Autorisierungserklärung:Dieser Artikel autorisiert den offiziellen Amazon Cloud Technology-Artikel, die Rechte weiterzuleiten und umzuschreiben, einschließlich, aber nicht beschränkt auf Developer Center, Zhihu, Self-Media-Plattformen und Dritte -Party-Entwickler Medien und andere offizielle Kanäle von Amazon Cloud Technology
Inhaltsverzeichnis
(2) Hauptbestandteile der Seite
2. AWS EC2-Instanztypen und anwendbare Szenarien
3. Gemeinsame Indikatoren und Attribute von Instanzen
4. Liste der Instanztypdetails
1. AWS-Preisrechner
(1) Preisrechner-Netzwerk
Offizielle Website-Adresse des AWS-Cloud-Dienstes
https://aws.amazon.com/cn/
Mit dem Preisrechner können Sie nach passenden Instanztypen filtern und ein Angebot einholen.
(2) Hauptbestandteile der Seite
① Anmelden
- Diese Seite enthält Links zu wichtigen Ressourcen.
- Zum Beispiel: dieses Benutzerhandbuch, Marketing-FAQs und Preisannahmen< a i=4>.
- Link:[AWS-Preisrechner · Anmeldeseite] AWS-Preisrechner
② Dienste hinzufügen
- Wenn Sie mit der Erstellung eines Kostenvoranschlags beginnen, navigieren Sie zur Seite „Service hinzufügen“.
- Diese Seite enthält Rechner für alle vom AWS-Preisrechner unterstützten Dienste.
- Jeder Dienst verfügt über einen Rechner, und in manchen Fällen unterstützt ein einzelner Rechner mehrere Dienste.
- Verwenden Sie das Suchmenü, um einen Dienstnamen oder ein Schlüsselwort einzugeben. Weitere Informationen zu jedem Dienst finden Sie über den Link Produktseite.
- Link:[AWS-Preisrechner · Serviceprodukte] AWS-Preisrechner
③ Zusätzlicher Verlust
- Verwenden Sie die Seite „Rechner konfigurieren“, um benutzerdefinierte Details für den Servicerechner einzugeben.
- Zu den Informationen gehören eine Beschreibung (optional), die Auswahl der AWS-Region, für die die Schätzung erstellt werden soll, und andere Eingaben für den Service basierend auf der Instanzauswahl.
- Sehen Sie sich Schätzungen an und sehen Sie sich die Berechnungen hinter jeder Schätzung an.
- Sie können ausgewählte Serviceschätzungen zur Seite „Meine Schätzungen“ hinzufügen, indem Sie am Ende der Seite auf „Zu Meine Schätzungen hinzufügen“ klicken.
- Link (Beispiel: kann die Navigation zu einzelnen Servicerechnern anpassen):[AWS-Preisrechner · Schätzung hinzufügen] AWS-PreisrechnerAWS-Preisrechner ermöglicht es Ihnen, AWS-Services zu erkunden und eine Kostenschätzung für Ihre Anwendungsfälle auf AWS zu erstellen.
④ Meine Schätzung
4. Meine Kostenvoranschlagsseite
- Schätzungszusammenfassung: Dieser Abschnitt zeigt Vorabkosten, Geschätzte monatliche Kosten und 12-Monats-Gesamtkosten Kosten . Die Gesamtkosten für 12 Monate sind die Summe aller Schätzungen und Gruppierungen und kombinieren Vorab- und monatliche Kosten. Prepaid-Gebührenzeigen Sie die Gebühren an, mit denen Sie bei der Einrichtung Ihres Dienstes rechnen können. Monatliche Kostensind der Betrag, den Sie in aufeinanderfolgenden Monaten voraussichtlich ausgeben werden.
- Gruppen und Meine Schätzungen: Dies ist der persönliche Warenkorbbereich, der zeigt, was eine Person hat Wählen Sie die Service-Rechnerliste aus, in der Sie weitere Services hinzufügen können, und verwenden Sie die Suchleiste, um Schlüsselwörter einzugeben, um frühere Service-Kostenvoranschläge zu finden.
- Auf dieser Seite können Sie Kostenvoranschläge in eine CSV- oder PDF-Datei exportieren, einen Link zum Kostenvoranschlag freigeben und zur AWS-Konsole navigieren, um sich anzumelden oder ein Konto zu erstellen.
- Produktübersicht:【AWS-Preisrechner · AWS-PreisrechnerMit dem AWS-Preisrechner können Sie AWS-Services erkunden und erstellen eine Schätzung der Kosten Ihrer Anwendungsfälle auf AWS.
Beachten:
AWS bietet ein kostenloses Kontingent an, mit dem Sie bestimmte AWS-Dienste kostenlos testen können. Das kostenlose Kontingent deckt nur die Nutzung auf bestimmten Instanzen oder für einen begrenzten Zeitraum ab. Sofern nicht ausdrücklich anders angegeben, ist das kostenlose Kontingent nicht in Ihrer Schätzung des AWS-Preisrechners enthalten. Der AWS-Preisrechner geht davon aus, dass Sie das kostenlose Kontingent nicht nutzen und berücksichtigt keine auslaufenden kostenlosen Kontingente in der Schätzung.
2. AWS EC2 Instanztypen und anwendbare Szenarien
Zusammenfassung: Sie können den geeigneten Instanztyp basierend auf den Anforderungen und dem Budget Ihrer Arbeitslast auswählen. Darüber hinaus sollten Sie auch die Verwendung des geeigneten Instanztyps, der entsprechenden Region und des Betriebssystems in Betracht ziehen.
(1)t-Reihe
- Merkmale der T-Serie:Geringe Belastung, niedrige Kosten.
- Rechen- und Speicherressourcen:Verfügt über geringe Rechen- und Speicherressourcen.
- Anwendbare Umgebung:Geeignet für Anwendungen mit geringer Auslastung und Entwicklungs-/Testumgebungen, nicht geeignet für Vorabversions-/offizielle Umgebungen.
- Anwendbare Verwendungszwecke:Es handelt sich um eine kostengünstige Allzweckinstanz, die hauptsächlich für einfache Anwendungen und temporäre Arbeitslasten verwendet wird.
- Anwendbare Branchen:Anwendbar für die meisten Branchen, z. B. Internet, E-Commerce, Regierungsangelegenheiten, medizinische Versorgung, soziale Netzwerke, Bildung, Finanzen, Nachrichten und Informationen usw.
Anwendbar auf die folgenden Szenarien:
Entwicklungs- und Testumgebungen:Instanzen der t-Serie eignen sich für den Einsatz in Entwicklungs- und Testumgebungen und bieten die Flexibilität, Instanzen bei Bedarf zu erstellen und herunterzufahren, um den Anforderungen der Entwicklung gerecht zu werden und Testarbeitszyklen.
Websites und Anwendungen mit geringem Datenverkehr:Für Websites und Anwendungen mit geringem Datenverkehr können Instanzen der T-Serie ausreichend Rechen- und Speicherressourcen sowie flexible Erweiterungs- und Verwaltungsfunktionen bereitstellen.
Kleine Anwendungsbereitstellungen:Instanzen der t-Serie eignen sich zum Hosten kleiner Anwendungen und Microservices, insbesondere wenn keine dauerhafte Hochleistungsberechnung und große Speicherkapazität erforderlich sind.
Temporäre Arbeitslast:Instanzen der t-Serie eignen sich für die Verarbeitung kurzfristiger, nicht anhaltender Arbeitslasten, wie z. B. Batch-Datenverarbeitung, regelmäßige Sicherungen, periodische Datenverarbeitungsaufgaben usw.
Beachten:
- Die Ressourcenzuteilung für Instanzen der T-Serie basiert auf der CPU-Auslastung. Wenn die CPU-Auslastung hoch ist, erhält die Instanz mehr CPU-Ressourcen, kann aber auch durch CPU-Credits begrenzt sein.
- Daher müssen für Workloads, die eine anhaltend hohe Leistung oder große Speicherkapazität erfordern, möglicherweise andere Instanztypen in Betracht gezogen werden.
- Die konkrete Wahl eines geeigneten Instanztyps der T-Serie sollte auf der Grundlage der Arbeitslastanforderungen und Budgetbeschränkungen bewertet werden.
- Weitere Informationen erhalten Sie in der AWS-Dokumentation oder bei einem AWS-Lösungsarchitekten.
(2)m-Serie
- Merkmale der m-Serie:Mittlere Belastung, mittlere Kosten.
- Rechen- und Speicherressourcen:Verfügt über moderate Rechen- und Speicherressourcen.
- Anwendbare Umgebung:Geeignet für Anwendungen mit mittlerer Auslastung und Entwicklungs-/Test-/Vorabversions-/formelle Umgebungen. In der Entwicklungs-/Testumgebung kommt es zu einer Verschwendung von Ressourcen. Es Es wird empfohlen, es eher in der Vorab-/Produktionsumgebung zu verwenden. Basierend auf den tatsächlichen Anforderungen können Sie M-Serie-Instanzen mit niedrigeren Spezifikationen in Entwicklungs- und Testumgebungen verwenden und Instanzen mit höheren Spezifikationen in Staging- und Produktionsumgebungen für eine bessere Leistung verwenden.
- Anwendbare Verwendungszwecke: Wird hauptsächlich für allgemeine und mittelgroße Anwendungen verwendet und eignet sich für Anwendungen und Dienste mittlerer Auslastung, z. B. Webanwendungen, Anwendungsserver, kleine und mittlere Anwendungen Datenbankanwendungen usw. . Es bietet Unternehmen kostengünstige Rechenfunktionen und wird häufig in verschiedenen Geschäftsszenarien eingesetzt.
- Anwendbare Branchen:Anwendbar für die meisten Branchen, wie E-Commerce, Regierungsangelegenheiten, medizinische Versorgung, soziale Netzwerke, Bildung, Finanzen, Nachrichten und Informationen usw.
- Kostenkontrolle:Durch die Verwendung von M-Series-Instanzen können Sie Instanzen bei Bedarf flexibel erstellen und herunterfahren und so die Kosten effektiv kontrollieren und gleichzeitig ausreichend Ressourcen für Anwendungen bereitstellen.
Anwendbar auf die folgenden Szenarien:
Webserver:Instanzen der m-Serie eignen sich zum Hosten von Webservern und Anwendungsservern. Mittlere Rechen- und Speicherressourcen können Websites und Anwendungen mit mittlerem Datenverkehr unterstützen und gute Antwortgeschwindigkeiten bieten. und Skalierbarkeit.
Entwicklungs- und Testumgebungen:Instanzen der m-Serie eignen sich für den Einsatz in Entwicklungs- und Testumgebungen und bieten die Flexibilität, Instanzen bei Bedarf zu erstellen und herunterzufahren, um den Anforderungen der Entwicklung gerecht zu werden und Testarbeitszyklen.
Anwendungen mit mittlerem Datenverkehr:Für Anwendungen mit mittlerem Datenverkehr können m-Series-Instanzen ausreichend Rechen- und Speicherressourcen mit guter Skalierbarkeit und Verwaltungsfunktionen bereitstellen, um auf Geschäftswachstumsanforderungen zu reagieren.
Datenbankserver:Für Datenbankserver, die moderate Rechen- und Speicherressourcen erfordern, können Instanzen der M-Serie eine gute Abfrageleistung und Datenverarbeitungsfunktionen bieten und gängige relationale Datenbanksysteme unterstützen, z wie MySQL, PostgreSQL usw.
Beachten:
- Die m-Serie kann auch für Anwendungen mit geringer Last geeignet sein, es muss jedoch anhand der tatsächlichen Situation bewertet werden, ob sie zu ressourcenverschwendend ist.
- Die Auswahl des geeigneten Instance-Typs der m-Serie sollte auf der Grundlage der Arbeitslastanforderungen und Budgetbeschränkungen erfolgen.
- Weitere Informationen erhalten Sie in der AWS-Dokumentation oder bei einem AWS-Lösungsarchitekten.
