# 硬體模式
<a name="a-sus-hardware-patterns"></a>

**Topics**
+ [SUS 5 您的硬體管理和使用實務如何支持您的永續性發展目標？](w2aac19c15c13b5.md)

# SUS 5 您的硬體管理和使用實務如何支持您的永續性發展目標？
<a name="w2aac19c15c13b5"></a>

透過變更硬體管理實務，尋求降低工作負載永續性影響的機會。將佈建和部署所需的硬體量降至最低，並為個別工作負載選擇最高效率的硬體。 

 最佳實務： 

# SUS05-BP01 使用最低數量的硬體來滿足需求
<a name="sus_sus_hardware_a2"></a>

 使用雲端功能，您可以頻繁變更工作負載實作。隨著需求變更，更新已部署的元件。 

 **若未建立此最佳實務，暴露的風險等級：** 中 

## 實作指引
<a name="implementation-guidance"></a>
+  啟用水平擴展，並使用自動化在負載增加時擴展、在負載減少時縮減。 
+  針對變動工作負載，以較小的增量進行擴展。 
+  當負載隨著天、週、月或年而變化，讓擴展程度符合週期性使用模式 (例如，薪資系統每雙週會有密集的處理活動)。 
+  協商服務水準協議 (SLA)，允許暫時減少容量，同時自動化部署更換資源。 

## 資源
<a name="resources"></a>

 **相關文件：** 
+  [AWS Compute Optimizer 文件](https://docs.aws.amazon.com/compute-optimizer/index.html) 
+  [操作 Lambda：效能優化](https://aws.amazon.com/blogs/compute/operating-lambda-performance-optimization-part-2/) 
+  [Auto Scaling 文件](https://docs.aws.amazon.com/autoscaling/index.html) 

# SUS05-BP02 使用影響最小的執行個體類型
<a name="sus_sus_hardware_a3"></a>

 持續關注新執行個體類型的發佈，並運用能源效率改進，包括旨在支援特定工作負載 (例如機器學習訓練、推論和影片轉碼) 的執行個體類型。 

 **常見的反模式：** 
+  您僅使用一個執行個體系列。 
+  您僅使用 x86 執行個體。 
+  您在 Amazon EC2 Auto Scaling 組態中指定了一個執行個體類型。 
+  您以不符合設計宗旨的方式使用 AWS 執行個體 (例如，您將運算優化的執行個體用於記憶體密集型工作負載)。 
+  您未定期評估新的執行個體類型。 
+  您未查看 AWS 適當調整大小的工具 (例如 [AWS Compute Optimizer) 提供的建議。](https://aws.amazon.com/compute-optimizer/) 

 **建立此最佳實務的優勢：** 藉由使用節能且適當調整大小的執行個體，將可大幅降低環境受到的影響以及工作負載成本。 

 **未建立此最佳實務時的曝險等級：** 低 

## 實作指引
<a name="implementation-guidance"></a>
+  了解並探索可降低工作負載環境影響的執行個體類型。 
  +  訂閱 [AWS 最新消息](https://aws.amazon.com/new/) ，隨時掌握最新的 AWS 技術和執行個體。 
  +  了解不同的 AWS 執行個體類型。 
  +  觀看下列資源，了解 AWS Graviton 型執行個體如何在 Amazon EC2 中的能源使用提供最佳效能功耗比。 [re:Invent 2020 - 深入探討搭載 AWS Graviton2 處理器的 Amazon EC2 執行個體](https://www.youtube.com/watch?v=NLysl0QvqXU) 和 [深入探討 AWS Graviton3 和 Amazon EC2 C7g 執行個體](https://www.youtube.com/watch?v=WDKwwFQKfSI&ab_channel=AWSEvents)。 
+  進行相關規劃，將工作負載轉移至影響程度最低的執行個體類型。 
  +  定義一個程序來評估工作負載的新功能和執行個體。利用雲端的靈活性快速測試新功能類型對您的工作負載環境永續性有何改善。使用代理指標，測量您需要多少資源才能完成一個工作單位。 
  +  如果可行，請修改工作負載，以使用不同數量的 CPU 和不同數量的記憶體，從而最大化您選擇執行個體類型的空間。 
  +  考慮將您的工作負載轉移至 Graviton 型執行個體，以改善工作負載的效能效率 (請參閱 [AWS Graviton Fast Start](https://aws.amazon.com/ec2/graviton/fast-start/) 和 [AWS Graviton2 for ISVs](https://docs.aws.amazon.com/whitepapers/latest/aws-graviton2-for-isv/welcome.html)) 建立持續整合/持續部署 (CI/CD) 管道。請留意 [將工作負載轉移至 AWS Graviton 型 Amazon Elastic Compute Cloud 執行個體時所需考量的事項。](https://github.com/aws/aws-graviton-getting-started/blob/main/transition-guide.md) 
  +  請考慮選取 AWS Graviton 選項 (在您要使用的 [AWS 受管服務中)。](https://github.com/aws/aws-graviton-getting-started/blob/main/managed_services.md) 
  +  將工作負載遷移至有執行個體對永續性影響最小，且仍符合業務要求的區域。 
  +  對於機器學習工作負載，請使用採用自訂 Amazon Machine Learning 晶片的 Amazon EC2 執行個體，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) 適當調整 ML 推論端點的大小。 
  +  對於具有即時視訊轉碼的工作負載，請使用 [Amazon EC2 VT1 執行個體。](https://aws.amazon.com/ec2/instance-types/vt1/) 
  +  對於激增的工作負載 (不常需要額外容量的工作負載)，請使用 [高載效能執行個體。](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/burstable-performance-instances.html) 
  +  對於無狀態和容錯工作負載，請使用 [Amazon EC2 Spot 執行個體](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/using-spot-instances.html) 提高雲端整體使用率，並減少未使用資源的永續性影響。 
+  操作並優化您的工作負載執行個體。 
  +  對於暫時性工作負載，請評估 [執行個體 Amazon CloudWatch 指標](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/viewing_metrics_with_cloudwatch.html#ec2-cloudwatch-metrics) (例如 `CPUUtilization` )，以確認執行個體是否閒置或未充分利用。 
  +  對於穩定的工作負載，請定期檢查 AWS 適當調整大小的工具 (例如 [AWS Compute Optimizer](https://aws.amazon.com/compute-optimizer/) )，以找出對執行個體進行優化和適當調整大小的機會。 

