建议使用 AWS Graviton 实例类型。
+ **高** — 推荐的实例类型与当前实例类型的 CPU 架构不同，并且工作负载在推荐的 CPU 架构上没有已知的兼容版本。
*有关从基于 x86 的实例类型迁移到基于 ARM 的 Graviton 实例类型的更多信息，请参阅 AWS Graviton 入门中的将工作负载[过渡到基于 Graviton2 的 AWS Amazon EC2 实例时的注意事项](https://github.com/aws/aws-graviton-getting-started/blob/main/transition-guide.md)。AWS GitHub*
## 绩效风险
**EC2 Auto Scaling 组详情页面和 EC** **2 Auto Scaling 组建议**页面上的性能风险列定义了在您的 EC2 Auto Scaling 组中运行的当前和推荐的实例类型不符合您的工作负载要求的可能性。Compute Optimizer 会为 EC2 Auto Scaling 组的每个规格计算单独的性能风险评分，包括 CPU、内存、EBS 吞吐量、EBS IOPS、磁盘吞吐量、磁盘 IOPS、网络吞吐量和网络 PPS。当前和推荐的 EC2 Auto Scaling 组的性能风险按所分析的资源规格中的最高性能风险分数计算。
这些值包括“极低”、“低”、“中”、“高”和“极高”。性能风险非常低意味着预计实例类型将始终提供足够的功能。性能风险越高，意味着在迁移资源之前，您应该验证在 EC2 Auto Scaling 组中运行的实例类型是否满足工作负载的性能要求。决定是否要进行优化以便提高性能和/或节省资金。有关更多信息，请参阅**《Amazon Elastic Compute Cloud 用户指南》中的[更改实例类型](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/ec2-instance-resize.html)。
**注意**
在 Compute Optimizer API 中 AWS SDKs， AWS Command Line Interface (AWS CLI) 和，性能风险的衡量标准为`0`（非常低）到`4`（非常高）。
## 利用率图表
**EC2 Auto Scaling 组详情**页面显示该组中当前实例的利用率指标图表。这些图表显示了分析期的数据。Compute Optimizer 使用每五分钟时间间隔内的最大利用率点生成 EC2 Auto Scaling 组建议。
可以更改图表以显示过去 24 小时、3 天、1 周或 2 周的数据。如果激活[增强型基础设施指标付费功能](enhanced-infrastructure-metrics.md)，则可以查看过去 3 个月的数据。
详细信息页面上显示以下利用率图表：
| 图表名称 | 说明 |
| --- | --- |
| CPU 平均利用率 (%) | EC2 Auto Scaling 组中的实例使用的已分配 EC2 计算单位的平均百分比。 |
| 平均网络时间 (MiB/秒) | EC2 Auto Scaling 组中的实例在所有网络接口上每秒接收的兆字节 (MiB) 数。 |
| 平均网络输出量（MiB/秒） | EC2 Auto Scaling 组中的实例每秒在所有网络接口上发送的兆字节 (MiB) 数。 |
| 实例容量 | 这是在任何给定时间在 EC2 Auto Scaling 组中运行的实例的数量。 |
# 访问 EC2 Auto Scaling 群组推荐和详情
您可以使用以下过程之一访问 AWS 控制台中的 **EC2 Auto Scaling 组建议**或 **EC2 Auto Scaling 组详细信息**页面。
在 **EC2 Auto Scaling 群组推荐**页面上，您可以查看针对当前 EC2 Auto Scaling 群组的建议。在**EC2 自动扩缩组详细信息**页面上，您可以查看特定组的详细信息及其建议。
## 过程
### 访问 EC2 Auto Scaling 群组推荐页面
**访问 EC2 Auto Scaling 群组推荐页面**
1. 打开 Compute Optimizer 控制台，网址为。[https://console.aws.amazon.com/compute-optimizer/](https://console.aws.amazon.com/compute-optimizer/)
1. 在导航窗格中，选择**EC2 自动扩缩组**。
推荐页面列出了 EC2 Auto Scaling 组的规格和查找分类，以及推荐组的规格。列出的当前 EC2 Auto Scaling 组来自所选账户中当前选定的 AWS 区域。
1. 您可以在建议页面上执行以下操作：
+ 查看在基于 AWS Graviton 的实例上运行工作负载对价格和性能的影响。为此，请在 **CPU 架构首选项**下拉列表中选择 **Graviton (aws-arm64)**。否则，**当前**（默认值）选项将显示基于与当前实例相同的 CPU 供应商和架构的建议。
+ 按 “发现” AWS 区域或 “查找原因” 筛选推荐。为此，请先选中**按一个或多个属性筛选**文本框。然后，在显示的下拉列表中选择属性和值。
+ 查看其他账户中的实例建议。为此，请选择**账户**，然后选择其他账户 ID。
**注意**
如果您已登录组织的管理账户，并且启用了 Compute Optimizer 的可信访问权限，则可以查看其他账户中的资源建议。有关更多信息，请参阅[Compute Optimizer 支持的账户](getting-started.md#supported-accounts)和[的可信访问权限 AWS Organizations](security-iam.md#trusted-service-access)。
+ 清除选定的筛选条件。为此，请选择过滤器旁的**清除筛选条件**。
+ 访问特定 **EC2 Auto Scaling 组的 A EC2 uto Scaling 组详细信息**页面。为此，请选择所需组旁列出的结果分类。
### 访问 EC2 Auto Scaling 群组详情页面
**访问 EC2 Auto Scaling 组详情页面**
1. 打开 Compute Optimizer 控制台，网址为。[https://console.aws.amazon.com/compute-optimizer/](https://console.aws.amazon.com/compute-optimizer/)
1. 在导航窗格中，选择**EC2 自动扩缩组**。
1. 要查看建议的详细信息，请选择一个 EC2 Auto Scaling 组，然后选择**查看详细信息**。或者，选择 EC2 Auto Scaling 群组链接。
详细信息页面最多列出了针对您选择的 EC2 Auto Scaling 组的三项优化建议。它列出了 EC2 Auto Scaling 组中当前实例的规格、推荐实例的规格和性能风险以及利用率指标图。
1. 您可以在详细信息页面上执行以下操作：
+ 要查看在基于 AWS Graviton 的实例上运行工作负载对价格和性能的影响，请在 **CPU 架构首选项**下拉列表中选择 **Graviton (aws-arm64)**。否则，**当前**（默认值）选项将显示基于与当前实例相同的 CPU 供应商和架构的建议。
+ 激活增强型基础设施指标付费功能，可将您所查看的自动扩缩组的指标分析回顾期延长至三个月（默认值为 14 天）。有关更多信息，请参阅 [增强型基础设施指标](enhanced-infrastructure-metrics.md)。
+ 当前实例的利用率指标图表显示在页面底部。蓝色实线是自动扩缩组中当前实例的利用率。
+ 要更改图表的时间范围，请选择**时间范围**，然后选择**过去 24 小时**、**过去 3 天**、**上周**或**过去 2 周**。如果激活[增强基础架构指标建议首选项](enhanced-infrastructure-metrics.md)，还可以选择**过去 3 个月**。选择较短的时间范围会以更高粒度显示数据点，从而提供更高的详细级别。