墨守成規可能會導致高昂代價
當企業開始考慮雲端運算使用量的未來時，主要目標是要維持效能和規模，同時將營運成本降到最低。這通常會導致他們繼續使用價格較低的舊世代執行個體。但未現代化也有其本身的代價，尤其是考量到全新 M7a 執行個體能以更少執行個體完成更多工作。
事半功倍，省時省力
Amazon M7a 採用最新的 AMD EPYC™ 處理器，能夠在僅使用少部分執行個體的狀況下，提供與搭載 Intel 技術的 M6i 完全相同的工作負載輸送量。這表示運算成本能夠大幅降低。
具備彈性並經最佳化的 EPYC™ 支援執行個體
由於在選擇雲端執行個體時，彈性是非常重要的因素，因此 AWS 提供多種採用 AMD EPYC™ 處理器（專為記憶體密集應用、運算密集應用和 HPC 應用等特定使用案例所設計）的運算執行個體。請參閱 EPYC™ Amazon EC2 執行個體的完整清單。
M7a 效能導向雲端 OPEX 所節省成本與 M6i 的比較1
將 AWS 部署現代化為 M7a 可大幅節省營運成本。從 M6i 改用 M7a 後，客戶平均可以看到最高 2 倍的效能提升，雲端 OPEX 可節省 37%。1
| 網路/應用程式層 | ||
| 企業應用程式 | 網路服務 | 視訊處理 |
| Java | NGINX | FFMPEG |
| 1.6 倍 最大 jOPS |
1.9 倍 請求數/秒 |
2.5 倍 影格數/秒 |
| 24% 節省 |
36% 節省 |
52% 節省 |
| 資料層 | ||
| SQL 資料庫（交易） | SQL 資料庫 （分析） |
無 SQL 資料庫 |
| MySQL | MS SQL 伺服器 | Redis |
| 1.7 倍 交易數/分鐘 |
1.7 倍 QphH |
2.4 倍 請求數/秒 |
| 31% 節省 |
30% 節省 |
49% 節省 |
M7a 效能導向雲端 OPEX 所節省成本與 M7i 的比較2
若企業是從內部部署資料中心或其他雲端供應商移轉至 AWS，也能因選擇 M7a 執行個體而獲得效益。再次強調：與最新之搭載 Intel 技術的 M7i 執行個體相比，選擇 AMD 可大幅節省成本。
| 網路/應用程式層 | ||
| 企業應用程式 | 網路服務 | 視訊處理 |
| Java | NGINX | FFMPEG |
| 1.4 倍 最大 jOPS |
1.6 倍 請求數/秒 |
1.9 倍 影格數/秒 |
| 18% 節省 |
29% 節省 |
40% 節省 |
| 資料層 | ||
| SQL 資料庫（交易） | SQL 資料庫 （分析） |
無 SQL 資料庫 |
| MySQL | MS SQL 伺服器 | Redis |
| 1.4 倍 交易數/分鐘 |
1.3 倍 QphH |
2.2 倍 請求數/秒 |
| 18% 節省 |
13% 節省 |
49% 節省 |
- 一般用途
- 最佳化 HPC
- 運算密集型
- 最佳化記憶體
- 可高載一般用途
- 圖形密集型
一般用途
針對一般用途工作負載提供平衡的運算、記憶體和網路資源。專為關鍵業務應用程式伺服器、企業應用程式的後端伺服器、遊戲伺服器、快取機群和應用程式開發環境所打造。
| 執行個體 | 規格 | 世代 | 關鍵工作負載 |
| M7a |
|
第四代 EPYC™ |
|
| M6a |
|
第三代 EPYC™ |
|
| M5a/5ad |
|
第一代 EPYC™ |
|
最佳化 HPC
Amazon EC2 Hpc6a 執行個體為 AWS 中的運算密集型高效能運算 (HPC) 工作負載提供最佳性價比。
| 執行個體 | 規格 | 世代 | 關鍵工作負載 |
| Hpc7a |
|
第四代 EPYC™ | 緊密結合的運算密集型高效能運算 (HPC) 工作負載，例如運算流體動力學 (CFD)、天氣預測和多重物理量模擬，以及深度學習 |
| Hpc6a |
