253-AWS SAP AWS 「理論・実践・一問道場」メモリ最適化インスタンス　ゲーム

type

status

date

slug

summary

理論

1. Auto Scalingの基本概念

Auto Scalingは、アプリケーションの負荷に応じてインスタンスを動的に増減させる機能です。これにより、トラフィックが急増した場合でも自動的にインスタンスを追加し、トラフィックが少ない場合にはインスタンスを減らして、コストを最適化できます。

スケーリングの設定

最小容量（Minimum Capacity）: インスタンスの最小数。これ以下にはスケールダウンしません。

最大容量（Maximum Capacity）: インスタンスの最大数。これ以上はスケールアップしません。

希望容量（Desired Capacity）: 現在のインスタンス数。スケーリングポリシーに基づいて調整されます。

2. インスタンスの選択と最適化

インスタンスは、アプリケーションのワークロードに最適なものを選ぶ必要があります。たとえば、メモリ集約型のアプリケーションには**メモリ最適化インスタンス（r6gなど）を選び、計算負荷が高いアプリケーションには計算最適化インスタンス（c6gなど）**を選びます。

メモリ最適化インスタンス（r6g）: メモリを多く消費するアプリケーションに最適。ゲームのようにメモリを多く使うシナリオで有効です。

計算最適化インスタンス（c6g）: CPU集約型のワークロードに適しており、負荷の高い計算処理に優れています。

汎用インスタンス（m6g）: CPUとメモリのバランスが取れており、さまざまなワークロードに適しています。

3. スケーリングの柔軟性

柔軟なスケーリング幅を設定することで、トラフィックの変動に応じてインスタンスを調整できます。広い調整幅（例: 最小3、最大12）は、リソースの適切な確保とコストの削減を両立させるために重要です。適切なスケーリング設定により、アプリケーションの性能を最適化し、必要ないインスタンスの稼働を避けることができます。

4. コスト最適化

リソースの過剰な確保を避ける: インスタンスサイズやスケーリング幅を適切に設定することで、無駄なコストを削減できます。

インスタンスタイプの選定: 必要な性能を確保しつつ、最小限のコストで運用するためには、アプリケーションに最適なインスタンスを選ぶことが重要です。

結論

適切なインスタンスタイプの選定とスケーリング幅を広げることで、アプリケーションの需要に柔軟に対応し、コスト効率を最大化することができます。

実践

略

一問道場

問題 #253

あるエンターテインメント会社は、新しいゲームを最近リリースしました。プレイヤーの体験を良好に保つために、会社は12台のr6g.16xlarge（メモリ最適化）Amazon EC2インスタンスをNetwork Load Balancerの背後に配置しました。運用チームは、Amazon CloudWatchエージェントとカスタムメトリックを使用して、メモリ使用率を監視戦略に組み込みました。リリース期間中のCloudWatchメトリックの分析では、CPUとメモリの消費が予想よりも約4分の1であることがわかりました。ゲームの初期需要は減少し、需要はより変動的になっています。会社は、CPUとメモリの使用量を監視してインスタンスの規模を動的に調整するためにAuto Scalingグループを使用することに決めました。ソリューションアーキテクトは、最もコスト効果の高い方法でAuto Scalingグループを設定する必要があります。

どのソリューションがこの要件を満たすでしょうか？

A. Auto Scalingグループを設定し、c6g.4xlarge（計算最適化）インスタンスをデプロイします。最小容量を3、希望容量を3、最大容量を12に設定します。

B. Auto Scalingグループを設定し、m6g.4xlarge（汎用）インスタンスをデプロイします。最小容量を3、希望容量を3、最大容量を12に設定します。

C. Auto Scalingグループを設定し、r6g.4xlarge（メモリ最適化）インスタンスをデプロイします。最小容量を3、希望容量を3、最大容量を12に設定します。

D. Auto Scalingグループを設定し、r6g.8xlarge（メモリ最適化）インスタンスをデプロイします。最小容量を2、希望容量を2、最大容量を6に設定します。