授权声明：本篇文章授权活动官方亚马逊云科技文章转发、改写权，包括不限于在 Developer Centre, 知乎，自媒体平台，第三方开发者媒体等亚马逊云科技官方渠道
目录
一、AWS 定价计算器
（1）定价计算器官网
AWS 云服务官网地址
https://aws.amazon.com/cn/
可以使用定价计算器筛选合适的实例类型并获得报价。
（2）主要构成页面
① 登录
- 此页面链接到关键资源。
- 例如：本用户指南、营销常见问题解答和定价假设。
- 链接：【AWS 定价计算器 · 登录页面】AWS Pricing Calculator
② 添加服务
- 开始创建估算值时，会导航到 “添加服务” 页面。
- 此页面包含所有 AWS 定价计算器 支持的服务的计算器。
- 每项服务都有一个计算器，在某些实例中，单个计算器支持多种服务。
- 可以使用搜索菜单输入服务名称或关键字，还可以通过产品页面链接找到有关每项服务的更多信息。
- 链接：【AWS 定价计算器 · 服务产品】AWS Pricing Calculator
③ 添加估算
- 使用配置计算器页面输入服务计算器的自定义详细信息。
- 信息包括描述（可选）、选择AWS 区域要创建估算值的内容，以及根据实例选择为服务提供的其他输入。
- 查看估算结果并查看每个估算值背后的计算结果。
- 可以使用页面末尾的添加到我的估算值将所选服务估算值添加到 “我的估算” 页面。
- 链接（示例：可以自定义导航到各个服务计算器）：【AWS 定价计算器 · 添加估算】AWS Pricing CalculatorAWS Pricing Calculator lets you explore AWS services, and create an estimate for the cost of your use cases on AWS.
④ 我的估算
4. 我的估算页面
- 估算摘要：此部分显示了 预付成本、每月费用 和 12 个月总成本 中的估算值。12 个月的总费用 是所有估算值和分组的总和，它结合了预付费用和每月费用。预付费用显示了在设置服务时预计要支付的费用。每月费用是指在连续几个月中预计要花费的金额。
- 群组 和 我的估算：这是个人购物车部分，显示了个人所选的服务计算器列表，可以在此处添加更多服务，并使用搜索栏输入关键字以查找之前的服务估算。
- 在此页面上，可以将估算值导出为 CSV 或 PDF 文件，共享估算链接，并导航到 AWS 控制台登录或创建账户。
- 直接链接：【AWS 定价计算器 · 我的估算】AWS Pricing CalculatorAWS Pricing Calculator lets you explore AWS services, and create an estimate for the cost of your use cases on AWS.
注意：
AWS 提供了免费套餐，您可以使用该套餐免费试用某些AWS服务。免费套餐仅涵盖某些实例或有限时间内的使用情况。除非另有特别说明，否则免费套餐不包含在您的AWS Pricing Calculator估算中。 AWS Pricing Calculator 假设您没有使用免费套餐，并且在估算中未包括任何即将到期的免费套餐。
二、AWS EC2 实例类型及适用场景
总结：可以结合工作负载的需求和预算选择合适的实例类型，另外，还要考虑使用合适的实例规格、区域和操作系统。
（1）t 系列
- t 系列特点：低负载，低成本。
- 计算与存储：具有低等的计算和内存资源。
- 适用环境：适用于低负载的应用和开发/测试环境，不适用于预发布/正式环境。
- 适用用途：主要用于轻量级应用和临时工作负载，是低成本的通用用途实例。
- 适用行业：适用于大多数行业，比如互联网、电商、政务、医疗、社交、教育、金融、新闻资讯等。
适用于以下场景：
开发和测试环境：t 系列实例适合用于开发和测试环境，可以灵活地按需创建和关闭实例，以适应开发和测试工作周期的需求。
