weishen
c3f9de5f9f
Source: Cloud & DevOps/Public-Cloud-Learning-Sessions/05_FinOps/public-cloud-learning-sessions-best-practices-for-ec2-cost-optimization-in-aws-2.md Entities: Mike-Dukes, Steele-Taylor, Spot-Invaders Concepts: AWS-Nitro, EC2-Spot-Instances, ECS Concepts updated: Graviton, SpotInstances (added source reference)
54 lines
1.4 KiB
Markdown
54 lines
1.4 KiB
Markdown
---
|
||
title: "Graviton"
|
||
type: concept
|
||
tags:
|
||
- AWS
|
||
- Cost-Optimization
|
||
- ARM
|
||
aliases:
|
||
- Graviton
|
||
- Graviton ARM
|
||
- AWS Graviton
|
||
last_updated: 2026-05-12
|
||
---
|
||
|
||
## Overview
|
||
|
||
Graviton 是 AWS 基于 ARM 架构自研的处理器，相比 Intel/AMD x86 实例提供更高的性价比（最高 40%）和更低的功耗（减少高达 60%）。
|
||
|
||
## Benefits
|
||
|
||
- **成本更低**：相比同等配置 Intel 实例便宜 20-25%
|
||
- **能效更高**：功耗显著降低
|
||
- **性能提升**：对于支持 ARM 的工作负载性能更好
|
||
|
||
## Instance Types
|
||
|
||
- **M系列**：通用型（M6g/M7g）
|
||
- **T系列**：突发性（T4g）
|
||
- **C系列**：计算型（C6g/C7g）
|
||
- **R系列**：内存优化（R6g/R7g）
|
||
- **X系列**：内存优化（X2gd）
|
||
|
||
## Compatibility
|
||
|
||
适用于大多数工作负载：
|
||
- Web 服务
|
||
- 容器化应用（EKS/ECS）
|
||
- 大数据处理
|
||
- CI/CD 构建
|
||
- 机器学习推理
|
||
|
||
排除场景：
|
||
- 有状态服务（某些数据库）
|
||
- 需要特定 x86 指令的应用
|
||
- Windows 工作负载
|
||
|
||
## Related Pages
|
||
|
||
- [[FinOps]]
|
||
- [[SpotInstances]]
|
||
- [[public-cloud-learning-sessions-best-practices-for-ec2-cost-optimization-in-aws-2]]：Mike Dukes 和 Steele Taylor 详解 Graviton 性价比优势（40% 提升）和能耗优势（60% 降低）
|
||
- [[ctp-topic-13-cloud-finops-micro-focus-policies-best-practices-to-optimize-the-co]]
|
||
- [[ctp-topic-63-optimise-resource-cost-using-automation]]
|