## 資源
<a name="resources"></a>

 **相關文件：** 
+  [優化您的 AWS 永續性基礎架構，第 I 部分：運算](https://aws.amazon.com/blogs/architecture/optimizing-your-aws-infrastructure-for-sustainability-part-i-compute/) 
+  [AWS Graviton 處理器](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 高載效能執行個體](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/burstable-performance-instances.html) 
+  [Amazon EC2 容量保留機群](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/cr-fleets.html) 
+  [Amazon EC2 Spot 機群](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/spot-fleet.html) 
+  [Amazon EC2 Spot 執行個體](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/using-spot-instances.html) 
+  [Amazon EC2 VT1 執行個體](https://aws.amazon.com/ec2/instance-types/vt1/) 
+  [Amazon EC2 執行個體類型](https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/instance-types.html) 
+  [AWS Compute Optimizer](https://aws.amazon.com/compute-optimizer/) 
+  [函數：Lambda 函數組態](https://docs.aws.amazon.com/lambda/latest/dg/best-practices.html#function-configuration) 

 **相關影片：** 
+  [深入探討搭載 AWS Graviton2 處理器的 Amazon EC2 執行個體](https://www.youtube.com/watch?v=NLysl0QvqXU) 
+  [深入探討 AWS Graviton3 和 Amazon EC2 C7g 執行個體](https://www.youtube.com/watch?v=WDKwwFQKfSI&ab_channel=AWSEvents) 

 **相關範例：** 
+  [實驗室：適當調整大小的建議](https://wellarchitectedlabs.com/cost/100_labs/100_aws_resource_optimization/) 
+  [實驗室：使用 Compute Optimizer 適當調整大小](https://wellarchitectedlabs.com/cost/200_labs/200_aws_resource_optimization/) 
+  [實驗室：優化硬體模式和觀察續性 KPI](https://wellarchitectedlabs.com/sustainability/200_labs/200_optimize_hardware_patterns_observe_sustainability_kpis/) 

# SUS05-BP03 使用受管服務
<a name="sus_sus_hardware_a4"></a>

 受管服務可將維持高平均使用率和已部署硬體的永續性最佳化責任轉移給 AWS。使用受管服務，將服務的永續性影響分散給服務的所有租用戶，降低您的個人佔比。 

 **若未建立此最佳實務，暴露的風險等級為：** 低 

## 實作指引
<a name="implementation-guidance"></a>
+  將自我託管服務遷移到受管服務。例如，使用受管 [Amazon Relational Database Service (Amazon RDS)](https://aws.amazon.com/rds/) ，而非在 [Amazon Elastic Compute Cloud (Amazon EC2)](https://aws.amazon.com/ec2/)上維護您自己的 Amazon RDS 執行個體，或使用受管容器服務，例如 [AWS Fargate](https://aws.amazon.com/fargate/)，而非實作您自己的容器基礎設施。 

## 資源
<a name="resources"></a>

 **相關文件：** 
+  [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 優化 GPU 的使用
<a name="sus_sus_hardware_a5"></a>

 圖形處理器 (GPU) 可能是高功耗的來源，許多 GPU 工作負載會高度變動，例如渲染、轉碼以及機器學習訓練和建模。只在需要時執行 GPU 執行個體，並在不需要時自動除役，以將資源消耗降至最低。 

 **若未建立此最佳實務，暴露的風險等級：** 低 

## 實作指引
<a name="implementation-guidance"></a>
+  只把 GPU 用於比 CPU 型替代方案更具效率的任務。 
+  使用自動化來釋出不使用的 GPU 執行個體。 
+  使用靈活的圖形加速，而不是專用的 GPU 執行個體。 
+  運用專屬於您工作負載的自訂用途硬體。 

## 資源
<a name="resources"></a>

 **相關文件：** 
+  [加速運算](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 執行個體的加速運算](https://aws.amazon.com/ec2/instance-types/#Accelerated_Computing) 
+  [Amazon EC2 VT1 執行個體](https://aws.amazon.com/ec2/instance-types/vt1/) 
+  [Amazon Elastic Graphics](https://docs.aws.amazon.com/AWSEC2/latest/WindowsGuide/elastic-graphics.html)