(3)c-Serie
- Merkmale der C-Serie:Hohe Belastung, hohe Kosten.
- Computer und Speicher:Verfügen Sie über leistungsstarke Computer- und Speicherressourcen. Bei der Instanzkonfiguration stehen die Rechenleistung der CPU und große Mengen an Speicherressourcen im Vordergrund, um Hochleistungsrechen- und Speicheranforderungen zu erfüllen.
- Anwendbare Umgebung:Geeignet für Hochlastanwendungen und Entwicklungs-/Test-/Vorabversions-/formelle Umgebungen. In der Entwicklungs-/Testumgebung werden Ressourcen verschwendet Es eignet sich besser für die Vorproduktion. Release-/Produktionsumgebung. Basierend auf den tatsächlichen Anforderungen können Sie Instanzen der c-Serie mit niedrigeren Spezifikationen in Entwicklungs- und Testumgebungen verwenden und Instanzen mit höheren Spezifikationen in Staging- und Produktionsumgebungen verwenden, um eine bessere Leistung zu erzielen.
- Anwendbare Verwendungszwecke:Besonders geeignet für rechenintensive Arbeitslasten und Szenarien, die eine hohe CPU-Leistung erfordern. Es eignet sich für Anwendungen, die eine hohe CPU-Leistung und große Mengen an Speicherressourcen zur Datenverarbeitung erfordern und Rechenaufgaben ausführen. Anwendungsszenarien. In Anwendungsszenarien, die leistungsstarke Rechenleistung und Speicherkapazität zur Verarbeitung großer Datensätze erfordern, können Instanzen der c-Serie leistungsstarke Rechenressourcen mit geringer Latenz bereitstellen.
- Anwendbare Branchen:Anwendbar für die meisten Branchen, wie E-Commerce, Regierungsangelegenheiten, medizinische Versorgung, soziale Netzwerke, Bildung, Finanzen, Nachrichten und Informationen usw. Insbesondere für Branchen, die große Datensätze verarbeiten und Hochleistungsrechnen durchführen müssen, für groß angelegte Internetanwendungen, wissenschaftliche Modellierung, wissenschaftliche Simulation, wissenschaftliche Forschung, Finanzhandelsplattformen, Finanzanalyse, Multimedia-Verarbeitung, Rendering, maschinelles Lernen usw Künstliche Intelligenz usw. Die C-Serie bietet leistungsstarke Rechen- und Speicherressourcen, um den Anforderungen hochbelasteter Anwendungen gerecht zu werden. Darüber hinaus eignet es sich auch für Anwendungen, die leistungsstarke Rechen- und Speicherkapazitäten erfordern, wie z. B. Audio- und Video-Liveübertragungen und Modellierungssoftware.
- Kostenkontrolle:Bei der Verwendung von Instanzen der C-Serie müssen Sie auf deren hohe Kosten achten. Berücksichtigen Sie bei der Auswahl eines Instanztyps Ihre Arbeitslastanforderungen und Budgetbeschränkungen. Um die Kosten zu senken, sollten Sie für eine bessere Leistung die Verwendung relativ niedrigerer Spezifikationen in Entwicklungs-/Testumgebungen und höherer Spezifikationen in Vorabversions-/Produktionsumgebungen in Betracht ziehen. Darüber hinaus können Anzahl und Spezifikationen der Instanzen je nach Auslastung flexibel angepasst werden, um die Ressourcenauslastung und die Kosteneffizienz zu verbessern.
Anwendbar auf die folgenden Szenarien:
Vier große Hochleistungsrechner (HPC):Instanzen der c-Serie eignen sich für Hochleistungsrechner-Workloads, die umfangreiches paralleles Rechnen, wissenschaftliche Simulationen, Finanzanalysen usw. erfordern . Sie bieten leistungsstarke Rechenleistung und Netzwerkleistung mit geringer Latenz, wodurch die Ausführung rechenintensiver Aufgaben effektiv beschleunigt werden kann.
Datenanalyse und Big-Data-Verarbeitung:Für Anwendungen, die eine umfangreiche Datenanalyse und -verarbeitung erfordern, bieten Instanzen der C-Serie Hochgeschwindigkeits-Rechen- und Speicherressourcen, die effektiv beschleunigen können Erhöhen Sie die Aufgabe, die Ausführungsgeschwindigkeit und verarbeiten Sie große Datenmengen in parallelen Berechnungen.
Medienverarbeitung und -rendering:Für rechenintensive Anwendungen wie Medienverarbeitung, Bildrendering und Videokodierung bieten Instanzen der c-Serie eine Hochleistungsverarbeitung, um Medienaufgaben zu beschleunigen und die Arbeitseffizienz verbessern.
Maschinelles Lernen und künstliche Intelligenz:Instanzen der c-Serie eignen sich für Aufgaben des maschinellen Lernens und der künstlichen Intelligenz, wie zum Beispiel das Training von Deep-Learning-Modellen, Bilderkennung und Verarbeitung natürlicher Sprache. Sie stellen leistungsstarke Rechenressourcen und optimierte Beschleuniger für neuronale Netze bereit, um den Modelltrainings- und Inferenzprozess zu beschleunigen.
Beachten:
- Instances der c-Serie sind in der Regel mit höheren Kosten verbunden, daher müssen bei Ihrer Auswahl Ihre Arbeitslastanforderungen und Budgetbeschränkungen berücksichtigt werden.
- Um die Kosten zu senken, können Sie für eine bessere Leistung auch die Verwendung relativ niedrigerer Spezifikationen in Entwicklungs-/Testumgebungen und höherer Spezifikationen in Vorabversions-/Produktionsumgebungen in Betracht ziehen.
- Bei der Nutzung müssen Kosten- und Leistungsanforderungen berücksichtigt werden, um die Ressourcennutzung zu optimieren und die Kosten zu kontrollieren.
- Weitere Informationen erhalten Sie in der AWS-Dokumentation oder bei einem AWS-Lösungsarchitekten.
(4)r-Serie
- Funktionen der r-Serie:Speicherintensive Arbeitslast, extrem hohe Kosten.
- Computing und Speicher:Verfügt über große Speicherressourcen, geeignet für speicherintensive Arbeitslasten und große Datenbankanwendungen. Instanzen bieten große Mengen an Speicherkapazität, um große Speicher- und Rechenanforderungen zu erfüllen.
- Anwendbare Umgebung:Anwendbar für Entwicklungs-/Test-/Vorabversions-/formelle Umgebung. In der Entwicklungs-/Testumgebung kommt es zu einer Verschwendung von Ressourcen, und diese werden eher in der Vorabversions-/formalen Umgebung verwendet. Basierend auf den tatsächlichen Anforderungen können Sie Instances der R-Serie mit niedrigeren Spezifikationen in Entwicklungs- und Testumgebungen verwenden und Instanzen mit höheren Spezifikationen in Staging- und Produktionsumgebungen verwenden, um eine bessere Leistung zu erzielen.
- Anwendbare Verwendungszwecke:Geeignet für Anwendungsszenarien, die eine große Menge an Speicherressourcen zur Verarbeitung von Daten erfordern. Es wird hauptsächlich für speicherintensive Arbeitslasten und große Datenbankanwendungen verwendet. Es ist geeignet für speicherintensive Workloads, wie In-Memory-Datenbanken und Echtzeitanalysen. Wird hauptsächlich in In-Memory-Datenbanken, Caches, Echtzeitanalysen, großen Datenbankanwendungen usw. verwendet. Sie eignen sich für den Einsatz in relationalen Datenbanksystemen (wie MySQL, Oracle) und NoSQL-Datenbanken (wie MongoDB, Redis) usw.
- Anwendbare Branchen:Instances der r-Serie eignen sich für mehrere Branchen, insbesondere für Branchen, die große Mengen an Speicherressourcen benötigen, um die Datenverarbeitung und rechenintensive Aufgaben wie die Finanzbranche zu beschleunigen Industrie, Elektronikindustrie, Gesundheitswesen, wissenschaftliche Forschung usw.
- Kostenkontrolle:Es ist wichtig zu beachten, dass Instanzen der R-Serie im Vergleich zu anderen Instanztypen höhere Kosten verursachen können. Um die Kosten zu kontrollieren, können Sie den Speicherressourcenbedarf anhand des tatsächlichen Bedarfs bewerten und geeignete Instanzspezifikationen auswählen. Darüber hinaus können On-Demand-Instanzen für Kostenflexibilität mit Reserved Instances kombiniert werden. Darüber hinaus können Sie die Nutzung der Speicherressourcen von Instanzen der R-Serie maximieren, indem Sie den Anwendungscode und das Ressourcenmanagement optimieren, um die Kosteneffizienz zu verbessern.
Anwendbar auf die folgenden Szenarien:
Speicherintensive Anwendungen: Die Instanzen der r-Serie eignen sich für Anwendungen, die große Mengen an Speicherressourcen zur Verarbeitung von Daten benötigen, wie z. B. In-Memory-Datenbanken, Caches oder Echtzeit Analytik usw. Sie bieten reichlich Speicherkapazität und können umfangreiche Speicherspeicherung und Datenverarbeitung unterstützen.
Große Datenbankanwendungen:Für Anwendungen, die große Datenbanken oder Datensätze verarbeiten müssen, bieten Instanzen der R-Serie ausreichend Speicherressourcen, um den Datenzugriff und die Abfragen zu beschleunigen. Sie eignen sich für relationale Datenbanksysteme (wie MySQL, Oracle usw.) und NoSQL-Datenbanken (wie MongoDB, Redis usw.).
Speichercache: Die Instanzen der r-Serie eignen sich zum Aufbau von Cache-Systemen wie Redis, Memcached usw. Sie verfügen über einen effizienten Speicherzugriff und eine geringe Latenz und können schnelle Daten-Caching-Dienste bereitstellen.
Groß angelegtes Caching:Instanzen der R-Serie können als Cache-Server verwendet werden, um umfangreiche Daten-Caching-Anforderungen zu bewältigen.
Datenanalyse und -verarbeitung:Für Anwendungen, die eine umfangreiche Datenanalyse und -verarbeitung erfordern, stellen Instanzen der R-Serie große Mengen an Speicherressourcen bereit, um die Datenverarbeitung und rechenintensive Aufgaben zu beschleunigen . Ausführung. Instanzen der R-Serie können reichlich Speicherressourcen zur Verarbeitung großer Datenmengen nutzen und eignen sich für Data-Mining- und Analyseanwendungen.
Relationale Datenbank: Die Instanzen der r-Serie bieten eine große Menge an Speicherkapazität und eignen sich für die Bereitstellung von Datenbankanwendungen, die große Mengen an Speicherressourcen benötigen, wie etwa relationale Datenbanken (wie MySQL). , Oracle usw.).
NoSQL-Datenbank: Die Instanzen der r-Serie eignen sich für die Bereitstellung von NoSQL-Datenbanken wie MongoDB, Redis und anderen In-Memory-Datenbanken. Diese Datenbanken erfordern effizientes Speicher-Caching für hohe Geschwindigkeit Lesen und Schreiben großer Datenmengen.
In-Memory-Datenbank:Instanzen der R-Serie eignen sich für die Bereitstellung von In-Memory-Datenbanken wie SAP HANA usw. Hochgeschwindigkeits-Lesen, Schreiben und Verarbeiten des Speichers sind sehr wichtig für solche Anwendungen.
Beachten:
- R-Series-Instances können im Vergleich zu anderen Instance-Typen höhere Kosten verursachen.
- Daher müssen Speicherressourcenanforderungen und Budgetbeschränkungen bei der Auswahl auf der Grundlage des tatsächlichen Bedarfs bewertet werden.
- Um die Kosten zu senken, können Sie für eine bessere Leistung auch die Verwendung relativ niedrigerer Spezifikationen in Entwicklungs-/Testumgebungen und höherer Spezifikationen in Vorabversions-/Produktionsumgebungen in Betracht ziehen.
