最后更新: 2026-01-07, 作者: HAO022
实例资源类型
生产实践中,云厂商根据工作负载类型划分如下资源模型,此外相同的资源模型又分为不同的规格。
- 通用型:cpu/memory = 1:4,适用于通用互联网应用、Web 网站、Java 应用服务、游戏服务等场景。
- 计算型:cpu/memory = 1:2,适用于数据分析、批量计算、视频编码、机器学习等场景。
- 存储型:cpu/memory = 1:4,适用于 Hadoop MapReduce、HDFS、Hive、HBase 等存储场景。
- 内存型:cpu/memory = 1:8,适用于内存数据库、数据分析与挖掘、分布式内存缓存。
AWS/阿里云将实例类型分为上述几种类型,具体信息可以查看如下链接:
阿里云通用型实例规格族 g9ae,有 10 种资源规格。
| 实例规格 | vCPU | 内存(GiB) | 网络带宽基础/突发(Gbit/s) | 云盘带宽基础/突发(Gbit/s) | 云盘IOPS基础 |
|---|---|---|---|---|---|
| ecs.g9ae.large | 2 | 8 | 2.5/最高25 | 2.5/最高20 | 最高20万 |
| ecs.g9ae.xlarge | 4 | 16 | 4/最高25 | 3/最高20 | 最高20万 |
| ecs.g9ae.2xlarge | 8 | 32 | 6/最高25 | 4/最高20 | 最高20万 |
| ecs.g9ae.4xlarge | 16 | 64 | 10/最高25 | 5.5/最高20 | 最高20万 |
| ecs.g9ae.8xlarge | 32 | 128 | 16/最高25 | 8/最高20 | 最高20万 |
| ecs.g9ae.12xlarge | 48 | 192 | 25/无 | 13/无 | 15万 |
| ecs.g9ae.16xlarge | 64 | 256 | 32/无 | 16/无 | 20万 |
| ecs.g9ae.24xlarge | 96 | 384 | 50/无 | 25/无 | 30万 |
| ecs.g9ae.32xlarge | 128 | 512 | 64/无 | 32/无 | 40万 |
| ecs.g9ae.48xlarge | 192 | 768 | 100/无 | 50/无 | 60万 |
AWS 通用型 M8g (New Generation),有 12 种资源规格。
| Instance size | vCPU | Memory (GiB) | Network bandwidth (Gbps) | Amazon EBS bandwidth (Gbps) |
|---|---|---|---|---|
| m8g.medium | 1 | 4 | Up to 12.5 | Up to 10 |
| m8g.large | 2 | 8 | Up to 12.5 | Up to 10 |
| m8g.xlarge | 4 | 16 | Up to 12.5 | Up to 10 |
| m8g.2xlarge | 8 | 32 | Up to 15 | Up to 10 |
| m8g.4xlarge | 16 | 64 | Up to 15 | Up to 10 |
| m8g.8xlarge | 32 | 128 | 15 | 10 |
| m8g.12xlarge | 48 | 192 | 22.5 | 15 |
| m8g.16xlarge | 64 | 256 | 30 | 20 |
| m8g.24xlarge | 96 | 384 | 40 | 30 |
| m8g.48xlarge | 192 | 768 | 50 | 40 |
| m8g.metal-24xl | 96 | 384 | 40 | 30 |
| m8g.metal-48xl | 192 | 768 | 50 | 40 |
实例大小选择
上述资源划的数据来自AWS,阿里云,但并未说明背后的思考。Cockroach Labs 2022 年对主流公有云 56 种实例类型和 107 种配置进行公正测试,以帮助用户选择最佳的工作负载实例(https://www.cockroachlabs.com/guides/2022-cloud-report),回答用户“使用更多较小的节点,还是使用较少的较大的节点更好?”。该报告给出丰富的数据样本,并开源所有测试用例(https://github.com/cockroachlabs/cloud-report)。为比较不同实例性能,基准测试均以 per-vCPU 性能展示。
报告洞察:** 小规格实例优于大规格实例且和 CPU 型号,云平台,实例类型无关**。
在 OLTP 和 CPU 基准测试中,可以发现在特定实例类型上运行的小型实例,总是占据性能优势,无论 CPU 平台、云提供商还是实例类型如何。根据实例类型,这些差距从 5% 到 30% 不等。

为了解释小型节点和大型节点之间的性能差异,进行了其他方面的测试,发现 NUMA,CPU 变速时钟技术会影响性能。但是这些因素不足以说明实例规模之间的性能差异。具体测试包括以下实验:
- 控制特定 CPU/实例信息偏差。
- 采样运行时处理器频率(Turbo Boost)。
- 设计在大型节点和小节点之间具有相同 vCPU 的测试(16 x 8 vCPU 节点与4 x 32 vCPU 节点在相同压力复杂度下比较)。

实例内存计算比例
实例规格影响着整体性能,那么通用资源模型的内存计算比例为什么是1:4而非其他?云厂商除了资源管理,成本效率外,下面从技术角度分析为什么通用型计算内存资源占比为1:4。
- 计算内存比例1:2 提升至1:4,实例性能提升较大(c5.2xlarge, c5n.2xlarge, m6i.2xlarge);
- 计算内存比例1:4 提升至1:8,实例性能提升不明显,甚至略有下降(m6i.8xlarge,r5.8xlarege,r5n.8xlarege);


- 计算内存比例影响性能一致性,计算内存比例1:1,1:2 表现出性能波动,而1:4,1:8 性能一致性较强。

上述所有实例型号信息见附录。
实例成本
无论您选择哪个云,所有三个提供商都提供具有竞争力的性价比解决方案。在固定的工作负载复杂度为 1,200 个仓库时,更大的节点提供了最佳的性价比,主要因为小节点的价格中存储占比更大。这确实赋予了大节点定价优势。

附录



篇尾:
- 关注微信公众号【HUATUO 开源技术】,或扫码加微信,邀请你加入用户群(请备注姓名+单位):

- 代码仓库:https://github.com/ccfos/huatuo or https://gitlink.org.cn/ccfos/huatuo
- 官方网站:https://huatuo.tech/