|
第三代 EPYC™ |
|
運算密集型
這些執行個體的執行頻率高達 3.7 GHz *，專為執行批次處理、媒體轉碼、高效能網頁伺服器、高效能運算 (HPC)、科學建模、專用遊戲伺服器和廣告伺服器引擎、機器學習推論，以及其他運算密集的應用程式所打造。
| 執行個體 | 規格 | 世代 | 關鍵工作負載 |
| C7a |
|
第四代 EPYC™ |
|
| C6a |
|
第三代 EPYC™ |
|
| C5a/C5ad |
|
第二代 EPYC™ |
|
| C5an.metal/C5adn.metal |
|
第二代 EPYC™ |
|
最佳化記憶體
專為高效能資料庫、分散式網頁擴充記憶體內快取、記憶體內資料庫、即時大數據分析和其他企業應用程式所打造。
| 執行個體 | 規格 | 世代 | 關鍵工作負載 |
| R7a |
|
第四代 EPYC™ |
|
| R6a/R6ad |
|
第三代 EPYC™ |
|
| R5a/R5ad |
|
第一代 EPYC™ |
|
可高載一般用途
基準等級處理器效能，可隨時高載處理器使用量，持續時間不受限制。專為微服務、低延遲互動式應用程式、中型與小型資料庫、虛擬桌面、開發環境、程式碼儲存庫和關鍵業務應用程式所打造。
| 執行個體 | 規格 | 世代 | 關鍵工作負載 |
| T3a |
|
第一代 EPYC™ |
|
圖形密集型
G4ad 同時搭載 AMD EPYC™ 處理器和 Radeon™ Pro 顯示卡，可提供高效率和高頻寬的互連，協助開發人員和工程師確保優異的資料輸送量和應用程式響應速度。
| 執行個體 | 規格 | 世代 | 關鍵工作負載 |
|
|
|
|
|
|
|
|
效能簡介
AWS 案例研究
尾註
*EPYC-18：AMD EPYC 處理器最高提升頻率是指處理器的任何單一核心在伺服器系統的正常操作條件下可實現的最大頻率。
- SPC5-003：截至 2023 年 10 月 9 日為止，使用以量計價美國東部（俄亥俄州）Linux® 執行六個常見應用程式工作負載時，相較於 M6i.4xlarge 的 M7a.4xlarge 最高分數和雲端 OPEX 成本節省。
FFmpeg：約 2.5 倍的 raw_vp9 效能（40.2% 的 M6i 執行時間），雲端 OPEX 節省約 52%
NGINX™：約 1.9 倍的 WRK 效能（52.9% 的 M6i 執行時間），雲端 OPEX 節省約 36%
伺服器端 Java® 多執行個體最大 Java OPS：約 1.6 倍的 ops/sec 效能（63.3% 的 M6i 執行時間），雲端 OPEX 節省約 24%
MySQL™：約 1.7 倍的 TPROC-C 效能（57.5% 的 M6i 執行時間），雲端 OPEX 節省約 31%
SQL 伺服器：約 1.7 倍的 TPROC-H 效能（58.1% 的 M6i 執行時間），雲端 OPEX 節省約 30%
Redis™：約 2.4 倍的 SET rps 效能（42.4% 的 M6i 執行時間），雲端 OPEX 節省約 49%
顯示的雲端效能結果是根據組態中的測試日期而定。結果可能會因基礎組態的變更以及其他條件而有不同，例如 VM 及其資源的放置、雲端服務供應商所作的最佳化、存取的雲端地區、共同租用戶，以及系統上同時執行的其他工作負載類型。
SP5C-004：截至 2023 年 10 月 9 日為止，使用以量計價美國東部（俄亥俄州）Linux 執行六個常見應用程式工作負載時，相較於 M7i.4xlarge 的 AWS M7a.4xlarge 最高分數和雲端 OPEX 成本節省。
FFmpeg：約 1.9 倍的原始轉 vp9 編碼效能（52.3% 的 M7i 執行時間），雲端 OPEX 節省約 40%
NGINX™：約 1.6 倍的 WRK 效能（61.7% 的 M7i 執行時間），雲端 OPEX 節省約 29%