- Weitere Informationen erhalten Sie in der AWS-Dokumentation oder bei einem AWS-Lösungsarchitekten.
(5)i-Serie
- Funktionen der i-Serie:E/A-intensive Arbeitsbelastung, extrem hohe Kosten. Ideal für Workloads, die umfangreiche I/O-Vorgänge und schnelle Rechenleistung erfordern.
- Computing und Speicher: bietet leistungsstarke Computing- und Speicherfunktionen, ausgestattet mit schnelleren CPUs und umfangreichen Speicherressourcen. Geeignet für Workloads, die die Verarbeitung großer Datenmengen und die Durchführung schneller Rechenvorgänge erfordern, wie z. B. die Speicherung von NoSQL-Datenbanken, Big-Data-Analysen, Unternehmensanwendungen usw.
- Anwendbare Umgebung:Gilt für Entwicklungs-/Test-/Vorabversions-/formelle Umgebungen. In der Entwicklungs-/Testumgebung werden Ressourcen verschwendet und sind daher besser geeignet Vorab-/formelle Umgebungen. Basierend auf den tatsächlichen Anforderungen können Sie i-Series-Instanzen mit niedrigeren Spezifikationen in Entwicklungs- und Testumgebungen verwenden und Instanzen mit höheren Spezifikationen in Staging- und Produktionsumgebungen verwenden, um eine bessere Leistung zu erzielen.
- Anwendbare Verwendungszwecke:Geeignet für Anwendungsszenarien, die große Mengen an E/A-Vorgängen und schnelle Rechenfunktionen erfordern, wie zum Beispiel die Speicherung von NoSQL-Datenbanken (wie Cassandra, MongoDB, Couchbase usw.). .), Big-Data-Analyse, Unternehmensanwendungen (wie SAP, Oracle usw.), OLTP-Systeme (Online-Transaktionsverarbeitung), Unternehmensanwendungen (wie SAP HANA usw.), große I/O-intensive Anwendungen, Data Warehouses usw.
- Anwendbare Branchen:Anwendbar in mehreren Branchen, insbesondere für Anwendungen in den Bereichen Hochleistungsrechnen und Big-Data-Verarbeitung, wie z. B. Finanzindustrie, E-Commerce, Internet, wissenschaftliche Forschung usw.
- Kostenkontrolle:Instanzen der i-Serie können im Vergleich zu anderen Instanztypen höhere Kosten verursachen. Um die Kosten zu kontrollieren, können Sie den Bedarf an Rechen- und Speicherressourcen anhand des tatsächlichen Bedarfs bewerten und geeignete Instanzspezifikationen auswählen. Darüber hinaus können On-Demand-Instanzen für Kostenflexibilität mit Reserved Instances kombiniert werden. Sie können auch die Rechen- und Speicherressourcen Ihrer i-Series-Instanzen maximieren, um die Kosteneffizienz zu steigern, indem Sie Amazon EBS-Volumes verwenden, Anwendungscode, Ressourcenmanagement und mehr optimieren.
Anwendbar auf die folgenden Szenarien:
- Große E/A-intensive Anwendungen: Bietet schnellere CPU- und große Speicherressourcen, geeignet für Arbeiten, die umfangreiche E/A-Vorgänge und schnelle Rechenleistung erfordern Lasten wie Speicher-NoSQL-Datenbanken (wie Cassandra, MongoDB usw.), OLTP-Systeme (Online-Transaktionsverarbeitung), Unternehmensanwendungen (wie SAP HANA usw.) usw.
- Big-Data-Plattform:Geeignet für Anwendungen, die große Datenmengen verarbeiten müssen, wie Hadoop, Spark und andere Big-Data-Analyseplattformen. i-Instanzen bieten viel Speicherplatz und effiziente Rechenressourcen, wodurch die Ausführung von Datenverarbeitungs- und rechenintensiven Aufgaben beschleunigt werden kann.
- Unternehmensanwendungen: Geeignet für Unternehmensanwendungen, die leistungsstarke Rechen- und Speicherressourcen wie SAP HANA und andere ERP- und CRM-Systeme sowie eine Datenverarbeitung mit hohen Anforderungen erfordern , Data Warehouse und andere Arbeitsbelastung.
- Wissenschaftliches Rechnen und technisches Design: Geeignet für Anwendungen, die leistungsstarke Rechenfunktionen erfordern, wie z. B. komplexe Modelle der Strömungsmechanik, molekulare Simulationen, Finite-Elemente-Analyse und andere wissenschaftliche Computer- und technische Designanwendungen .
Beachten:
- Für Instanzen der i-Serie können im Vergleich zu anderen Instanztypen höhere Kosten anfallen.
- Bei der Auswahl müssen Sie den Speicherressourcenbedarf und die Budgetbeschränkungen auf der Grundlage des tatsächlichen Bedarfs bewerten.
- Um die Kosten zu senken, können Sie für eine bessere Leistung auch die Verwendung relativ niedrigerer Spezifikationen in Entwicklungs-/Testumgebungen und höherer Spezifikationen in Vorabversions-/Produktionsumgebungen in Betracht ziehen.
- Für Kostenflexibilität können Sie On-Demand-Instanzen mit reservierten Instanzen kombinieren.
- Sie können auch die Nutzung der Rechen- und Speicherressourcen der i-Series-Instanzen maximieren, indem Sie Amazon EBS-Volumes verwenden, Anwendungscode, Ressourcenverwaltung und mehr optimieren, um die Kosteneffizienz zu verbessern.
- Weitere Informationen erhalten Sie in der AWS-Dokumentation oder bei einem AWS-Lösungsarchitekten.
(6)g-Serie
- Funktionen der g-Serie:Grafikintensive Arbeitslast, extrem hohe Kosten.
- Rechner und Speicher: verfügt über leistungsstarke Rechen- und Speicherfunktionen, hauptsächlich durch die GPU (Graphics Processor Unit), um eine leistungsstarke Verarbeitung grafikintensiver Arbeitslasten zu ermöglichen.
- Anwendbare Umgebung:Gilt für Entwicklungs-/Test-/Vorabversions-/formelle Umgebungen. In der Entwicklungs-/Testumgebung werden Ressourcen verschwendet und sind daher besser geeignet Vorab-/formelle Umgebungen. Basierend auf den tatsächlichen Anforderungen können Sie Instanzen der G-Serie mit niedrigeren Spezifikationen in Entwicklungs- und Testumgebungen verwenden und Instanzen mit höheren Spezifikationen in Staging- und Produktionsumgebungen verwenden, um eine bessere Leistung zu erzielen.
- Ideal für:Ideal für Anwendungen, die grafikintensive Aufgaben bewältigen, einschließlich Spieleserver und 3D-Visualisierung, computergestütztes Design (CAD), Produktion von Filmspezialeffekten, 3D-Modellierung usw Rendern warten. Darüber hinaus eignet es sich auch für Anwendungsszenarien wie maschinelles Lernen und Deep-Learning-Workloads, wissenschaftliches Rechnen, virtuelle Desktop-Infrastruktur (VDI), Videokodierung und -dekodierung, Spieleentwicklung und Cloud-Gaming.
- Anwendbare Branchen:Anwendbar in mehreren Branchen, einschließlich Film und Medien, Spieleentwicklung, wissenschaftliche Forschung, technisches Design, virtuelle Realität und erweiterte Realität. Geeignet für die Gaming-Branche, Live-Übertragung virtueller KI-Menschen, AI Unity 3D-Modellierungs-Chat usw.
- Kostenkontrolle:Aufgrund ihrer leistungsstarken Grafikfunktionen können für Instanzen der g-Serie im Vergleich zu anderen Instanztypen höhere Kosten anfallen. Um die Kosten zu kontrollieren, ist es notwendig, den Bedarf an Rechen- und Grafikverarbeitungsressourcen anhand des tatsächlichen Bedarfs zu bewerten und geeignete Instanzspezifikationen auszuwählen. Sie können die Kosten auch mit flexiblen Preisstrategien wie On-Demand-Instanzen und Reserved Instances verwalten. Darüber hinaus sind die Optimierung des Anwendungscodes und die Implementierung von Ressourcenmanagementmaßnahmen wichtige Mittel zur Kostenkontrolle.
Anwendbar auf die folgenden Szenarien:
- Grafikanwendungen:Ideal für Anwendungen, die grafikintensive Aufgaben bewältigen müssen, wie z. B. computergestütztes Design (CAD), Produktion von Filmspezialeffekten, 3D-Modellierung und -Rendering usw . Ausgestattet mit einer leistungsstarken GPU (Graphics Processor Unit), die schnelle Grafikberechnungs- und Rendering-Funktionen bietet.
- Wissenschaftliches Rechnen: Geeignet für wissenschaftliche Rechenanwendungen wie numerische Simulationen, Simulationen der Molekulardynamik usw. Die GPU der Instanz kann zur Beschleunigung komplexer Rechenaufgaben genutzt werden und sorgt so für schnellere Rechengeschwindigkeiten und größere Parallelität.
- Maschinelles Lernen und Deep Learning: ist für maschinelles Lernen und Deep Learning-Workloads geeignet. Seine leistungsstarke GPU beschleunigt den Modelltrainings- und Inferenzprozess und sorgt so für eine bessere Leistung und schnellere Reaktionszeiten.
- Virtuelle Desktop-Infrastruktur (VDI): eignet sich zum Aufbau einer virtuellen Desktop-Infrastruktur (VDI), um Benutzern ein leistungsstarkes Desktop-Erlebnis zu bieten. Durch die Zuweisung von GPU-Ressourcen zu virtuellen Desktops können Benutzer eine reibungslose Grafikwiedergabe und Leistung von Grafikanwendungen erzielen.
- Videokodierung und -dekodierung: eignet sich für Videoverarbeitungsanwendungen wie Videokodierung und -dekodierung. Seine GPU beschleunigt den Videokodierungs- und -dekodierungsprozess und erhöht so die Verarbeitungsgeschwindigkeit und Effizienz.
- Spieleentwicklung und Cloud-Gaming:Geeignet für Spieleentwicklung und Cloud-Gaming-Plattformen. Seine leistungsstarke GPU bietet schnelle Rendering- und Grafikverarbeitungsfunktionen und unterstützt hochwertige Spielgrafiken und ein reibungsloses Spielerlebnis.
Beachten:
- Instanzen der g-Serie können im Vergleich zu anderen Instanztypen höhere Kosten verursachen.
- Bei der Verwendung müssen Sie den Bedarf an Rechen- und Grafikverarbeitungsressourcen anhand des tatsächlichen Bedarfs bewerten und geeignete Instanzspezifikationen auswählen, um die Kosten zu kontrollieren.
- Um die Kosten zu senken, können Sie für eine bessere Leistung auch die Verwendung relativ niedrigerer Spezifikationen in Entwicklungs-/Testumgebungen und höherer Spezifikationen in Vorabversions-/Produktionsumgebungen in Betracht ziehen.
- Sie können die Kosten auch mit flexiblen Preisstrategien wie On-Demand-Instanzen und Reserved Instances verwalten.
- Auch die Optimierung des Anwendungscodes und die Implementierung von Ressourcenmanagementmaßnahmen sind wichtige Mittel zur Kostenkontrolle.
- Weitere Informationen erhalten Sie in der AWS-Dokumentation oder bei einem AWS-Lösungsarchitekten.
(7)p-Serie
- Funktionen der p-Serie:Rechenintensive Arbeitslasten, extrem hohe Kosten.
- Computer und Speicherung:Die beste Wahl für wissenschaftliches Rechnen, numerische Analysen und andere Aufgaben. Es verfügt über eine hohe Rechenleistung und Speicherkapazität und eignet sich für die Bearbeitung rechenintensiver wissenschaftlicher Rechenaufgaben wie numerische Simulationen, Molekulardynamiksimulationen, Wettervorhersagen usw. Es verfügt über leistungsstarke Rechen- und Speicherkapazitäten und bietet Hochleistungsrechenfunktionen hauptsächlich über die GPU (Graphics Processor Unit). Gleichzeitig verfügen sie über eine große Speicherkapazität und eine extrem große Netzwerkbandbreite, die den Anforderungen verschiedener rechenintensiver Aufgaben gerecht werden können.
