# 硬件模式
<a name="a-sus-hardware-patterns"></a>

**Topics**
+ [SUS 5 您的硬件管理和使用实践如何支持您的可持续发展目标？](w2aac19c15c13b5.md)

# SUS 5 您的硬件管理和使用实践如何支持您的可持续发展目标？
<a name="w2aac19c15c13b5"></a>

寻找机会，通过更改硬件管理实践来降低工作负载可持续性影响。最大限度地减少预置和部署所需的硬件数量，并为您的各项工作负载选择最高效的硬件。 

 最佳实践： 

# SUS05-BP01 使用最少的硬件来满足您的需求
<a name="sus_sus_hardware_a2"></a>

 通过使用云的功能，您可以对工作负载实施进行频繁更改。在需求变化时更新已部署的组件。 

 **未建立这种最佳实践的情况下暴露的风险等级：** 中 

## 实施指导
<a name="implementation-guidance"></a>
+  启用横向扩缩，并使用自动化在负载增加时扩展，在负载减少时缩减。 
+  通过小增量扩缩来适应可变的工作负载。 
+  在负载随时间（天、周、月或年）而变化时，根据周期性利用模式（例如，具有两周一次的密集处理活动的工资系统）进行扩缩。 
+  协商服务等级协议（SLA，service level agreements），允许暂时减少容量，同时利用自动化功能部署替换资源。 

## 资源
<a name="resources"></a>

 **相关文档：** 
+  [AWS Compute Optimizer 文档](https://docs.aws.amazon.com/compute-optimizer/index.html) 
+  [运行 Lambda：性能优化](https://aws.amazon.com/blogs/compute/operating-lambda-performance-optimization-part-2/) 
+  [弹性伸缩文档](https://docs.aws.amazon.com/autoscaling/index.html) 

# SUS05-BP02 使用影响最小的实例类型
<a name="sus_sus_hardware_a3"></a>

 持续监控新实例类型的发布并利用能效改进，包括那些旨在支持特定工作负载（例如机器学习训练、推理以及视频转码）的实例类型。 

 **常见反模式：** 
+  您只使用一个系列的实例。 
+  您只使用 x86 实例。 
+  您在 Amazon EC2 Auto Scaling 配置中指定一种实例类型。 
+  您使用 AWS 实例的方式与其预期用途不匹配（例如，您将计算优化的实例用于内存密集型工作负载）。 
+  您没有定期评估新的实例类型。 
+  您不查看 AWS 合理调整大小工具（如 [AWS Compute Optimizer）的建议。](https://aws.amazon.com/compute-optimizer/) 

 **建立此最佳实践的好处：** 通过使用节能且大小合适的实例，您可以大大减小工作负载对环境的影响并降低其成本。 

 **未建立这种最佳实践的情况下暴露的风险等级：** 低 

## 实施指导
<a name="implementation-guidance"></a>
+  学习和探索可以减小工作负载对环境影响的实例类型。 
  +  订阅 [AWS 新增功能](https://aws.amazon.com/new/) 及时了解新增的 AWS 技术和实例。 
  +  了解不同的 AWS 实例类型。 
  +  通过观看如下视频，了解基于 AWS Graviton 的实例（这些实例在 Amazon EC2 中每瓦能耗方面提供出色性能）： [re:Invent 2020 - 深入了解 AWS Graviton2 处理器提供支持的 Amazon EC2 实例](https://www.youtube.com/watch?v=NLysl0QvqXU) 和 [深入了解 AWS Graviton3 和 Amazon EC2 C7g 实例](https://www.youtube.com/watch?v=WDKwwFQKfSI&ab_channel=AWSEvents)。 
+  规划工作负载并将其转换为影响极小的实例类型。 
  +  定义一个流程来评估工作负载的新功能或实例。利用云中的敏捷性，快速测试新的实例类型如何改善工作负载的环境可持续性。使用代理指标来衡量完成一个单元的工作需要多少资源。 
  +  如有可能，修改工作负载以使用不同数量的 vCPU 和不同数量的内存，以最大限度地增加您的实例类型选项。 
  +  考虑将工作负载转换为基于 Graviton 的实例，以提高工作负载的性能效率（请参阅 [AWS Graviton Fast Start](https://aws.amazon.com/ec2/graviton/fast-start/) 和 [适用于 ISV 的 AWS Graviton2](https://docs.aws.amazon.com/whitepapers/latest/aws-graviton2-for-isv/welcome.html)）。请记住这些 [注意事项，以便将工作负载转换为基于 AWS Graviton 的 Amazon Elastic Compute Cloud 实例。](https://github.com/aws/aws-graviton-getting-started/blob/main/transition-guide.md) 
  +  考虑选择 AWS Graviton 选项（在使用 [AWS 托管服务时）。](https://github.com/aws/aws-graviton-getting-started/blob/main/managed_services.md) 
  +  将工作负载迁移到提供对可持续性影响极小的实例且仍满足您的业务要求的区域。 
  +  对于机器学习工作负载，请使用基于定制 Amazon Machine Learning 芯片的 Amazon EC2 实例，例如 [AWS Trainium](https://aws.amazon.com/machine-learning/trainium/)、 [AWS Inferentia](https://aws.amazon.com/machine-learning/inferentia/)和 [Amazon EC2 DL1。](https://aws.amazon.com/ec2/instance-types/dl1/) 
  +  使用 [Amazon SageMaker AI Inference Recommender](https://docs.aws.amazon.com/sagemaker/latest/dg/inference-recommender.html) 来调整 ML 推理端点的大小。 
  +  对于具有实时视频转码的工作负载，请使用 [Amazon EC2 VT1 实例。](https://aws.amazon.com/ec2/instance-types/vt1/) 
  +  对于突增工作负载（不经常需要额外容量的工作负载），请使用 [可突增性能实例。](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/burstable-performance-instances.html) 
  +  对于无状态和容错工作负载，请使用 [Amazon EC2 竞价型实例](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/using-spot-instances.html) 提高云的整体利用率并减少未使用资源对可持续性的影响。 
+  运营和优化您的工作负载实例。 
  +  对于临时工作负载，请评估 [实例 Amazon CloudWatch 指标](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/viewing_metrics_with_cloudwatch.html#ec2-cloudwatch-metrics) （例如 `CPUUtilization` ），以确定实例是空闲还是未充分利用。 
  +  对于稳定的工作负载，请定期检查 AWS 合理调整大小工具（如 [AWS Compute Optimizer](https://aws.amazon.com/compute-optimizer/) ），以确定优化和合理调整实例大小的机会。 

