AWS EC2 Instance-Typen erklärt: Wann wird welcher Typ verwendet?

Speicheroptimierte Instanzen

Speicheroptimierte Instanzen sind am besten für Arbeitslasten geeignet, die mehr Speicher als CPU-Leistung oder Speicherplatz benötigen. Diese Instanzen sind für Hochleistungsdatenbanken und In-Memory-Anwendungen geeignet, die große Datenmengen vollständig im Speicher verarbeiten und so ultraschnelle Antwortzeiten ermöglichen.

R-series

Die Instanzen der R-Serie sind für speicherintensive Workloads konzipiert. Sie bieten ein höheres Verhältnis von Arbeitsspeicher zu CPU, was sie besonders geeignet macht, wenn deine Anwendung viel Arbeitsspeicher, aber nicht unbedingt viel Rechenleistung benötigt.

Wir können sie verwenden für:

• In-Memory-Caching: Ideal für Tools wie Redis oder Memcached, die einen blitzschnellen Zugriff auf Daten benötigen.
• Big-Data-Analysen in Echtzeit: Perfekt für die Verarbeitung und Analyse von Daten im Arbeitsspeicher mit geringer Latenz.
• Unternehmensanwendungen: Ideal für große Anwendungen, die eine solide Speicherzuweisung benötigen, um zuverlässig zu laufen.

Zu den beliebtesten Optionen gehören r5, r6a, r8g und r4. Es gibt sie in verschiedenen Größen, je nach deinem Bedarf. 

X-series und Z-series

Die Instanzen der X-Serie bieten eine extreme Speicherkapazität und sind speziell für speicherintensive Unternehmens-Workloads konzipiert. Sie sind die erste Wahl für:

• SAP HANA
• In-Memory-Datenbanken
• Echtzeit-Analysen im großen Maßstab

Einige ihrer Standardmodelle sind x1e, x2gd und x8g.

Die Instanzen der Z-Serie sind ein bisschen anders. Sie kombinieren hohen Speicher und hohe CPU-Frequenz, was sie ideal macht für:

• Elektronische Entwurfsautomatisierung (EDA)
• Finanzielle Simulationen
• Große relationale Datenbanken
• Computergestützte Lithografie

Wenn deine Arbeitslast eine starke Single-Thread-Leistung und eine beträchtliche Menge an Arbeitsspeicher erfordert, bietet die Z-Serie (wie z. B. die Z1d) eine ausgewogene Leistung.

Speicheroptimierte Instanzen

Speicheroptimierte Instanzen verwenden lokal angeschlossene Hochgeschwindigkeits-SSDs (NVMe), die sich ideal für Workloads eignen, die eine extrem schnelle und zuverlässige Speicherung erfordern. Deshalb können wir sie für NoSQL-Datenbanken, Data Lakes oder groß angelegte Datenverarbeitungen einsetzen, die hohe IOPS (Input/Output Operations Per Second) erfordern.

Schauen wir uns einige gängige speicheroptimierte Instanzen an: 

I-Reihe, D-Reihe, H-Reihe

In der folgenden Tabelle findest du Einzelheiten zu den einzelnen Instanzreihen:

Die vollständige Liste der Instanzen der I-Serie, H-Serie und D-Serie findest du in der Dokumentation.

Leistung des lokalen Speichers

Der lokale Speicher nutzt NVMe-SSDs, die eine blitzschnelle Leistung mit sehr hohen IOPS (Input/Output Operations Per Second), Latenzzeiten von unter einer Millisekunde und einen hohen Durchsatz für deine Anwendungen bieten. Sie ist jedoch flüchtig, d.h. die Daten gehen verloren, wenn die Instanz gestoppt oder beendet wird.

Deshalb wird ephemerer Speicher vor allem dafür verwendet:

• Temporärer Kratzspalt
• Puffer/Cache-Speicher
• Temporäre Hochgeschwindigkeitsdatenbanken (wie Redis, Cassandra mit Replikaten)

Im Gegensatz dazu sind EBS-gestützte Volumes (Elastic Block Store) persistenter Speicher, der auch dann verfügbar bleibt, wenn die Instanz angehalten wird. EBS ist netzwerkgebunden und sehr langlebig und bietet Funktionen wie Snapshots für eine einfache Sicherung und Wiederherstellung. Das macht sie ideal für Workloads, bei denen Datenpersistenz wichtig ist, wie z. B. Datenbanken und wichtige Dateien.

Ephemerer Speicher bietet zwar eine unglaubliche Leistung, aber keine Dauerhaftigkeit der Daten. Auf der anderen Seite bietet EBS-gestützter Speicher eine hervorragende Haltbarkeit und Ausfallsicherheit, ideal für Workloads, die sowohl Leistung als auch Datensicherheit benötigen.

Beschleunigte Berechnungsinstanzen

Beschleunigte Recheninstanzen, auch hardwarebeschleunigte Instanzen genannt, kommen zum Einsatz, wenn wir spezielle Hardware wie GPUs (Graphics Processing Units), FPGAs (Field Programmable Gate Arrays) oder kundenspezifische AWS-Chips benötigen, um rechenintensive Aufgaben auszulagern, die auf CPUs allein zu langsam oder ineffizient wären. 