- Anwendbare Umgebung:Gilt für Entwicklungs-/Test-/Vorabversions-/formelle Umgebungen. In der Entwicklungs-/Testumgebung werden Ressourcen verschwendet und sind daher besser geeignet Vorab-/formelle Umgebungen. Basierend auf den tatsächlichen Anforderungen können Sie Instances der p-Serie mit niedrigeren Spezifikationen in Entwicklungs- und Testumgebungen verwenden und Instanzen mit höheren Spezifikationen in Staging- und Produktionsumgebungen für eine bessere Leistung verwenden.
- Anwendbare Verwendungszwecke:Geeignet für die Verarbeitung rechenintensiver wissenschaftlicher Rechenaufgaben wie numerische Simulationen, Simulationen der Molekulardynamik, Wettervorhersagen usw. Es eignet sich für Aufgaben wie wissenschaftliches Rechnen, Deep Learning, Finanzmodellierung und Risikoanalyse, umfangreiche Datenanalyse usw. und kann große Datenmengen und Berechnungen verarbeiten. Darüber hinaus eignet es sich für andere rechenintensive Arbeitslasten wie Medienkodierung, Spieleentwicklung und mehr.
- Anwendbare Branchen:Anwendbar für mehrere Branchen, wie z. B. Finanzen, Medizin, Ingenieurwesen, Fertigung, Energie, Biowissenschaften, künstliche Intelligenz und andere Bereiche.
- Kostenkontrolle:Da Instanzen der p-Serie über leistungsstarke Rechen- und Speicherkapazitäten verfügen, kann der Preis im Vergleich zu anderen Instanztypen höher sein. Um die Kosten zu kontrollieren, können Sie den Bedarf an Rechen- und Speicherressourcen entsprechend Ihren Anforderungen bewerten und die geeigneten Instanzspezifikationen auswählen, um die Anforderungen Ihrer Anwendung zu erfüllen. Darüber hinaus können Sie die Kosten kontrollieren, indem Sie flexible Preisstrategien wie On-Demand-Instanzen und Reserved Instances anwenden oder den Anwendungscode optimieren und Maßnahmen zur Ressourcenverwaltung implementieren.
Anwendbar auf die folgenden Szenarien:
- Wissenschaftliches Rechnen:Die beste Wahl für wissenschaftliches Rechnen, numerische Analysen und andere Aufgaben. Es verfügt über eine hohe Rechenleistung und Speicherkapazität und eignet sich für die Bearbeitung rechenintensiver wissenschaftlicher Rechenaufgaben wie numerische Simulationen, Molekulardynamiksimulationen, Wettervorhersagen usw.
- Deep Learning: verfügt über leistungsstarke GPU-Funktionen (Grafikverarbeitungseinheit) und eignet sich für die Verarbeitung von Deep-Learning-Aufgaben wie Bilderkennung, Spracherkennung, Verarbeitung natürlicher Sprache, Empfehlungssysteme usw. usw. Unterstützt CUDA und OpenCL und funktioniert gut unter Deep-Learning-Frameworks wie TensorFlow, Caffe und MXNet.
- Finanzmodellierung und Risikoanalyse:Ideal für Finanzmodellierungs- und Risikoanalyseaufgaben. Instanzen stellen umfangreiche Rechen- und Speicherressourcen bereit, die zum Trainieren und Testen komplexer Finanzmodelle sowie zur Verarbeitung von zig Millionen Transaktionsdatensätzen verwendet werden können.
- Groß angelegte Datenanalyse:Geeignet für groß angelegte Datenanalyseaufgaben. Es verfügt über eine große Menge an Speicher und Rechenressourcen, die zur Verarbeitung großer Datensätze verwendet werden können, und unterstützt Big-Data-Analyse-Frameworks wie Hadoop und Spark, wodurch die Datenverarbeitungsfähigkeiten auf ein neues Niveau gehoben werden.
Beachten:
- Instanzen der p-Serie verfügen über leistungsstarke Rechen- und Speicherkapazitäten und sind möglicherweise teurer als andere Instanztypen.
- Der Bedarf an Rechen- und Speicherressourcen kann auf der Grundlage der Anforderungen bewertet und die geeignete Instanzgröße ausgewählt werden, um die Anforderungen der Anwendung zu erfüllen.
- Um die Kosten zu senken, können Sie für eine bessere Leistung auch die Verwendung relativ niedrigerer Spezifikationen in Entwicklungs-/Testumgebungen und höherer Spezifikationen in Vorabversions-/Produktionsumgebungen in Betracht ziehen.
- Sie können die Kosten mit flexiblen Preisstrategien wie On-Demand-Instanzen und Reserved Instances kontrollieren oder indem Sie den Anwendungscode optimieren und Maßnahmen zur Ressourcenverwaltung implementieren.
- Weitere Informationen erhalten Sie in der AWS-Dokumentation oder bei einem AWS-Lösungsarchitekten.
(8)d-Reihe
- Funktionen der d-Serie:Mittelgroße Rechen- und Speicher-Workloads, niedrige bis mittlere Kosten.
- Rechen- und Speicherfunktionen:Bietet ausgewogene Rechen- und Speicherfunktionen für mittelgroße Arbeitslasten. Sie verfügen über eine hohe Rechenleistung und Speicherleistung und eignen sich für eine Vielzahl rechen- und speicherintensiver Aufgaben.
- Anwendbare Umgebung:Anwendbar für Entwicklungs-/Test-/Vorabversions-/formelle Umgebung. Abhängig von den tatsächlichen Anforderungen können Sie Instanzen der D-Serie mit niedrigeren Spezifikationen in Entwicklungs- und Testumgebungen verwenden und Instanzen mit höheren Spezifikationen in Staging- und Produktionsumgebungen für eine bessere Leistung verwenden.
- Verwendung: Geeignet für eine Vielzahl von Anwendungen, einschließlich Unternehmensanwendungen, Anwendungen der mittleren Ebene, Datenbanken, Unternehmensanwendungsserver, virtuelle Desktop-Infrastruktur (VDI), Analyse-Workload usw. Es kann mittlere Rechen- und Speicheranforderungen bewältigen und die Anforderungen verschiedener Anwendungsszenarien erfüllen.
- Anwendbare Branchen:Anwendbar für mehrere Branchen, einschließlich Finanzen, Fertigung, Einzelhandel, Gesundheitswesen, Bildung, wissenschaftliche Forschung usw. Ganz gleich, ob es sich um Anwendungen auf Unternehmensebene oder Datenanalyse und -speicherung handelt, Instanzen der d-Serie bieten zuverlässige Rechen- und Speicherfunktionen.
- Kostenkontrolle:Instanzen der d-Serie können im Vergleich zu anderen Instanztypen niedrigere Kosten haben, da sie eine ausgewogene Rechen- und Speicherleistung bieten. Um die Kosten zu kontrollieren, können Sie den Bedarf an Rechen- und Speicherressourcen anhand des tatsächlichen Bedarfs bewerten und geeignete Instanzspezifikationen auswählen. Darüber hinaus können Sie die Kosten mit flexiblen Preisstrategien wie On-Demand-Instanzen und Reserved Instances verwalten. Gleichzeitig sind die Optimierung des Anwendungscodes und die Implementierung von Ressourcenmanagementmaßnahmen auch wirksame Möglichkeiten zur Kostenkontrolle.
Anwendbar auf die folgenden Szenarien:
- Unternehmensanwendungen:Ideal für die Bereitstellung mittelgroßer Unternehmensanwendungen. Diese Anwendungen erfordern relativ wenige Rechen- und Speicherressourcen und können Anwendungen auf Unternehmensebene bei mäßiger Arbeitslast erfüllen.
- Anwendungen der mittleren Ebene:Geeignet für die Handhabung mittelgroßer Anwendungen der mittleren Ebene, wie Rechenzentren, Anwendungsserver usw. Bietet zuverlässige Rechen- und Speicherleistung und kann zur Unterstützung mehrerer Anwendungsinstanzen und Benutzergruppen verwendet werden.
- Datenbank:Anwendbar auf große relationale Datenbankverwaltungssysteme (RDBMS). Es kann eine große Anzahl von Transaktionsanforderungen und komplexen Abfragen verarbeiten, unterstützt die Konfiguration der Primär-/Standby-Datenbank und bietet Unternehmen hochzuverlässige und hochverfügbare Datenbankdienste.
- Virtuelle Desktop-Infrastruktur (VDI):Ideal für mittelgroße virtuelle Desktop-Infrastruktur (VDI). Es können ausreichend Rechen- und Speicherressourcen bereitgestellt werden, um die Arbeitslastanforderungen der Virtualisierung zu erfüllen.
- Analytische Workloads:Ideal für die Bewältigung mittlerer analytischer Workloads wie Data Mining und Business Intelligence-Aufgaben. Instanzen stellen ausreichend Rechen- und Speicherressourcen zur Verarbeitung mittelgroßer Datensätze bereit und unterstützen Plattformen wie Hadoop und Spark.
Beachten:
- Instances der d-Serie können im Vergleich zu anderen Instance-Typen geringere Kosten verursachen.
- Um die Kosten zu kontrollieren, können Sie den Bedarf an Rechen- und Speicherressourcen anhand des tatsächlichen Bedarfs bewerten und geeignete Instanzspezifikationen auswählen.
- Um die Kosten zu senken, können Sie für eine bessere Leistung auch die Verwendung relativ niedrigerer Spezifikationen in Entwicklungs-/Testumgebungen und höherer Spezifikationen in Vorabversions-/Produktionsumgebungen in Betracht ziehen.
- Flexible Preisstrategien wie On-Demand-Instanzen und reservierte Instanzen können ebenfalls zur Kostenverwaltung eingesetzt werden. Gleichzeitig sind die Optimierung des Anwendungscodes und die Implementierung von Ressourcenmanagementmaßnahmen ebenfalls wirksame Möglichkeiten zur Kostenkontrolle.
- Weitere Informationen erhalten Sie in der AWS-Dokumentation oder bei einem AWS-Lösungsarchitekten.
(9)h-Serie
- Funktionen der h-Serie:Hochleistungsfähige Rechen- und Speicherlasten, hohe Kosten. Ideal für Workloads, die viel lokalen Speicherplatz erfordern.
- Computing und Speicher:Bietet leistungsstarke Computing- und Speicherfunktionen. Instanzen basieren auf spezifischen Prozessorarchitekturen, die eine überlegene Rechenleistung für Arbeitslasten bieten, die die Verarbeitung großer Datenmengen und die Durchführung hochparalleler Berechnungen erfordern. Gleichzeitig steht ein großvolumiger lokaler Speicher zur Verfügung, mit dem schnell auf große Datenmengen zugegriffen und diese verarbeitet werden können.
- Anwendbare Umgebung:Anwendbar für Entwicklungs-/Test-/Vorabversions-/formelle Umgebung. Basierend auf den tatsächlichen Anforderungen können Sie Instanzen der H-Serie mit niedrigeren Spezifikationen in Entwicklungs- und Testumgebungen verwenden und Instanzen mit höheren Spezifikationen in Vorabversions- und Produktionsumgebungen für eine bessere Leistung verwenden.
- Anwendbare Verwendungszwecke:Geeignet für groß angelegte Datenverarbeitung, Hochleistungsrechnen, wissenschaftliche Simulation, Finanzanalyse, Data Warehouse, Medienverarbeitung und andere Aufgaben. Instanzen verfügen über leistungsstarke Rechen- und Speicherkapazitäten und können komplexe Rechenlasten und große Datensätze bewältigen. Speicheroptimierte Instanzen eignen sich für Anwendungen, die eine große Speicherkapazität erfordern. Sie konzentrieren sich auf die Bereitstellung von Speicherplatz mit großer Kapazität. Sie eignen sich für Arbeitslasten, die viel lokalen Speicherplatz erfordern, z. B. große Datenbanken, Analyse-Arbeitslasten und Dateien Server. Sie stellen festplattenbasierten Speicher bereit, der den Anforderungen speicherintensiver Anwendungen gerecht werden kann.
