由 AWS Graviton 支援的 EC2 執行個體
通用型 (M7g 及 M6g/M6gd)
專為通用工作負載所打造，例如應用伺服器、中型資料儲存、微服務和叢集運算。
運算最佳化型 (C7g/C7gn 及 C6g/C6gd)
專為運算密集型應用程式所打造，例如高效能運算、影片編碼、遊戲和 CPU 架構的機器學習推論加速。
強化連網型 (M7g 及 M6g/M6gd)
C7gn 執行個體使用 AWS Nitro v5 搭配 EFA 支援 200Gbps 網路。
記憶體最佳化型 (R7g 及 R6g/R6gd)
專為通用工作負載所打造，例如應用伺服器、中型資料儲存、微服務和叢集運算。
強化記憶體型 (X2gd)
專為記憶體密集工作負載 (例如 R6g) 打造，但具有 Amazon EC2 之中最低的記憶體每 GiB 成本。
儲存最佳化型 (Im4gn 及 Is4gen)
儲存密集工作負載的最佳性價比，以及 Amazon EC2 之中最低的 SSD 儲存設備每 TB 成本。
繪圖處理器加速型 (G5g)
適用於 Android 遊戲串流和機器學習推論的最佳性價比。
AWS Graviton 架構執行個體的使用場景
基於 Arm Neoverse，以下是一些 AWS Graviton 開發人員較為通用的使用場景。
持續整合/持續部署 |
|
|---|---|
 |
使用者在 Graviton2 以 GitLab 及 GitLab Runner 垂直擴充可達到 23% 的成本利益比及 36% 的效能利益比。 |
 |
自我裝載執行程式新增 Arm 支援至 CircleCI |
|
宣布 Graviton2 CPU 支援 TravisCI 正式運作 |
資料庫應用程式 |
|
|---|---|
|
Arm Neoverse 架構 AWS Graviton2 處理器上的 MongoDB 效能 |
|
在 AWS Graviton2 上部署可提升高達 18% 的 etcd 效能 |
|
在 AWS Graviton2 上部署 Apache Cassandra 可提升高達 30% 的效能 |
|
在 AWS Graviton2 上部署 Redis 可獲得高達 35% 的效能效益 |
機器學習 |
|
|---|---|
 |
Spark 在 AWS Graviton2 執行的最佳實務：K-Means 叢集個案研究 |
 |
XGBoost 及 LightGBM 部署於 AWS Graviton3 時的效能提升 |
 |
AWS Graviton3 配備 Arm Neoverse V1 處理深度學習推論工作負載的速度比 x86 快 1.8 倍 |