Deshalb bieten sie eine bessere Leistung und sind für Arbeitslasten geeignet, die eine starke Parallelverarbeitung oder komplexe Berechnungen erfordern.

GPU-basierte Instanzen (P- und G-Familien)

GPU-basierte Instanzen sind perfekt für Aufgaben, die leistungsstarkes paralleles Rechnen erfordern. Mit NVIDIA-GPUs als Herzstück sind diese Instanzen für anspruchsvolle Workloads wie ML-Modelltraining, 3D-Rendering, High-End-Gaming und andere grafikintensive Aufgaben optimiert.

Zwei wichtige Familien in der Kategorie der GPU-basierten Instanzen sind:

• P-Familie (z. B. P4, P5): Diese sind mit NVIDIA-GPUs ausgestattet und für maschinelles Lernen (ML) und High-Performance-Computing (HPC)-Anwendungen konzipiert.
• G Familie (z. B. G4, G5): Diese werden ebenfalls von NVIDIA-GPUs angetrieben und sind ideal für Grafik-Workloads, ML-Inferenz und Game-Streaming.

Spezialisierte AI/ML-Instanzen (Infm- und Trn-Familien)

Für KI- und Machine-Learning-Arbeitslasten werden die Familien Inferentia-optimierte Instanz (Inf) und Trainium-optimierte Instanz (Trn) mit maßgeschneidertem AWS-Silizium wie AWS Inferentia- und AWS Trainium-Chips gebaut. Sie können Deep-Learning-Modelle in großem Umfang trainieren und ableiten, um ein erstklassiges Preis-Leistungs-Verhältnis zu erzielen.

• Inf-Familie (z. B. Inf1, Inf2): Diese Instances sind perfekt für Inferenzaufgaben mit niedriger Latenz und hohem Durchsatz geeignet und werden von AWS Inferentia-Chips unterstützt.
• Trn-Familie (z. B. Trn1, Trn2): Sie sind für die verteilte Schulung von Deep-Learning-Modellen optimiert und bieten Hochgeschwindigkeitsverbindungen und umfangreiche Rechenkapazitäten, die von AWS Trainium-Chips gesteuert werden.

Diese Instanzen sind skalierbar und unterstützen die Frameworks TensorFlow, PyTorch und Apache MXNet, um die Effizienz zu steigern und eine nahtlose Leistung zu bieten.

Wir können sie verwenden für:

• Deep Learning Training im großen Maßstab: Nutze Trn1 für ein kostengünstiges, leistungsstarkes Training großer Modelle.
• KI-Schlussfolgerungen zu niedrigen Kosten: Verwende Inf1 für schnelle, kostengünstige Modellinferenz.
• Groß angelegte KI-Einsätze: Unterstützung von Umgebungen mit Millionen von Schlussfolgerungen pro Sekunde, wie z.B. Empfehlungsmaschinen, Spracherkennung und autonome Fahrzeuge.

Wie wähle ich die richtige EC2-Instanz?

Bei so vielen Instanztypen ist es gar nicht so einfach zu wissen, worauf du achten musst, damit du das Beste aus dem AWS-Angebot herausholen kannst. Lass uns also sehen, wie du und dein Team sichere Entscheidungen treffen können, die Leistung, Kosten und Skalierbarkeit in Einklang bringen.

Wichtige Entscheidungsfaktoren

Überlege dir zunächst, was dein Arbeitspensum wirklich braucht. Bestimme die benötigte CPU-Leistung, den Arbeitsspeicher, den Speicherplatz und die Netzwerkanforderungen, da unterschiedliche Arbeitslasten unterschiedliche Instanztypen erfordern. 

Du solltest auch berücksichtigen, wie sich dein Traffic verhält. Ist sie gleichmäßig und vorhersehbar, oder gibt es zu bestimmten Zeiten Spitzenwerte? Das kann uns bei der Entscheidung helfen, ob wir uns für etwas entscheiden, das nach Bedarf skaliert werden kann.

Und meistens arbeiten wir innerhalb eines Kostenrahmens, also wägen wir die Leistung gegen das ab, was wir bereit sind, auszugeben. Wenn wir keinen persistenten Speicher benötigen, können wir mit ephemerem Speicher im Vergleich zu EBS-Volumes einiges sparen.

AWS-Tools für die Auswahl

Zum Glück gibt uns AWS mehrere Tools an die Hand, um die Suche einzugrenzen. Hier sind einige von ihnen:

• Mit dem Instance Explorer kannst du die Instanztypen schnell nach den von dir gewünschten Spezifikationen filtern.
• AWS Compute Optimizer prüft, wie du die Instances derzeit nutzt, und schlägt bessere Optionen vor, wenn es sie gibt.
• Der AWS-Preisrechner schätzt die Kosten im Voraus. Das ist toll, wenn wir die Optionen vor der Bereitstellung vergleichen wollen.