低流量网站和应用：对于低流量的网站和应用程序，t 系列实例可以提供足够的计算和存储资源，同时具备灵活的扩展和管理能力。
小型应用部署：t 系列实例适合托管小型应用程序和微服务，特别是在不需要持续高性能计算和大内存容量的情况下。
临时工作负载：t 系列实例适合处理短期的、非持续的工作负载，例如批量数据处理、定期备份、周期性的数据处理任务等。
注意：
- t 系列实例的资源分配是基于 CPU 使用情况的，当 CPU 使用率较高时，实例将获得更多的CPU 资源，但也可能受到 CPU Credits 的限制。
- 因此，对于需要持续高性能或大内存容量的工作负载，可能需要考虑其他实例类型。
- 具体选择适合的 t 系列实例类型应基于工作负载需求和预算限制进行评估。
- 可以参考 AWS 文档或咨询 AWS 解决方案架构师以获取更详细的指导。
（2）m 系列
- m 系列特点：中等负载，中等成本。
- 计算与存储：具有中等的计算和内存资源。
- 适用环境：适用于中等负载的应用和开发/测试/预发布/正式环境，其中开发/测试环境会有资源浪费情况，建议更多用于预发布/正式环境。可以根据实际需求，在开发和测试环境中使用较低规格的 m 系列实例，而在预发布和正式环境中使用更高规格的实例以获得更好的性能。
- 适用用途：主要用于通用用途和中型应用程序，适合中等负载的应用程序和服务，例如 Web 应用程序、应用服务器、中小型的数据库应用等。可为企业提供了经济高效的计算能力，被广泛应用于各种业务场景中。
- 适用行业：适用于大多数行业，比如电商、政务、医疗、社交、教育、金融、新闻资讯等。
- 成本控制：使用 m 系列实例可以灵活地按需创建和关闭实例，在为应用程序提供足够资源的同时，有效控制成本。
适用于以下场景：
Web 服务器：m 系列实例适合托管 Web 服务器和应用服务器，中等的计算和内存资源可以支持中等流量的网站和应用程序，并提供良好的响应速度和可扩展性。
开发和测试环境：m 系列实例适合用于开发和测试环境，可以灵活地按需创建和关闭实例，以适应开发和测试工作周期的需求。
中等流量应用程序：对于中等流量的应用程序，m 系列实例可以提供足够的计算和存储资源，同时具备良好的可扩展性和管理能力，以应对业务增长需求。
数据库服务器：对于需要中等计算和内存资源的数据库服务器，m 系列实例可以提供良好的查询性能和数据处理能力，并支持常见的关系型数据库系统，例如 MySQL、PostgreSQL 等。
注意：
- m 系列对于低负载的应用也可以适用，但需要根据实际情况评估是否过于浪费资源。
- 具体选择适合的 m 系列实例类型应基于工作负载需求和预算限制进行评估。
- 可以参考 AWS 文档或咨询 AWS 解决方案架构师以获取更详细的指导。
（3）c 系列
- c 系列特点：高负载，高成本。
- 计算与存储：具有高性能的计算和存储资源。实例配置强调 CPU 的计算能力和大量内存资源，达到高性能计算和存储需要。
- 适用环境：适用于高等负载的应用和开发/测试/预发布/正式环境，其中开发/测试环境会有资源浪费情况，更多用于预发布/正式环境。可以根据实际需求，在开发和测试环境中使用较低规格的 c 系列实例，而在预发布和正式环境中使用更高规格的实例以获得更好的性能。
- 适用用途：特别适合计算密集型工作负载和需要高 CPU 性能的场景，适用于需要高CPU 性能和大量内存资源来处理数据和执行计算任务的应用场景。在需要强大的计算能力和存储容量来处理大规模数据集的应用场景中，c 系列实例可以提供高性能和低延迟的计算资源。
- 适用行业：适用于大多数行业，比如电商、政务、医疗、社交、教育、金融、新闻资讯等。特别是需要处理大规模数据集并进行高性能计算的行业，对于大型互联网应用、科学建模、科学模拟、科学研究、金融交易平台、金融分析、多媒体处理、渲染、机器学习和人工智能等领域，c 系列提供了高性能的计算和存储资源，可以满足高负载的应用需求。此外，还适用于音视频直播和建模软件等需要高性能计算和存储能力的应用。