- Anwendbare Branchen:Anwendbar in mehreren Branchen, einschließlich wissenschaftlicher Forschung, Finanzen, Medien und Unterhaltung, Fertigung, Energie und anderen Bereichen. Unabhängig davon, ob Sie wissenschaftliche Simulationen, Finanzmodelle, Big-Data-Analysen oder Medienverarbeitung und -wiedergabe durchführen, bieten Instanzen hervorragende Rechen- und Speicherfunktionen.
- Kostenkontrolle:Da Instanzen der H-Serie über leistungsstarke Rechen- und Speicherfunktionen verfügen, ist der Preis relativ hoch. Um die Kosten zu kontrollieren, können Sie Ihren Bedarf an Rechen- und Speicherressourcen anhand Ihrer Anforderungen bewerten und die geeigneten Instanzspezifikationen auswählen, um die Anforderungen Ihrer Anwendung zu erfüllen. Gleichzeitig können Sie den Einsatz von Preisstrategien wie On-Demand-Instanzen und reservierten Instanzen oder die Optimierung des Anwendungscodes, die Implementierung von Ressourcenmanagementmaßnahmen usw. in Betracht ziehen, um die Kosten zu kontrollieren.
Anwendbar auf die folgenden Szenarien:
- Hochleistungsrechnen:Geeignet für Aufgaben, die hochparallele Rechenfähigkeiten erfordern, wie wissenschaftliche Simulation, Halbleiterdesign, digitales Rendering, Bildverarbeitung usw. Diese Anwendungen erfordern leistungsstarke Prozessoren und Speicher, große Speicherkapazität und schnelle Netzwerkverbindungen, um Hochleistungsrechnen zu ermöglichen.
- Verarbeitung großer Datenmengen:Geeignet für Aufgaben der Verarbeitung großer Datenmengen, z. B. Data Warehouse, Big-Data-Analyse, Finanzanalyse usw. Sie bieten lokalen Speicher mit großer Kapazität und Hochgeschwindigkeitsnetzwerkverbindungen, um die Effizienz und den Durchsatz der Datenverarbeitung zu verbessern.
- Streaming:Ideal für Aufgaben wie Streaming und Transkodierung. Sie bieten leistungsstarke Rechenleistung und Speicher sowie einen großen lokalen Speicher und können große Mengen an Audio- und Videodateien schnell konvertieren und verarbeiten.
- Wissenschaftliche Forschung:Gilt für wissenschaftliche Forschungsbereiche wie Meteorologie, Biowissenschaften, Geologie usw. Diese Bereiche erfordern große Mengen an Rechen- und Speicherressourcen, um Aufgaben wie Simulation, Analyse und Modellierung auszuführen.
Beachten:
- Instanzen der h-Serie verfügen über leistungsstarke Rechen- und Speicherkapazitäten und sind relativ teuer.
- Um die Kosten zu kontrollieren, können Sie Ihren Bedarf an Rechen- und Speicherressourcen anhand Ihrer Anforderungen bewerten und die geeigneten Instanzspezifikationen auswählen, um die Anforderungen Ihrer Anwendung zu erfüllen.
- Um die Kosten zu senken, können Sie für eine bessere Leistung auch die Verwendung relativ niedrigerer Spezifikationen in Entwicklungs-/Testumgebungen und höherer Spezifikationen in Vorabversions-/Produktionsumgebungen in Betracht ziehen.
- Sie können den Einsatz von Preisstrategien wie On-Demand-Instanzen und Reserved Instances in Betracht ziehen oder die Optimierung des Anwendungscodes, die Implementierung von Maßnahmen zur Ressourcenverwaltung usw. in Betracht ziehen, um die Kosten zu kontrollieren.
- Weitere Informationen erhalten Sie in der AWS-Dokumentation oder bei einem AWS-Lösungsarchitekten.
(10)x-Reihe
- Funktionen der h-Serie:Hohe Arbeitsspeicherauslastung und speicherintensive Arbeitslast, hohe Kosten.
- Rechen und Speicher: ist ein Instanztyp in AWS EC2, der für Arbeitslasten mit hohem Arbeitsspeicher entwickelt wurde. Bietet eine große Menge an Speicherressourcen für die Verarbeitung großer Datenmengen und Hochleistungsrechnen. Gleichzeitig werden auch weitere Rechen- und Speicherressourcen bereitgestellt, um eine hohe Rechenleistung und einen hohen Datendurchsatz zu gewährleisten.
- Anwendbare Umgebung:Anwendbar für Entwicklungs-/Test-/Vorabversions-/formelle Umgebung. Basierend auf den tatsächlichen Anforderungen können Sie Instanzen der X-Serie mit niedrigeren Spezifikationen in Entwicklungs- und Testumgebungen verwenden und Instanzen mit höheren Spezifikationen in Staging- und Produktionsumgebungen verwenden, um eine bessere Leistung zu erzielen.
- Anwendbare Verwendungszwecke:Geeignet für umfangreiches Hochleistungsrechnen, Big-Data-Verarbeitung, speicherintensive Anwendungen und Anwendungen auf Unternehmensebene. Sie können effiziente und zuverlässige Computer- und Speicherlösungen bereitstellen, die Echtzeit-Datenanalyse, Hochleistungsrechnen, Cache, relationale Datenbanken, In-Memory-Datenbanken und andere Anwendungen unterstützen. Insbesondere einschließlich Unterserien wie x1, x1e und x2g. Instanzen der x-Serie werden hauptsächlich für Hochleistungsrechnen und speicherintensive Arbeitslasten verwendet und eignen sich für große In-Memory-Datenbanken, Datenanalyse und -verarbeitung, wissenschaftliches Rechnen und Simulation sowie Anwendungsvirtualisierung. Instanzen bieten eine große Speicherkapazität und eignen sich zum Hosten großer In-Memory-Datenbanken wie SAP HANA oder zum Zwischenspeichern von Daten für eine verbesserte Leistung. Für Workloads, die umfangreiche Datenverarbeitung und -analyse erfordern, können Instanzen ausreichend Rechen- und Speicherressourcen bereitstellen, um die Verarbeitung zu beschleunigen und große Datensätze zu verarbeiten. Es eignet sich für Arbeitslasten, die ultrahochleistungsfähige Rechenfunktionen erfordern, wie zum Beispiel wissenschaftliche Simulationen, numerische Berechnungen, Bildverarbeitung und maschinelles Lernen. Auf derselben Instanz müssen mehrere Anwendungen ausgeführt werden. Die große Speicherkapazität der Instanz kann die Ausführung mehrerer virtueller Maschinen unterstützen und sorgt so für eine höhere Ressourcendichte.
- Anwendbare Branchen:Anwendbar für mehrere Branchen, z. B. Finanzen, Wissenschaft, Fertigung, Medizin und andere Bereiche. Unabhängig davon, ob Aufgaben wie Finanzanalysen, Genomforschung oder technische Simulationen und Simulationen ausgeführt werden, bieten Instanzen der x-Serie hervorragende Rechen- und Speicherfunktionen.
- Kostenkontrolle:Aufgrund der leistungsstarken Rechen- und Speicherfunktionen von Instanzen der x-Serie ist der Preis relativ hoch. Um die Kosten zu kontrollieren, können Sie Ihren Bedarf an Rechen- und Speicherressourcen anhand Ihrer Anforderungen bewerten und die geeigneten Instanzspezifikationen auswählen, um die Anforderungen Ihrer Anwendung zu erfüllen. Gleichzeitig können Sie den Einsatz von Preisstrategien wie On-Demand-Instanzen und reservierten Instanzen oder die Optimierung des Anwendungscodes, die Implementierung von Ressourcenmanagementmaßnahmen usw. in Betracht ziehen, um die Kosten zu kontrollieren.
Anwendbar auf die folgenden Szenarien:
- Große Datenbanken:Ideal für große Datenbankanwendungen wie relationale Datenbanken (RDBMS). Bietet reichlich Speicherressourcen, kann große Datensätze verarbeiten und unterstützt hochgradig gleichzeitige Abfragen und Transaktionsverarbeitung.
- Echtzeit-Datenanalyse:Geeignet für Echtzeit-Datenanalyse und Big-Data-Verarbeitung. Bietet viel Speicher zum schnellen Laden und Verarbeiten großer Datenmengen und unterstützt schnelle Abfrage- und Analysevorgänge.
- In-Memory-Datenbank:Geeignet für In-Memory-Datenbankanwendungen wie Redis, Memcached usw. Bietet Speicher mit großer Kapazität, kann zwischengespeicherte Daten effektiv speichern und verarbeiten und bietet eine Lese- und Schreibleistung mit geringer Latenz.
- Hochleistungsrechnen:Geeignet für Aufgaben, die viel Speicher und Hochleistungsrechnen erfordern, wie wissenschaftliche Simulationen, technische Analysen, Simulationen usw. Es verfügt über reichlich Speicher und Rechenressourcen und kann komplexe Rechenaufgaben bewältigen.
- Anwendungen auf Unternehmensebene:Geeignet für die Handhabung von Anwendungen auf Unternehmensebene, wie z. B. große ERP-Systeme (Enterprise Resource Planning), CRM-Systeme (Customer Relationship Management) usw. Diese Anwendungen benötigen oft großen Speicher, um große Datenmengen zu speichern und den gleichzeitigen Benutzerzugriff zu unterstützen.
Beachten:
- Instanzen der x-Serie verfügen über leistungsstarke Rechen- und Speicherkapazitäten zu relativ hohen Preisen.
- Um die Kosten zu kontrollieren, können Sie Ihren Bedarf an Rechen- und Speicherressourcen anhand Ihrer Anforderungen bewerten und die geeigneten Instanzspezifikationen auswählen, um die Anforderungen Ihrer Anwendung zu erfüllen.
- Um die Kosten zu senken, können Sie für eine bessere Leistung auch die Verwendung relativ niedrigerer Spezifikationen in Entwicklungs-/Testumgebungen und höherer Spezifikationen in Vorabversions-/Produktionsumgebungen in Betracht ziehen.
- Sie können den Einsatz von Preisstrategien wie On-Demand-Instanzen und Reserved Instances in Betracht ziehen oder die Optimierung des Anwendungscodes, die Implementierung von Maßnahmen zur Ressourcenverwaltung usw. in Betracht ziehen, um die Kosten zu kontrollieren.
- Weitere Informationen erhalten Sie in der AWS-Dokumentation oder bei einem AWS-Lösungsarchitekten.
(11)Inf-Reihe
- Funktionen der inf-Serie:Große speicherintensive Anwendungen und leistungsstarke Rechenlasten, hohe Kosten.
- Computing und Speicherung: bietet eine große Menge an Speicherressourcen und eine extrem hohe Prozessorleistung, die Hochleistungsrechnen und umfangreiche Datenverarbeitungsaufgaben unterstützen kann. Zusätzlich zu den Speicherressourcen kann auch großer lokaler Speicher bereitgestellt werden.
- Anwendbare Umgebung:Anwendbar für Entwicklungs-/Test-/Vorabversions-/formelle Umgebung. Basierend auf den tatsächlichen Anforderungen können Sie in Entwicklungs- und Testumgebungen Instanzen der Inf-Serie mit niedrigeren Spezifikationen und in Vorabversions- und Produktionsumgebungen Instanzen mit höheren Spezifikationen verwenden, um eine bessere Leistung zu erzielen.
