針對企業級使用者,可以通過如下流程進行配置選型:
說明:更多應用場景,詳情請參見企業級配置選型。
為滿足不同客戶的需求,針對企業級的使用者,阿里雲提供了以下應用場景下的執行個體配置建議:
均衡效能
需要相對均衡的處理器與記憶體資源配比,滿足大多數場景下的應用資源需求關係。
高網路收發包應用
需要高網路收發包能力,可以根據應用場景選擇更合理的計算與記憶體的資源配比。
高效能運算
需要消耗高計算資源,GPU並行計算以及高主頻是該場景下的典型應用。
高效能端遊
使用者業務需要高處理器主頻來承載更多的使用者,需要高主頻處理器支援。
手遊、頁遊
需要消耗高計算資源,1:2的處理器與記憶體配比可以獲得最優計算資源性價比。
視頻轉寄
需要消耗高計算資源,1:2的處理器與記憶體配比可以獲得最優計算資源性價比。
直播彈幕
需要高網路收發包能力,可以根據應用場景選擇更合理的計算與記憶體的資源配比。
關係型資料庫
需要SSD雲端碟或更高效能的NVMe SSD本地磁碟提供高儲存IOPS且低讀寫延時,CPU與記憶體資源配比均衡(1:4)或記憶體更大(1:8)。
分布式緩存
需要CPU與記憶體資源配比均衡(1:4)或者記憶體更大(1:8),穩定的計算效能。
NoSQL資料庫
需要SSD雲端碟或更高效能的NVMe SSD本地磁碟提供高儲存IOPS且低讀寫延時,CPU與記憶體資源配比均衡(1:4)或記憶體更大(1:8)。
Elastic Search
需要SSD雲端碟或更高效能的NVMe SSD本地磁碟提供高儲存IOPS且低讀寫延時,CPU與記憶體資源配比均衡(1:4)或記憶體更大(1:8)。
Hadoop
資料節點需要高磁碟吞吐、高網路吞吐、均衡的CPU與記憶體配比,計算節點則更關注計算效能、網路頻寬及CPU與記憶體資源配。
Spark
資料節點需要高磁碟吞吐、高網路吞吐、均衡的CPU與記憶體配比,計算節點則更關注計算效能、網路頻寬及CPU與記憶體資源配。
Kafka
資料節點需要高磁碟吞吐、高網路吞吐、均衡的CPU與記憶體配比,計算節點則更關注計算效能、網路頻寬及CPU與記憶體資源配。
機器學習服務
需要高效能Nvidia GPU計算卡,記憶體不小於顯存的兩倍。
視頻編碼
需要高效能GPU計算卡或高效能CPU進行編解碼。
渲染
需要高效能GPU計算卡進行渲染。