- 成本控制：使用 c 系列实例需要注意其高成本的特点。在选择实例类型时，需要综合考虑工作负载的需求和预算限制。为了降低成本，可以考虑在开发/测试环境中使用相对较低的规格，而在预发布/正式环境中使用更高的规格以获得更好的性能。此外，还可以灵活地根据负载情况调整实例的数量和规格，以提高资源利用率和成本效益。
适用于以下场景：
四大高性能计算（HPC）：c 系列实例适用于需要大规模并行计算、科学模拟、金融分析等高性能计算工作负载。它们提供了强大的计算能力和低延迟的网络性能，可以有效加速计算密集型任务的执行。
数据分析和大数据处理：对于需要进行大规模数据分析和处理的应用，c 系列实例提供了高速的计算和存储资源，可以有效加快任务的执行速度，并处理大量的数据并行计算。
媒体处理和渲染：对于媒体处理、图像渲染和视频编码等需要大量计算资源的应用，c 系列实例提供了高性能的处理能力，可以加速媒体处理任务，提高工作效率。
机器学习和人工智能：c 系列实例适用于机器学习和人工智能任务，如训练深度学习模型、进行图像识别和自然语言处理等。它们提供了高性能的计算资源和优化的神经网络加速器，可以加速模型的训练和推理过程。
注意：
- c 系列实例通常会带来较高的成本，因此在选择时需要综合考虑工作负载的需求和预算限制。
- 为了降低成本，也可以考虑在开发/测试环境中使用相对较低的规格，而在预发布/正式环境中使用更高的规格以获得更好的性能。
- 使用时需要综合考虑成本和性能需求，以优化资源利用和控制成本。
- 可以参考 AWS 文档或咨询 AWS 解决方案架构师以获取更详细的指导。
（4）r 系列
- r 系列特点：内存密集型工作负载，特高成本。
- 计算与存储：具有大量的内存资源，适用于内存密集型工作负载和大型数据库应用。实例提供了大量的内存容量，可以支持大规模的内存存储和计算需求。
- 适用环境：适用于开发/测试/预发布/正式环境。其中开发/测试环境会有资源浪费情况，更多用于预发布/正式环境。可以根据实际需求，在开发和测试环境中使用较低规格的 r 系列实例，而在预发布和正式环境中使用更高规格的实例以获得更好的性能。
- 适用用途：适用于需要大量内存资源来处理数据的应用场景，主要用于内存密集型工作负载和大型数据库应用，适用于内存密集型工作负载，如内存数据库和实时分析。主要应用于内存数据库、高速缓存、实时分析、大型数据库应用等。它们适合用于关系型数据库系统（如MySQL、Oracle）和NoSQL数据库（如MongoDB、Redis）等。
- 适用行业：r 系列实例适用于多个行业，特别是对于需要大量内存资源来加速数据处理和计算密集型任务的行业，如金融行业、电子商务、健康保健、科学研究等。
- 成本控制：需要注意的是，r 系列实例相对于其他实例类型可能会有更高的成本。为了控制成本，可以根据实际需求评估内存资源的需求并选择合适的实例规格。此外，可以结合使用按需实例和保留实例来实现成本的灵活控制。另外，还可以通过优化应用程序代码和进行资源管理来最大程度地利用r系列实例的内存资源，以提高成本效益。
适用于以下场景：
内存密集型应用程序：r 系列实例适合需要大量内存资源来处理数据的应用程序，如内存数据库、高速缓存、实时分析等。它们提供了丰富的内存容量，可以支持大规模的内存存储和计算。
大型数据库应用：对于需要处理大型数据库或数据集的应用，r 系列实例提供了足够的内存资源来加快数据访问和查询速度。它们适用于关系型数据库系统（如 MySQL、Oracle 等）和 NoSQL 数据库（如 MongoDB、Redis 等）等。
内存缓存：r 系列实例适用于构建高速缓存系统，如 Redis、Memcached 等。它们具有高效的内存访问和低延迟，可以提供快速的数据缓存服务。
大规模缓存：r 系列实例可以作为高速缓存服务器，用于处理大规模的数据缓存需求。