- Anwendbare Verwendungszwecke:Geeignet für Anwendungsszenarien mit großer Datenverarbeitung, wie z. B. In-Memory-Datenbanken, Hochleistungsrechnen, Geschäftsanalyse und maschinelles Lernen usw. Diese Anwendungen erfordern schnelle, zuverlässige und sichere Rechen- und Speicherressourcen, um Anwendungen wie Big-Data-Verarbeitung, Deep Learning und maschinelles Lernen zu unterstützen. Geeignet für groß angelegte maschinelle Lerntrainings- und Inferenzaufgaben.
- Anwendbare Branchen:Anwendbar in einer Vielzahl von Branchen, wie Finanzen, Gesundheitswesen, Wissenschaft, künstliche Intelligenz, Logistik, Roboterkartentraining, KI-Sprachtraining, große Sprachmodelle, KI Grafiken Identifizierung und Überwachung usw. Unabhängig davon, ob Sie Aufgaben wie finanzielle Risikoanalyse, Gesundheitsdatenanalyse, maschinelles Lernen und künstliche Intelligenz ausführen, können Instanzen der INF-Serie hervorragende Rechen- und Speicherfunktionen bieten.
- Kostenkontrolle:Aufgrund der leistungsstarken Rechen- und Speicherfunktionen von Instanzen der Inf-Serie ist der Preis relativ hoch. Um die Kosten zu kontrollieren, können Sie Ihren Bedarf an Rechen- und Speicherressourcen anhand Ihrer Anforderungen bewerten und die geeigneten Instanzspezifikationen auswählen, um die Anforderungen Ihrer Anwendung zu erfüllen. Gleichzeitig können Sie den Einsatz von Preisstrategien wie On-Demand-Instanzen und reservierten Instanzen oder die Optimierung des Anwendungscodes, die Implementierung von Ressourcenmanagementmaßnahmen usw. in Betracht ziehen, um die Kosten zu kontrollieren.
Anwendbar auf die folgenden Szenarien:
In-Memory-Datenbank:Geeignet für In-Memory-Datenbankanwendungen wie Redis, Memcached usw. Bietet eine große Speichermenge zum effizienten Speichern und Verarbeiten zwischengespeicherter Daten und sorgt so für eine Lese- und Schreibleistung mit geringer Latenz bei gleichzeitiger reibungsloser Verwaltung des Datenwachstums.
Hochleistungsrechnen:Geeignet für Aufgaben, die viel Speicher und Hochleistungsrechnen erfordern, wie wissenschaftliche Simulationen, technische Analysen, Simulationen usw.
Geschäftsanalyse:Ideal für Geschäftsanalyseanwendungen, wie z. B. die Analyse extrem großer Datenmengen. Es kann große Datenmengen schnell verarbeiten und analysieren, um analytische Unterstützung für Geschäftsentscheidungen zu bieten.
Maschinelles Lernen: Geeignet für maschinelle Lernaufgaben wie die Verarbeitung natürlicher Sprache, Gesichtserkennung, Bilderkennung usw. Diese Aufgaben erfordern die Verarbeitung großer Datenmengen, das Training von Modellen für maschinelles Lernen oder die Implementierung von Schlussfolgerungen für maschinelles Lernen. Es kann Rechen- und Speicherkapazitäten bereitstellen, die leistungsstark genug sind, um diese Aufgaben zu bewältigen.
Künstliche Intelligenz: eignet sich für Anwendungen der künstlichen Intelligenz wie Deep Learning und neuronale Netze. Diese Anwendungen erfordern erhebliche Rechen-, Arbeitsspeicher- und Speicherressourcen, um Modelle für maschinelles Lernen schnell zu trainieren und Inferenzen für maschinelles Lernen auf Inf-Serien-Instanzen zu implementieren.
Gesundheitswesen:Anwendbar im Bereich des Gesundheitswesens, z. B. Gensequenzierung, medizinische Bildanalyse, Analyse von Gesundheitsdaten usw. Diese medizinischen Anwendungen müssen große Datenmengen verarbeiten, und die Instanzen der inf-Serie können ausreichende Rechenressourcen und Speicherkapazitäten zur Implementierung dieser Anwendungen bereitstellen.
Beachten:
- Instanzen der inf-Serie verfügen über leistungsstarke Rechen- und Speicherkapazitäten und sind relativ teuer.
- Um die Kosten zu kontrollieren, können Sie Ihren Bedarf an Rechen- und Speicherressourcen anhand Ihrer Anforderungen bewerten und die geeigneten Instanzspezifikationen auswählen, um die Anforderungen Ihrer Anwendung zu erfüllen.
- Um die Kosten zu senken, können Sie für eine bessere Leistung auch die Verwendung relativ niedrigerer Spezifikationen in Entwicklungs-/Testumgebungen und höherer Spezifikationen in Vorabversions-/Produktionsumgebungen in Betracht ziehen.
- Sie können den Einsatz von Preisstrategien wie On-Demand-Instanzen und Reserved Instances in Betracht ziehen oder die Optimierung des Anwendungscodes, die Implementierung von Maßnahmen zur Ressourcenverwaltung usw. in Betracht ziehen, um die Kosten zu kontrollieren.
- Weitere Informationen erhalten Sie in der AWS-Dokumentation oder bei einem AWS-Lösungsarchitekten.
3. Gemeinsame Indikatoren und Attribute von Instanzen
Allgemeine Metriken und Eigenschaften im Zusammenhang mit AWS EC2-Instanzen:
- Instanzname: Instanzname, der zur Identifizierung verschiedener EC2-Instanztypen verwendet wird.
- Instanzkategorie: EC2-Instanzkonfiguration in Bezug auf Hardware, Arbeitsspeicher, Netzwerk und Speicher. Jeder Instanztyp weist unterschiedliche Leistungsmerkmale auf und ist für unterschiedliche Arbeitslasten geeignet.
- vCPU-Nummer: Die Anzahl der virtuellen CPUs, normalerweise bezogen auf die Rechenleistung und die Parallelverarbeitungsfähigkeiten der Instanz.
- Speicher: Die Speicherkapazität einer Instanz hängt normalerweise von den Rechen- und Datenverarbeitungsfähigkeiten der Instanz ab. Je größer der Speicher, desto größer die Menge und Komplexität der Daten Die Instanz kann verarbeiten.
- Netzwerkleistung: Die Netzwerkleistung der Instanz, die normalerweise mit der Netzwerkbandbreite, Latenz, Verkehrsbeschränkungen usw. der Instanz zusammenhängt, bestimmt die Effizienz und Geschwindigkeit der externen Datenübertragung durch die Instanz.
- Speicher: Die von der Instanz bereitgestellte lokale Speicherkapazität und der Typ. Verschiedene Instanztypen verfügen über unterschiedliche Festplatten- und Speichersystemkonfigurationen, um unterschiedliche Speicher- und Datenverarbeitungsanforderungen zu erfüllen.
- Stündliche On-Demand-Kosten: Die On-Demand-Abrechnungsgebühr der Instanz wird basierend auf den Spezifikationen und der Nutzungsdauer der Instanz berechnet. Die Instanz kann gestartet, gestoppt, aktualisiert werden, und jederzeit herabgestuft werden, um den Anforderungen zu entsprechen. Geschäftsanforderungen.
- Potenzielle effektive Stundenkosten (Einsparungen %): Rabatte basierend auf anderen AWS-Services oder effektiven Nutzungsverträgen können durch Berechnung der Anzahl der Instanzstunden erhalten werden, die für die On-Demand-Abrechnung erforderlich sind. Mehr Kostenvorteile.
Hinweis: Diese Parameter können bei der Auswahl einer EC2-Instanz helfen, die Ihren Workload-Anforderungen entspricht, und die Instanzkonfiguration und Kosteneffizienz optimieren.
4. Liste der Instanztypdetails
2023 „Amazon Cloud Technology“ „US East“ Detaillierte Liste der Cloud-Server-Produktinstanztypen (CPU 1 bis 36 Kerne)
| Instanzname | Instanzklasse | Anzahl der vCPUs | Erinnerung | Netzwerkleistung | Lagerung | Kosten pro Stunde auf Abruf | Potenzielle effektive Stundenkosten (Einsparungen %) |
| c5,2xgroß | Rechneroptimiert | 8 | 4 GiB | Bis zu 10 Gigabit | Nur EBS | 0,0484 | 0,0182 (62 %) |
| c5,4xgroß | Rechneroptimiert | 16 | 2 GiB | Bis zu 25 Gigabit | Nur EBS | 0,052 | 0,0194 (63 %) |
| c5.groß | Rechneroptimiert | 2 | 8 GiB | Bis zu 10 Gigabit | Nur EBS | 0,0604 | 0,0227 (62 %) |
| c5.xlarge | Rechneroptimiert | 4 | 0,5 GiB | Bis zu 5 Gigabit | Nur EBS | 0,0049 | 0,0021 (58 %) |
| c5a.2xlarge | Rechneroptimiert | 8 | 0,5 GiB | Bis zu 5 Gigabit | Nur EBS | 0,0055 | 0,0021 (63 %) |
| c5a.4xlarge | Rechneroptimiert | 16 | 0,5 GiB | Bis zu 5 Gigabit | Nur EBS | 0,0061 | 0,0023 (63 %) |
| c5a.8xlarge | Rechneroptimiert | 32 | 1 GiB | Bis zu 5 Gigabit | Nur EBS | 0,0098 | 0,0041 (58 %) |
| c5a.groß | Rechneroptimiert | 2 | 1 GiB | Bis zu 5 Gigabit | Nur EBS | 0,011 | 0,0041 (63 %) |
| c5a.xlarge | Rechneroptimiert | 4 | 1 GiB | Bis zu 5 Gigabit | Nur EBS | 0,0122 | 0,0046 (62 %) |
| c5d.2xlarge | Rechneroptimiert | 8 | 2 GiB | Bis zu 5 Gigabit | Nur EBS | 0,0196 | 0,0082 (58 %) |