伺服器端 Java® 多執行個體最大 Java OPS：約 1.4 倍的 ops/sec 效能（71.4% 的 M7i 執行時間），雲端 OPEX 節省約 18%
MySQL™：約 1.4 倍的 TPROC-C 效能（70.4% 的 M7i 執行時間），雲端 OPEX 節省約 18%
SQL Server®：約 1.3 倍的 TPROC-H 效能（76.0% 的 M7i 執行時間），雲端 OPEX 節省約 13%
Redis™：約 2.2 倍的 rps 效能（44.6% 的 M7i 執行時間），雲端 OPEX 節省約 49%
顯示的雲端效能結果是根據組態中的測試日期而定。結果可能會因基礎組態的變更以及其他條件而有不同，例如 VM 及其資源的放置、雲端服務供應商所作的最佳化、存取的雲端地區、共同租用戶，以及系統上同時執行的其他工作負載類型。
*EPYC-18：AMD EPYC 處理器最高提升頻率是指處理器的任何單一核心在伺服器系統的正常操作條件下可實現的最大頻率。
- SPC5-003：截至 2023 年 10 月 9 日為止，使用以量計價美國東部（俄亥俄州）Linux® 執行六個常見應用程式工作負載時，相較於 M6i.4xlarge 的 M7a.4xlarge 最高分數和雲端 OPEX 成本節省。
SP5C-004：截至 2023 年 10 月 9 日為止，使用以量計價美國東部（俄亥俄州）Linux 執行六個常見應用程式工作負載時，相較於 M7i.4xlarge 的 AWS M7a.4xlarge 最高分數和雲端 OPEX 成本節省。
FFmpeg：約 1.9 倍的原始轉 vp9 編碼效能（52.3% 的 M7i 執行時間），雲端 OPEX 節省約 40%
NGINX™：約 1.6 倍的 WRK 效能（61.7% 的 M7i 執行時間），雲端 OPEX 節省約 29%
伺服器端 Java® 多執行個體最大 Java OPS：約 1.4 倍的 ops/sec 效能（71.4% 的 M7i 執行時間），雲端 OPEX 節省約 18%
MySQL™：約 1.4 倍的 TPROC-C 效能（70.4% 的 M7i 執行時間），雲端 OPEX 節省約 18%
SQL Server®：約 1.3 倍的 TPROC-H 效能（76.0% 的 M7i 執行時間），雲端 OPEX 節省約 13%
Redis™：約 2.2 倍的 rps 效能（44.6% 的 M7i 執行時間），雲端 OPEX 節省約 49%顯示的雲端效能結果是根據組態中的測試日期而定。結果可能會因基礎組態的變更以及其他條件而有不同，例如 VM 及其資源的放置、雲端服務供應商所作的最佳化、存取的雲端地區、共同租用戶，以及系統上同時執行的其他工作負載類型。
FFmpeg：約 2.5 倍的 raw_vp9 效能（40.2% 的 M6i 執行時間），雲端 OPEX 節省約 52%
NGINX™：約 1.9 倍的 WRK 效能（52.9% 的 M6i 執行時間），雲端 OPEX 節省約 36%
伺服器端 Java® 多執行個體最大 Java OPS：約 1.6 倍的 ops/sec 效能（63.3% 的 M6i 執行時間），雲端 OPEX 節省約 24%
MySQL™：約 1.7 倍的 TPROC-C 效能（57.5% 的 M6i 執行時間），雲端 OPEX 節省約 31%
SQL 伺服器：約 1.7 倍的 TPROC-H 效能（58.1% 的 M6i 執行時間），雲端 OPEX 節省約 30%
Redis™：約 2.4 倍的 SET rps 效能（42.4% 的 M6i 執行時間），雲端 OPEX 節省約 49%
顯示的雲端效能結果是根據組態中的測試日期而定。結果可能會因基礎組態的變更以及其他條件而有不同，例如 VM 及其資源的放置、雲端服務供應商所作的最佳化、存取的雲端地區、共同租用戶，以及系統上同時執行的其他工作負載類型。