数据分析和处理：对于需要进行大规模数据分析和处理的应用，r 系列实例提供了大量的内存资源，可以加速数据处理和计算密集型任务的执行。r 系列实例可以利用丰富的内存资源处理大型的数据集，适用于数据挖掘和分析应用。
关系型数据库：r 系列实例提供了大量的内存容量，适用于部署关系型数据库（如MySQL、Oracle等）等需要大量内存资源的数据库应用。
NoSQL数据库：r 系列实例适用于部署 NoSQL 数据库，如 MongoDB、Redis 等内存数据库，这些数据库在大量数据的高速读写方面需要高效的内存缓存。
内存数据库：r 系列实例适用于部署内存数据库，如 SAP HANA 等，内存的高速读写和处理对于这类应用非常重要。
注意：
- r 系列实例相对于其他实例类型可能会有更高的成本。
- 因此，在选择时需要根据实际需求评估内存资源的需求和预算限制。
- 为了降低成本，也可以考虑在开发/测试环境中使用相对较低的规格，而在预发布/正式环境中使用更高的规格以获得更好的性能。
- 可以参考 AWS 文档或咨询 AWS 解决方案架构师以获取更详细的指导。
（5）i 系列
- i 系列特点：I/O 密集型工作负载，特高成本。适用于需要大量 I/O 操作和快速计算能力的工作负载。
- 计算与存储：提供了强大的计算和存储能力，配备了更快的 CPU 和大规模的存储资源。适用于需要处理大量数据和执行快速计算操作的负载，如存储型 NoSQL 数据库、大数据分析、企业应用等。
- 适用环境：适用于开发/测试/预发布/正式环境，其中开发/测试环境会有资源浪费情况，更多用于预发布/正式环境。可以根据实际需求，在开发和测试环境中使用较低规格的 i 系列实例，而在预发布和正式环境中使用更高规格的实例以获得更好的性能。
- 适用用途：适用于需要大量 I/O 操作和快速计算能力的应用场景，如存储型 NoSQL 数据库（如 Cassandra、MongoDB、Couchbase 等）、大数据分析、企业应用（如 SAP、Oracle 等）、OLTP（在线交易处理）系统、企业应用（如 SAP HANA 等）、大规模 I/O 密集型应用、数据仓库等。
- 适用行业：适用于多个行业，特别是对于高性能计算和大数据处理领域的应用，如金融行业、电子商务、互联网、科学研究等。
- 成本控制：i 系列实例相对于其他实例类型可能会有更高的成本。为了控制成本，可以根据实际需求评估计算和存储资源需求并选择合适的实例规格。此外，可以结合使用按需实例和保留实例来实现成本的灵活控制。还可以通过使用 Amazon EBS 卷、优化应用程序代码、进行资源管理等来最大程度地利用 i 系列实例的计算和存储资源，以提高成本效益。
适用于以下场景：
- 大规模 I/O 密集型应用：提供了更快的 CPU 和大规模的存储资源，适用于需要大量 I/O 操作和快速计算能力的工作负载，如存储型 NoSQL 数据库（如 Cassandra、MongoDB 等）、OLTP（在线交易处理）系统、企业应用（如 SAP HANA 等）等。
- 大数据平台：适用于需要处理大量数据的应用，如 Hadoop、Spark 等大数据分析平台。i实例提供了大量的存储空间和高效的计算资源，可以加速数据处理和计算密集型任务的执行。
- 企业应用：适用于需要高性能计算和存储资源的企业应用，如 SAP HANA 等 ERP、CRM 系统，以及高要求的数据处理、数据仓库等工作负载。
- 科学计算及工程设计：适用于需要强大计算能力的应用，如复杂流体力学模型、分子模拟、有限元分析等科学计算和工程设计应用。
注意：
- i 系列实例相对于其他实例类型可能会有更高的成本。
- 在选择时需要根据实际需求评估内存资源的需求和预算限制。
- 为了降低成本，也可以考虑在开发/测试环境中使用相对较低的规格，而在预发布/正式环境中使用更高的规格以获得更好的性能。
- 可以结合使用按需实例和保留实例来实现成本的灵活控制。