| c5d.4xlarge | Rechneroptimiert | 16 | 2 GiB | Bis zu 5 Gigabit | Nur EBS | 0,022 | 0,0083 (62 %) |
| c5d.groß | Rechneroptimiert | 2 | 2 GiB | Bis zu 5 Gigabit | Nur EBS | 0,0244 | 0,0092 (62 %) |
| c5d.xlarge | Rechneroptimiert | 4 | 4 GiB | Bis zu 5 Gigabit | Nur EBS | 0,0392 | 0,0164 (58 %) |
| c5n.2xlarge | Rechneroptimiert | 8 | 4 GiB | Bis zu 5 Gigabit | Nur EBS | 0,0439 | 0,0165 (62 %) |
| c5n.4xlarge | Rechneroptimiert | 16 | 4 GiB | Bis zu 5 Gigabit | Nur EBS | 0,0488 | 0,0183 (62 %) |
| c5n.groß | Rechneroptimiert | 2 | 8 GiB | Bis zu 5 Gigabit | Nur EBS | 0,0784 | 0,0328 (58 %) |
| c5n.xlarge | Rechneroptimiert | 4 | 4 GiB | Bis zu 10 Gigabit | Nur EBS | 0,0816 | 0,0307 (62 %) |
| c6g.2xlarge | Rechneroptimiert | 8 | 8 GiB | Bis zu 5 Gigabit | Nur EBS | 0,0878 | 0,0330 (62 %) |
| c6g.4xlarge | Rechneroptimiert | 16 | 4 GiB | Bis zu 10 Gigabit | Nur EBS | 0,092 | 0,0346 (62 %) |
| c6g.8xlarge | Rechneroptimiert | 32 | 8 GiB | Bis zu 10 Gigabit | Nur EBS | 0,0968 | 0,0364 (62 %) |
| c6g.groß | Rechneroptimiert | 2 | 8 GiB | Bis zu 5 Gigabit | Nur EBS | 0,0976 | 0,0367 (62 %) |
| c6g.xlarge | Rechneroptimiert | 4 | 4 GiB | Bis zu 10 Gigabit | Nur EBS | 0,102 | 0,0354 (65 %) |
| c6gn.2xlarge | Rechneroptimiert | 8 | 4 GiB | Bis zu 12500 Megabit | Nur EBS | 0,102 | 0,0371 (64 %) |
| c6gn.4xlarge | Rechneroptimiert | 16 | 4 GiB | Bis zu 25 Gigabit | Nur EBS | 0,104 | 0,0389 (63 %) |
| c6gn.8xlarge | Rechneroptimiert | 32 | 8 GiB | Bis zu 10 Gigabit | Nur EBS | 0,109 | 0,0410 (62 %) |
| c6gn.groß | Rechneroptimiert | 2 | 4 GiB | Bis zu 10 Gigabit | 1 x 50 NVMe SSD | 0,116 | 0,0411 (65 %) |
| c6gn.medium | Rechneroptimiert | 1 | 16 GiB | Bis zu 10 Gigabit | Nur EBS | 0,1208 | 0,0454 (62 %) |
| c6gn.xlarge | Rechneroptimiert | 4 | 8 GiB | Bis zu 12500 Megabit | Nur EBS | 0,121 | 0,0478 (61 %) |
| c6i.2xlarge | Rechneroptimiert | 8 | 8 GiB | Bis zu 10 Gigabit | Nur EBS | 0,121 | 0,0455 (62 %) |
| c6i.4xlarge | Rechneroptimiert | 16 | 5,25 GiB | Bis zu 25 Gigabit | Nur EBS | 0,13 | 0,0390 (70 %) |
| c6i.8xlarge | Rechneroptimiert | 32 | 16 GiB | Bis zu 10 Gigabit | Nur EBS | 0,136 | 0,0511 (62 %) |
| c6i.groß | Rechneroptimiert | 2 | 4 GiB | Bis zu 25000 Megabit | Nur EBS | 0,1365 | 0,0410 (70 %) |
| c6i.xlarge | Rechneroptimiert | 4 | 8 GiB | Bis zu 10 Gigabit | 1 x 75 NVMe SSD | 0,143 | 0,0538 (62 %) |
| c6in.2xlarge | Rechneroptimiert | 8 | 8 GiB | Bis zu 25 Gigabit | Nur EBS | 0,149 | 0,0517 (65 %) |
| c6in.4xlarge | Rechneroptimiert | 16 | 16 GiB | Bis zu 10 Gigabit | Nur EBS | 0,151 | 0,0568 (62 %) |
| c6in.8xlarge | Rechneroptimiert | 32 | 16 GiB | Bis zu 12500 Megabit | Nur EBS | 0,151 | 0,0596 (61 %) |
| c6in.groß | Rechneroptimiert | 2 | 8 GiB | Bis zu 25 Gigabit | 1 x 75 NVMe SSD | 0,171 | 0,0601 (65 %) |
| c6in.xlarge | Rechneroptimiert | 4 | 16 GiB | Bis zu 10 Gigabit | 1 x 75 NVMe SSD | 0,173 | 0,0650 (62 %) |
| d2,2xgroß | Speicheroptimiert | 8 | 16 GiB | Bis zu 25 Gigabit | Nur EBS | 0,179 | 0,0629 (65 %) |
| d2,4xgroß | Speicheroptimiert | 16 | 15,25 GiB | Bis zu 10 Gigabit | 1 x 475 NVMe SSD | 0,188 | 0,0790 (58 %) |
| d2. xlarge | Speicheroptimiert | 4 | 16 GiB | Bis zu 25 Gigabit | 1 x 75 NVMe SSD | 0,201 | 0,0714 (64 %) |
| g4dn.2xlarge | GPU-Instanz | 8 | 16 GiB | Bis zu 10 Gigabit | 1 x 468 NVMe SSD | 0,207 | 0,0829 (60 %) |
| g4dn.4xlarge | GPU-Instanz | 16 | 16 GiB | Bis zu 25 Gigabit | 1 x 1250 NVMe SSD | 0,273 | 0,1028 (62 %) |
| g4dn.8xlarge | GPU-Instanz | 32 | 16 GiB | Bis zu 5 Gigabit | Nur EBS | 0,1568 | 0,0657 (58 %) |
| g4dn.xlarge | GPU-Instanz | 4 | 8 GiB | Bis zu 10 Gigabit | Nur EBS | 0,1632 | 0,0614 (62 %) |
| i3.2xlarge | Speicheroptimiert | 8 | 16 GiB | Bis zu 5 Gigabit | Nur EBS | 0,1757 | 0,0661 (62 %) |
| i3,4xgroß | Speicheroptimiert | 16 | 8 GiB | Bis zu 10 Gigabit | Nur EBS | 0,184 | 0,0692 (62 %) |
| i3,8xgroß | Speicheroptimiert | 32 | 16 GiB | Bis zu 10 Gigabit | Nur EBS | 0,1936 | 0,0728 (62 %) |
| i3.groß | Speicheroptimiert | 2 | 16 GiB | Bis zu 5 Gigabit | Nur EBS | 0,1952 | 0,0734 (62 %) |
| i3.xlarge | Speicheroptimiert | 4 | 8 GiB | Bis zu 10 Gigabit | Nur EBS | 0,204 | 0,0707 (65 %) |
| i3en.2xlarge | Speicheroptimiert | 8 | 8 GiB | Bis zu 12500 Megabit | Nur EBS | 0,204 | 0,0743 (64 %) |
| i3en.3xlarge | Speicheroptimiert | 12 | 8 GiB | Bis zu 25 Gigabit | Nur EBS | 0,208 | 0,0779 (63 %) |
| i3en.6xlarge | Speicheroptimiert | 24 | 16 GiB | Bis zu 10 Gigabit | Nur EBS | 0,218 | 0,0820 (62 %) |
| i3en.large | Speicheroptimiert | 2 | 8 GiB | Bis zu 10 Gigabit | 1 x 100 NVMe SSD | 0,232 | 0,0823 (65 %) |
| i3en.xlarge | Speicheroptimiert | 4 | 32 GiB | Bis zu 10 Gigabit | Nur EBS | 0,2416 | 0,0908 (62 %) |
| i4i.2xlarge | Speicheroptimiert | 8 | 16 GiB | Bis zu 12500 Megabit | Nur EBS | 0,242 | 0,0955 (61 %) |
| i4i.4xlarge | Speicheroptimiert | 16 | 16 GiB | Bis zu 10 Gigabit | Nur EBS | 0,242 | 0,0910 (62 %) |
| i4i.8xlarge | Speicheroptimiert | 32 | 10,5 GiB | Bis zu 25 Gigabit | Nur EBS | 0,26 | 0,0780 (70 %) |
| i4i.groß | Speicheroptimiert | 2 | 32 GiB | Bis zu 10 Gigabit | Nur EBS | 0,272 | 0,1023 (62 %) |
| i4i.xlarge | Speicheroptimiert | 4 | 8 GiB | Bis zu 30000 Megabit | Nur EBS | 0,273 | 0,0819 (70 %) |
| inf1.2xlarge | ASIC-Instanzen für maschinelles Lernen | 8 | 16 GiB | Bis zu 10 Gigabit | 1 x 150 NVMe SSD | 0,286 | 0,1075 (62 %) |
| inf1.6xlarge | ASIC-Instanzen für maschinelles Lernen | 24 | 8 GiB | Bis zu 25 Gigabit | Nur EBS | 0,288 | 0,1203 (58 %) |
| inf1.xlarge | ASIC-Instanzen für maschinelles Lernen | 4 | 16 GiB | Bis zu 25 Gigabit | Nur EBS | 0,298 | 0,1033 (65 %) |
| m5,2xgroß | Allgemeiner Zweck | 8 | 32 GiB | Bis zu 10 Gigabit | Nur EBS | 0,302 | 0,1135 (62 %) |
| m5,4xgroß | Allgemeiner Zweck | 16 | 32 GiB | Bis zu 12500 Megabit | Nur EBS | 0,302 | 0,1192 (61 %) |
| m5,8xgroß | Allgemeiner Zweck | 32 | 16 GiB | Bis zu 25 Gigabit | 1 x 150 NVMe SSD | 0,342 | 0,1202 (65 %) |
| m5.groß | Allgemeiner Zweck | 2 | 32 GiB | Bis zu 10 Gigabit | 1 x 150 NVMe SSD | 0,346 | 0,1301 (62 %) |
| m5.xlarge | Allgemeiner Zweck | 4 | 32 GiB | Bis zu 25 Gigabit | Nur EBS | 0,358 | 0,1259 (65 %) |
| m5a.2xlarge | Allgemeiner Zweck | 8 | 30,5 GiB | Bis zu 10 Gigabit | 1 x 950 NVMe SSD | 0,376 | 0,1579 (58 %) |
| m5a.4xlarge | Allgemeiner Zweck | 16 | 32 GiB | Bis zu 25 Gigabit | 1 x 150 NVMe SSD | 0,402 | 0,1428 (64 %) |
| m5a.8xlarge | Allgemeiner Zweck | 32 | 32 GiB | Bis zu 10 Gigabit | 1 x 937 NVMe SSD | 0,414 | 0,1658 (60 %) |
| m5a.groß | Allgemeiner Zweck | 2 | 32 GiB | Bis zu 25 Gigabit | 1 x 2500 NVMe SSD | 0,546 | 0.2056 (62%) |
| m5a.xlarge | General purpose | 4 | 16 GiB | Up to 25 Gigabit | 125 GB NVMe SSD | 0.663 | 0.2493 (62%) |
| m5d.2xlarge | General purpose | 8 | 30.5 GiB | Moderate | 3 x 2000 HDD | 0.828 | 0.2366 (71%) |
| m5d.4xlarge | General purpose | 16 | 122 GiB | Up to 10 Gigabit | 1 x 120 SSD | 1 | 0.2799 (72%) |
| m5d.8xlarge | General purpose | 32 | 128 GiB | Up to 25 Gigabit | 1 x 118 NVMe SSD | 1.00038 | 0.2793 (72%) |
| m5d.large | General purpose | 2 | 32 GiB | Up to 5 Gigabit | EBS only | 0.3136 | 0.1314 (58%) |
| m5d.xlarge | General purpose | 4 | 16 GiB | Up to 10 Gigabit | EBS only | 0.3264 | 0.1227 (62%) |
| m5dn.2xlarge | General purpose | 8 | 32 GiB | Up to 5 Gigabit | EBS only | 0.3514 | 0.1321 (62%) |
| m5dn.4xlarge | General purpose | 16 | 16 GiB | Up to 10 Gigabit | EBS only | 0.368 | 0.1384 (62%) |
| m5dn.8xlarge | General purpose | 32 | 32 GiB | Up to 10 Gigabit | EBS only | 0.3872 | 0.1456 (62%) |
| m5dn.large | General purpose | 2 | 32 GiB | Up to 5 Gigabit | EBS only | 0.3904 | 0.1468 (62%) |
| m5dn.xlarge | General purpose | 4 | 16 GiB | Up to 12500 Megabit | EBS only | 0.408 | 0.1486 (64%) |
| m5n.2xlarge | General purpose | 8 | 16 GiB | Up to 10 Gigabit | EBS only | 0.408 | 0.1415 (65%) |
| m5n.4xlarge | General purpose | 16 | 16 GiB | Up to 25 Gigabit | EBS only | 0.416 | 0.1557 (63%) |
| m5n.8xlarge | General purpose | 32 | 32 GiB | Up to 10 Gigabit | EBS only | 0.436 | 0.1639 (62%) |