## 资源
<a name="resources"></a>

 **相关文档：** 
+  [优化您的 AWS 基础设施以实现可持续性，第 I 部分：计算](https://aws.amazon.com/blogs/architecture/optimizing-your-aws-infrastructure-for-sustainability-part-i-compute/) 
+  [AWS Graviton 处理器](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/) 
+  [Amazon EC2 可突增性能实例](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/burstable-performance-instances.html) 
+  [Amazon EC2 容量预留实例集](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/cr-fleets.html) 
+  [Amazon EC2 竞价型实例集](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/spot-fleet.html) 
+  [Amazon EC2 竞价型实例](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/using-spot-instances.html) 
+  [Amazon EC2 VT1 实例](https://aws.amazon.com/ec2/instance-types/vt1/) 
+  [Amazon EC2 实例类型](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/instance-types.html) 
+  [AWS Compute Optimizer](https://aws.amazon.com/compute-optimizer/) 
+  [函数：Lambda 函数配置](https://docs.aws.amazon.com/lambda/latest/dg/best-practices.html#function-configuration) 

 **相关视频：** 
+  [深入了解 AWS Graviton2 处理器提供支持的 Amazon EC2 实例](https://www.youtube.com/watch?v=NLysl0QvqXU) 
+  [深入了解 AWS Graviton3 和 Amazon EC2 C7g 实例](https://www.youtube.com/watch?v=WDKwwFQKfSI&ab_channel=AWSEvents) 

 **相关示例：** 
+  [实验室：合理调整大小建议](https://wellarchitectedlabs.com/cost/100_labs/100_aws_resource_optimization/) 
+  [实验室：使用 Compute Optimizer 合理调整大小](https://wellarchitectedlabs.com/cost/200_labs/200_aws_resource_optimization/) 
+  [实验室：优化硬件模式并遵守可持续性 KPI](https://wellarchitectedlabs.com/sustainability/200_labs/200_optimize_hardware_patterns_observe_sustainability_kpis/) 

# SUS05-BP03 使用托管服务
<a name="sus_sus_hardware_a4"></a>

 托管服务将维持已部署硬件的高平均利用率和可持续性优化的责任转移给 AWS。使用托管服务将服务的可持续性影响分散到服务的所有租户，从而减少您的个人份额。 

 **未建立这种最佳实践的情况下暴露的风险等级：** 低 

## 实施指导
<a name="implementation-guidance"></a>
+  将自托管服务迁移到托管服务。例如，使用托管式 [Amazon Relational Database Service（Amazon RDS）](https://aws.amazon.com/rds/) 实例而不是维护自己的 Amazon RDS 实例（在 [Amazon Elastic Compute Cloud（Amazon EC2）](https://aws.amazon.com/ec2/)上），或者使用托管式容器服务（例如 [AWS Fargate](https://aws.amazon.com/fargate/)），而不是实施您自己的容器基础设施。 

## 资源
<a name="resources"></a>

 **相关文档：** 
+  [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/) 
+  [Amazon Relational Database Service (RDS)](https://aws.amazon.com/rds/) 

# SUS05-BP04 优化您对 GPU 的使用
<a name="sus_sus_hardware_a5"></a>

 图形处理单元（GPU，Graphics Processing Units）可能是高功耗的来源，许多 GPU 工作负载是高度可变的，例如渲染、转码以及机器学习训练和建模。仅在需要时运行 GPU 实例，并在不需要时自动停用它们，以最大限度地减少资源消耗。 

 **未建立此最佳实践暴露的风险等级：** 低 

## 实施指导
<a name="implementation-guidance"></a>
+  仅将 GPU 用于比基于 CPU 的替代方案更高效的任务。 
+  使用自动化功能在不使用 GPU 实例时将其释放。 
+  使用灵活的图形加速而不是专用的 GPU 实例。 
+  利用特定于您的工作负载的定制用途硬件。 

## 资源
<a name="resources"></a>

 **相关文档：** 
+  [加速计算型](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/) 
+  [EC2 实例的加速计算](https://aws.amazon.com/ec2/instance-types/#Accelerated_Computing) 
+  [Amazon EC2 VT1 实例](https://aws.amazon.com/ec2/instance-types/vt1/) 
+  [Amazon Elastic Graphics](https://docs.aws.amazon.com/AWSEC2/latest/WindowsGuide/elastic-graphics.html)