- 还可以通过使用 Amazon EBS 卷、优化应用程序代码、进行资源管理等来最大程度地利用i系列实例的计算和存储资源，以提高成本效益。
- 可以参考 AWS 文档或咨询 AWS 解决方案架构师以获取更详细的指导。
（6）g 系列
- g 系列特点：图形密集型工作负载，特高成本。
- 计算与存储：拥有强大的计算和存储能力，主要通过 GPU（图形处理器单元）来提供图形密集型工作负载的高性能处理能力。
- 适用环境：适用于开发/测试/预发布/正式环境，其中开发/测试环境会有资源浪费情况，更多用于预发布/正式环境。可以根据实际需求，在开发和测试环境中使用较低规格的 g 系列实例，而在预发布和正式环境中使用更高规格的实例以获得更好的性能。
- 适用用途：适用于处理图形密集型任务的应用，包括游戏服务器和 3D 可视化、计算机辅助设计（CAD）、电影特效制作、3D 建模和渲染等。此外，也适用于机器学习和深度学习工作负载、科学计算、虚拟桌面基础设施（VDI）、视频编码和解码、游戏开发和云游戏等应用场景。
- 适用行业：适用于多个行业，包括电影和媒体、游戏开发、科学研究、工程设计、虚拟现实和增强现实等领域。适用于游戏行业、AI 虚拟人直播、AI unity 3D 建模聊天等。
- 成本控制：由于 g 系列实例具有强大的图形处理能力，相对于其他实例类型，可能会有更高的成本。为了控制成本，需要根据实际需求评估计算和图形处理资源的需求，并选择合适的实例规格。还可以利用按需实例和保留实例等灵活的定价策略来管理成本。此外，优化应用程序代码、实施资源管理措施等也是控制成本的重要手段。
适用于以下场景：
- 图形应用程序：适用于需要处理图形密集型任务的应用程序，如计算机辅助设计（CAD）、电影特效制作、3D 建模和渲染等。配备了强大的 GPU（图形处理器单元），可以提供快速的图形计算和渲染能力。
- 科学计算：适用于科学计算应用，如数值模拟、分子动力学模拟等。实例的 GPU 可用于加速复杂的计算任务，提供更快的计算速度和更高的并行性。
- 机器学习和深度学习：适用于机器学习和深度学习工作负载。其强大的 GPU 可以加速模型训练和推理过程，提供更好的性能和更快的响应时间。
- 虚拟桌面基础设施（VDI）：适用于构建虚拟桌面基础设施（VDI），为用户提供高性能的桌面体验。通过将 GPU 资源分配给虚拟桌面，用户可以获得流畅的图形渲染和图形应用程序性能。
- 视频编码和解码：适用于视频处理应用，如视频编码和解码。其 GPU 可以加速视频的编码和解码过程，提高处理速度和效率。
- 游戏开发和云游戏：适用于游戏开发和云游戏平台。其强大的 GPU 可以提供快速的渲染和图形处理能力，支持高质量的游戏图形和流畅的游戏体验。
注意：
- g 系列实例相对于其他实例类型可能会有更高的成本。
- 在使用时需要根据实际需求评估计算和图形处理资源的需求，并选择合适的实例规格来控制成本。
- 为了降低成本，也可以考虑在开发/测试环境中使用相对较低的规格，而在预发布/正式环境中使用更高的规格以获得更好的性能。
- 还可以利用按需实例和保留实例等灵活的定价策略来管理成本。
- 优化应用程序代码、实施资源管理措施等也是控制成本的重要手段。
- 可以参考 AWS 文档或咨询 AWS 解决方案架构师以获取更详细的指导。
（7）p 系列
- p 系列特点：计算密集型工作负载，特高成本。
- 计算与存储：用于科学计算、数值分析等任务的最佳选择。具有高度的计算能力和内存容量，适合处理计算密集型的科学计算任务，如数值模拟、分子动力学模拟、天气预报等。拥有强大的计算和存储能力，主要通过 GPU（图形处理器单元）来提供高性能的计算能力。同时，它们还具有大规模的存储容量和极大的网络带宽，可以满足各种计算密集型任务的要求。
- 适用环境：适用于开发/测试/预发布/正式环境，其中开发/测试环境会有资源浪费情况，更多用于预发布/正式环境。可以根据实际需求，在开发和测试环境中使用较低规格的 p 系列实例，而在预发布和正式环境中使用更高规格的实例以获得更好的性能。