Benchmarking und Tests

Auch mit all diesen Tools lohnt es sich, selbst einige Tests durchzuführen. Das Benchmarking verschiedener Instanzen in unserer Umgebung zeigt uns, wie sie sich unter realen Arbeitsbelastungen verhalten. Das gibt uns ein besseres Gefühl für Leistung, Latenz und Kosten, und zwar auf der Grundlage dessen, was für uns wirklich wichtig ist.

Kosten und Kaufoptionen

Wenn es um EC2 geht, kann die Art und Weise, wie wir Instanzen kaufen, unsere Gesamtkosten beeinflussen. Da AWS mehrere Kaufoptionen anbietet, die jeweils auf unterschiedliche Arbeitslasten zugeschnitten sind, schauen wir uns an, wie wir die richtige für unser aktuelles Projekt auswählen und wie wir unsere Cloud-Rechnungen effektiv verwalten können.

On-Demand-Instanzen

On-Demand-Instanzen bieten uns die größte Flexibilität. Wir können sie starten, wann immer wir wollen, sekundengenau bezahlen und sie genauso einfach wieder abschalten, ohne Verpflichtungen einzugehen. Sie sind perfekt für:

• Kurzfristige Projekte
• Spontane oder unvorhersehbare Arbeitsbelastungen
• Schnell loslegen ohne vorherige Planung

Aber diese Flexibilität hat einen höheren Preis. Bei lang andauernden oder vorhersehbaren Arbeitsbelastungen können wir mit anderen Optionen im Laufe der Zeit viel mehr sparen.

Reservierte und Spot-Instanzen

Reservierte Instanzen sind ideal, wenn wir wissen, dass eine Arbeitslast über einen längeren Zeitraum konstant laufen wird. Wenn du dich für eine ein- oder dreijährige Laufzeit verpflichtest, kannst du bis zu 75 % im Vergleich zu den Preisen auf Abruf sparen. Das ist ein kluger Schachzug, um stabile, ständig aktive Apps zu betreiben.

Spot-Instanzen hingegen sind besser für ein knappes Budget geeignet. AWS bietet ungenutzte Kapazitäten zu massiven Rabatten von bis zu 90 % an, die aber kurzfristig wieder zurückgenommen werden können. Das bedeutet, dass sie am besten für Berufe geeignet sind, die mit Unterbrechungen umgehen können, wie z. B.:

• Stapelverarbeitung
• Datenanalyse
• CI/CD-Workloads
• Zustandslose Dienste

Schneller Vergleich: On-demand vs. reservierte vs. Spot-Instanzen

Hier ist eine kurze Tabelle, die dir bei der Entscheidung hilft :

Einen genaueren Vergleich findest du auf der offiziellen AWS-Website.

Tipps zur Kostenoptimierung

Umunser Budget noch weiter zu strecken, gibt es ein paar Instrumente und Strategien, auf die wir uns stützen können:

• Sparpläne: Diese bieten flexible, verbindliche Preise für EC2 und andere Dienste. Wir können bis zu 72% sparen, wenn wir uns zu einer konsequenten Nutzung verpflichten.
• Automatische Skalierung: Passt unsere Kapazität automatisch an die Nachfrage an, sodass wir nie überversorgt sind.
• Right-sizing: Überprüfe regelmäßig die Instanztypen und -größen, um sicherzustellen, dass sie noch passen. Kleine Änderungen können mit der Zeit große Einsparungen bedeuten.

Fazit

Es gibt keine Einheitsgröße, wenn es um EC2-Instanzen geht, und das ist auch gut so. Egal, ob wir eine schnelle Entwicklungsumgebung einrichten oder eine komplexe Pipeline für maschinelles Lernen skalieren wollen, AWS gibt uns die Flexibilität, genau das zu wählen, was wir brauchen.

Entscheidend ist, dass wir unsere Arbeitsbelastung verstehen, unsere Leistungsziele kennen und die Kosten im Blick behalten. Je bewusster wir unsere Entscheidungen treffen, unterstützt durch Tools, Tests und ein bisschen Ausprobieren, desto mehr können wir aus unserer Infrastruktur herausholen.

Wenn du deine AWS-Kenntnisse weiter ausbauen oder mehr über die Möglichkeiten von EC2 erfahren möchtest, findest du hier ein paar Ressourcen, die du dir ansehen solltest:

• Einführung in AWS - Ein guter Ausgangspunkt, um die wichtigsten AWS-Konzepte und -Dienste zu verstehen.
• AWS Cloud-Technologie und -Services - Erkunde die AWS-Services und wie sie im Cloud-Ökosystem zusammenpassen.
• AWS-Sicherheit und Kostenmanagement - Erfahre mehr über die besten Methoden zur Sicherung deiner AWS-Umgebung und zur effektiven Kostenverwaltung.
• Einführung in AWS Boto in Python - Ein praktischer Kurs, in dem du lernst, wie du mit Boto3 (AWS SDK für Python) Aufgaben automatisieren und AWS-Ressourcen verwalten kannst.

Diese Ressourcen helfen dir, deine AWS-Kenntnisse auf die nächste Stufe zu bringen, mit praktischen Beispielen und Anwendungen aus der Praxis.