| m5n.large | General purpose | 2 | 16 GiB | Up to 25 Gigabit | EBS only | 0.456 | 0.1909 (58%) |
| m5n.xlarge | General purpose | 4 | 16 GiB | Up to 10 Gigabit | 1 x 200 NVMe SSD | 0.464 | 0.1645 (65%) |
| m6g.2xlarge | General purpose | 8 | 64 GiB | Up to 10 Gigabit | EBS only | 0.4832 | 0.1817 (62%) |
| m6g.4xlarge | General purpose | 16 | 32 GiB | Up to 12500 Megabit | EBS only | 0.484 | 0.1911 (61%) |
| m6g.8xlarge | General purpose | 32 | 32 GiB | Up to 10 Gigabit | EBS only | 0.484 | 0.1820 (62%) |
| m6g.large | General purpose | 2 | 21 GiB | Up to 25 Gigabit | EBS only | 0.52 | 0.1561 (70%) |
| m6g.medium | General purpose | 1 | 64 GiB | Up to 10 Gigabit | EBS only | 0.544 | 0.2045 (62%) |
| m6g.xlarge | General purpose | 4 | 16 GiB | Up to 40000 Megabit | EBS only | 0.546 | 0.1639 (70%) |
| m6i.2xlarge | General purpose | 8 | 32 GiB | Up to 10 Gigabit | 1 x 300 NVMe SSD | 0.572 | 0.2151 (62%) |
| m6i.4xlarge | General purpose | 16 | 32 GiB | Up to 25 Gigabit | EBS only | 0.596 | 0.2067 (65%) |
| m6i.8xlarge | General purpose | 32 | 64 GiB | Up to 12500 Megabit | EBS only | 0.604 | 0.2385 (61%) |
| m6i.large | General purpose | 2 | 64 GiB | Up to 10 Gigabit | EBS only | 0.604 | 0.2271 (62%) |
| m6i.xlarge | General purpose | 4 | 32 GiB | Up to 25 Gigabit | 1 x 300 NVMe SSD | 0.684 | 0.2404 (65%) |
| r5.2xlarge | Memory optimized | 8 | 64 GiB | Up to 10 Gigabit | 1 x 300 NVMe SSD | 0.692 | 0.2602 (62%) |
| r5.4xlarge | Memory optimized | 16 | 64 GiB | Up to 25 Gigabit | EBS only | 0.716 | 0.2517 (65%) |
| r5.8xlarge | Memory optimized | 32 | 61 GiB | Up to 10 Gigabit | 1 x 1900 NVMe SSD | 0.752 | 0.3158 (58%) |
| r5.large | Memory optimized | 2 | 64 GiB | Up to 25 Gigabit | 1 x 300 NVMe SSD | 0.804 | 0.2857 (64%) |
| r5.xlarge | Memory optimized | 4 | 64 GiB | Up to 12 Gigabit | 1 x 1875 NVMe SSD | 0.827 | 0.3316 (60%) |
| r5a.2xlarge | Memory optimized | 8 | 32 GiB | Up to 25 Gigabit | 225 GB NVMe SSD | 0.948 | 0.3564 (62%) |
| r5a.4xlarge | Memory optimized | 16 | 64 GiB | Up to 25 Gigabit | 2 x 2500 NVMe SSD | 1.092 | 0.4112 (62%) |
| r5a.8xlarge | Memory optimized | 32 | 61 GiB | High | 6 x 2000 HDD | 1.656 | 0.4732 (71%) |
| r5a.large | Memory optimized | 2 | 244 GiB | Up to 10 Gigabit | 1 x 240 SSD | 2 | 0.5599 (72%) |
| r5a.xlarge | Memory optimized | 4 | 256 GiB | Up to 25 Gigabit | 1 x 237 NVMe SSD | 2.00075 | 0.5586 (72%) |
| r5d.2xlarge | Memory optimized | 8 | 96 GiB | Up to 25 Gigabit | 1 x 7500 NVMe SSD | 1.638 | 0.6169 (62%) |
| r5d.4xlarge | Memory optimized | 16 | 32 GiB | Up to 10 Gigabit | EBS only | 0.6528 | 0.2454 (62%) |
| r5d.8xlarge | Memory optimized | 32 | 32 GiB | Up to 10 Gigabit | EBS only | 0.736 | 0.2768 (62%) |
| r5d.large | Memory optimized | 2 | 64 GiB | Up to 10 Gigabit | EBS only | 0.7744 | 0.2912 (62%) |
| r5d.xlarge | Memory optimized | 4 | 32 GiB | Up to 10 Gigabit | EBS only | 0.816 | 0.2830 (65%) |
| r5dn.2xlarge | Memory optimized | 8 | 32 GiB | Up to 12500 Megabit | EBS only | 0.816 | 0.2971 (64%) |
| r5dn.4xlarge | Memory optimized | 16 | 32 GiB | 25 Gigabit | EBS only | 0.832 | 0.3113 (63%) |
| r5dn.8xlarge | Memory optimized | 32 | 64 GiB | Up to 10 Gigabit | EBS only | 0.872 | 0.3279 (62%) |
| r5dn.large | Memory optimized | 2 | 32 GiB | Up to 10 Gigabit | 1 x 400 NVMe SSD | 0.928 | 0.3290 (65%) |
| r5dn.xlarge | Memory optimized | 4 | 128 GiB | Up to 10 Gigabit | EBS only | 0.9664 | 0.3634 (62%) |
| r5n.2xlarge | Memory optimized | 8 | 64 GiB | Up to 10 Gigabit | EBS only | 0.968 | 0.3640 (62%) |
| r5n.4xlarge | Memory optimized | 16 | 64 GiB | Up to 12500 Megabit | EBS only | 0.968 | 0.3822 (61%) |
| r5n.8xlarge | Memory optimized | 32 | 42 GiB | Up to 25 Gigabit | EBS only | 1.04 | 0.3123 (70%) |
| r5n.large | Memory optimized | 2 | 128 GiB | Up to 10 Gigabit | EBS only | 1.088 | 0.4091 (62%) |
| r5n.xlarge | Memory optimized | 4 | 32 GiB | Up to 50000 Megabit | EBS only | 1.092 | 0.3277 (70%) |
| r6g.2xlarge | Memory optimized | 8 | 64 GiB | Up to 10 Gigabit | 2 x 300 NVMe SSD | 1.144 | 0.4301 (62%) |
| r6g.4xlarge | Memory optimized | 16 | 64 GiB | Up to 25 Gigabit | EBS only | 1.192 | 0.4135 (65%) |
| r6g.8xlarge | Memory optimized | 32 | 128 GiB | Up to 12500 Megabit | EBS only | 1.208 | 0.4769 (61%) |
| r6g.large | Memory optimized | 2 | 128 GiB | Up to 10 Gigabit | EBS only | 1.208 | 0.4542 (62%) |
| r6g.medium | Memory optimized | 1 | 64 GiB | Up to 25 Gigabit | 2 x 300 NVMe SSD | 1.368 | 0.4809 (65%) |
| r6g.xlarge | Memory optimized | 4 | 128 GiB | Up to 10 Gigabit | 2 x 300 NVMe SSD | 1.384 | 0.5204 (62%) |
| r6i.2xlarge | Memory optimized | 8 | 128 GiB | Up to 25 Gigabit | EBS only | 1.432 | 0.5034 (65%) |
| r6i.4xlarge | Memory optimized | 16 | 122 GiB | Up to 10 Gigabit | 2 x 1900 NVMe SSD | 1.504 | 0.6317 (58%) |
| r6i.8xlarge | Memory optimized | 32 | 64 GiB | Up to 25 Gigabit | 225 GB NVMe SSD | 1.518 | 0.5706 (62%) |
| r6i.large | Memory optimized | 2 | 128 GiB | Up to 25 Gigabit | 2 x 300 NVMe SSD | 1.608 | 0.5713 (64%) |
| r6i.xlarge | Memory optimized | 4 | 128 GiB | Up to 25 Gigabit | 1 x 3750 NVMe SSD | 1.654 | 0.6633 (60%) |
| t3.2xlarge | General purpose | 8 | 122 GiB | High | 12 x 2000 HDD | 3.312 | 0.9464 (71%) |
| t3.large | General purpose | 2 | 488 GiB | Up to 10 Gigabit | 1 x 480 SSD | 4 | 1.1197 (72%) |
| t3.medium | General purpose | 2 | 512 GiB | Up to 25 Gigabit | 1 x 475 NVMe SSD | 4.0015 | 1.1171 (72%) |
| t3.micro | General purpose | 2 | 48 GiB | 25 Gigabit | EBS only | 1.488 | 0.6225 (58%) |
| t3.nano | General purpose | 2 | 192 GiB | 25 Gigabit | 2 x 7500 NVMe SSD | 3.276 | 1.2337 (62%) |
| t3.small | General purpose | 2 | 64 GiB | 12 Gigabit | EBS only | 1.3056 | 0.4909 (62%) |
| t3.xlarge | General purpose | 4 | 64 GiB | 10 Gigabit | EBS only | 1.472 | 0.5535 (62%) |
| t3a.2xlarge | General purpose | 8 | 128 GiB | 12 Gigabit | EBS only | 1.5488 | 0.5823 (62%) |
| t3a.large | General purpose | 2 | 64 GiB | 12500 Megabit | EBS only | 1.632 | 0.5943 (64%) |
| t3a.medium | General purpose | 2 | 64 GiB | 50 Gigabit | EBS only | 1.664 | 0.6227 (63%) |
| t3a.micro | General purpose | 2 | 128 GiB | Up to 10 Gigabit | EBS only | 1.744 | 0.6557 (62%) |
| t3a.nano | General purpose | 2 | 256 GiB | 12 Gigabit | EBS only | 1.9328 | 0.7268 (62%) |
| t3a.small | General purpose | 2 | 128 GiB | 12500 Megabit | EBS only | 1.936 | 0.7643 (61%) |
| t3a.xlarge | General purpose | 4 | 128 GiB | 10 Gigabit | EBS only | 1.936 | 0.7279 (62%) |
| t4g.2xlarge | General purpose | 8 | 256 GiB | Up to 10 Gigabit | EBS only | 2.176 | 0.8182 (62%) |
| t4g.large | General purpose | 2 | 64 GiB | 50000 Megabit | EBS only | 2.184 | 0.6555 (70%) |
| t4g.medium | General purpose | 2 | 128 GiB | 10 Gigabit | 2 x 600 NVMe SSD | 2.288 | 0.8603 (62%) |
| t4g.micro | General purpose | 2 | 128 GiB | 25 Gigabit | EBS only | 2.384 | 0.8269 (65%) |
| t4g.nano | General purpose | 2 | 256 GiB | 12500 Megabit | EBS only | 2.416 | 0.9538 (61%) |
| t4g.small | General purpose | 2 | 256 GiB | 10 Gigabit | EBS only | 2.416 | 0.9084 (62%) |
| t4g.xlarge | General purpose | 4 | 128 GiB | 25 Gigabit | 2 x 600 NVMe SSD | 2.736 | 0.9619 (65%) |
| x1e.2xlarge | Memory optimized | 8 | 128 GiB | 50 Gigabit | 900 GB NVMe SSD | 2.743 | 1.0313 (62%) |
| x1e.4xlarge | Memory optimized | 16 | 256 GiB | 10 Gigabit | 2 x 600 NVMe SSD | 2.768 | 1,0408 (62 %) |
| x1e.8xlarge | Speicheroptimiert | 32 | 256 GiB | 25 Gigabit | Nur EBS | 2.864 | 1,0068 (65 %) |
| x1e.xlarge | Speicheroptimiert | 4 | 244 GiB | 10 Gigabit | 4 x 1900 NVMe SSD | 3.008 | 1,2634 (58 %) |
| x2iedn.2xlarge | Speicheroptimiert | 8 | 256 GiB | 25 Gigabit | 2 x 600 NVMe SSD | 3.216 | 1,1427 (64 %) |
| x2iedn.4xlarge | Speicheroptimiert | 16 | 256 GiB | 18750 Megabit | 2 x 3750 NVMe SSD | 3.309 | 1,3265 (60 %) |
| x2iedn.8xlarge | Speicheroptimiert | 32 | 976 GiB | Bis zu 10 Gigabit | 1 x 960 SSD | 8 | 2,2395 (72 %) |
| x2iedn.xlarge | Speicheroptimiert | 4 | 1024 GiB | 25 Gigabit | 1 x 950 NVMe SSD | 8.003 | 2,2343 (72 %) |