一、前言‍

在 AWS 上啟動專案時，選對 EC2 執行個體，不僅能確保效能與穩定性，更能大幅降低雲端支出。由於 EC2 提供數十種系列（Instance Families），對於剛接觸或需要快速決策的團隊，選型往往是一大挑戰。本文將依官方分類，逐一介紹常見的 EC2 執行個體用途與適合的專案場景，幫助企業找到最佳平衡點。

二、一般用途

代表系列：M 系列（M8g、M7g、M7i、M6g、M5、M4、T 系列）

特色：均衡的 CPU、記憶體與網路資源

適合場景：

Web 應用程式、API 伺服器

軟體開發測試環境

小型至中型資料庫

建議：若您的專案沒有極端的「高運算」或「大記憶體」需求，M 系列是最穩健的首選。

三、運算優化（Compute Optimized）

代表系列：C 系列（C8g、C7g、C7i、C6g、C5、C4）

• 特色：提供超大 RAM，專為記憶體密集型應用設計
• 適合場景：
  • 批次資料處理、影片轉碼
  • 高效能 Web 伺服器（遊戲後端、交易平台）
  • 科學模擬與工程運算
• 建議：如果您需要大量 CPU 運算（但對記憶體需求不高），C 系列能提供更佳的效能／價格比。

四、記憶體優化（Memory Optimized）

代表系列：R、X、z 系列（R8g、R7i、X2idn、z1d 等_）

• 特色：提供超大 RAM，專為記憶體密集型應用設計
• 適合場景：
  • 大型關聯式資料庫（如 MySQL、PostgreSQL、Oracle）
  • 快取應用（Redis、Memcached）
  • 即時大數據分析
• 建議：若專案的瓶頸常在於記憶體不足（例如資料集放不下），就應考慮 R / X 系列。

‍

五、加速運算（Accelerated Computing）‍

_{代表系列：P、G、Inf、Trn 系列（P6e、G6、Inf2、Trn2 等）}

• 特色：內建 GPU 或專用晶片，提升 AI 與圖形運算效能
• 適合場景：
  • AI/ML 訓練與推論
  • 圖形渲染（3D、影片特效）
  • 高速並行運算（如分子建模、深度學習）
• 建議：AI 團隊或需要 GPU 加速的工作負載，選擇 G / P 系列能直接提升效能。

‍

六、儲存優化（Storage Optimized）

_{代表系列：I、D、H 系列（I8g、I4i、D3、H1 等）}

• 特色：極高的磁碟 IOPS 與吞吐量，適合資料密集型應用
• 適合場景：
  • 日誌分析、搜尋引擎（如 Elasticsearch）
  • 大數據 ETL 處理
  • 需大量隨機讀寫的應用
• 建議：若專案需要處理大量磁碟 I/O（例如 TB 級別的原始資料），儲存優化型能避免效能瓶頸。

‍

七、高效能運算 HPC（High Performance Computing）

_{代表系列：Hpc 系列（Hpc7g、Hpc6id 等）}

• 特色：提供超低延遲網路（EFA），適合分散式高效能計算
• 適合場景：
  • 計算流體力學（CFD）
  • 天氣模擬與基因組學
  • 複雜工程模擬（如半導體、車輛設計）
• 建議：專屬於科研、工程類專案，需成千上萬核心平行計算時才會使用。

討論捷論

• 一般業務 → M 系列
• 高運算需求 → C 系列
• 大記憶體 → R / X 系列
• AI/ML → P / G / Inf / Trn 系列
• 大數據 I/O → I / D 系列
• 科研 HPC → Hpc 系列