- 适用用途：适合处理计算密集型的科学计算任务，如数值模拟、分子动力学模拟、天气预报等。适用于科学计算、深度学习、金融建模和风险分析、大规模数据分析等任务，可以处理大量的数据和计算。此外，还适用于其他计算密集型工作负载，如媒体编码、游戏开发等。
- 适用行业：适用于多个行业，例如，金融、医学、工程、制造、能源、生命科学、人工智能等领域。
- 成本控制：由于 p 系列实例具有强大的计算和存储能力，价格相比其他实例类型可能会更高。为了控制成本，可以根据需求评估计算和存储资源需求，并选择合适的实例规格，以满足应用程序的要求。此外，可以采用按需实例和保留实例等灵活的定价策略，或优化应用程序代码、实施资源管理措施等方法来控制成本。
适用于以下场景：
- 科学计算：用于科学计算、数值分析等任务的最佳选择。具有高度的计算能力和内存容量，适合处理计算密集型的科学计算任务，如数值模拟、分子动力学模拟、天气预报等。
- 深度学习：具有强大的 GPU（图形处理器单元）能力，适合处理深度学习任务，如图像识别、语音识别、自然语言处理、推荐系统等。支持 CUDA 和 OpenCL，在 TensorFlow、Caffe、MXNet 等深度学习框架下均有很好的表现。
- 金融建模和风险分析：适用于金融建模和风险分析任务。实例提供了大量的计算和内存资源，可用于训练和测试复杂的金融模型，并处理数千万条交易记录。
- 大规模数据分析：适用于大规模数据分析任务。具有大量的内存和计算资源，可用于处理大规模数据集，支持 Hadoop、Spark 等大数据分析框架，将数据处理能力提高到一个全新水平。
注意：
- p 系列实例具有强大的计算和存储能力，价格相比其他实例类型可能会更高。
- 可以根据需求评估计算和存储资源需求，并选择合适的实例规格，以满足应用程序的要求。
- 为了降低成本，也可以考虑在开发/测试环境中使用相对较低的规格，而在预发布/正式环境中使用更高的规格以获得更好的性能。
- 可以采用按需实例和保留实例等灵活的定价策略，或优化应用程序代码、实施资源管理措施等方法来控制成本。
- 可以参考 AWS 文档或咨询 AWS 解决方案架构师以获取更详细的指导。
（8）d 系列
- d 系列特点：中等规模的计算和存储负载，中低等成本。
- 计算与存储：提供均衡的计算和存储能力，适用于需要处理中等大小的工作负载。它们具有较高的处理能力和存储性能，适用于多种计算和存储密集型任务。
- 适用环境：适用于开发/测试/预发布/正式环境。可以根据实际需求，在开发和测试环境中使用较低规格的 d 系列实例，而在预发布和正式环境中使用更高规格的实例以获得更好的性能。
- 适用用途：适用于多种用途，包括企业应用程序、中间层应用程序、数据库、企业级应用程序服务器、虚拟桌面基础设施（VDI）、分析工作负载等。可以处理中等大小的计算和存储需求，满足不同应用场景的要求。
- 适用行业：适用于多个行业，包括金融、制造、零售、医疗保健、教育、科学研究等。无论是处理企业级应用程序，还是进行数据分析和存储，d 系列实例都可以提供可靠的计算和存储能力。
- 成本控制：d 系列实例相对于其他实例类型可能有较低的成本，因为它们提供了均衡的计算和存储性能。为了控制成本，可以根据实际需求评估计算和存储资源的需求，并选择合适的实例规格。此外，也可以利用按需实例和保留实例等灵活的定价策略来管理成本。同时，优化应用程序代码、实施资源管理措施等也是控制成本的有效手段。
适用于以下场景：
- 企业级应用程序：适用于部署中等规模的企业应用程序。这些应用程序需要相对较少的计算和存储资源，可以满足中等工作负载下的企业级应用。
- 中间层应用程序：适用于处理中等规模的中间层应用程序，如数据中心、应用程序服务器等。可以提供可靠的计算和存储性能，可用于支持多个应用程序实例和多组用户。
- 数据库：适用于大规模关系型数据库管理系统（RDBMS）。可以处理大量的事务请求和复杂的查询，支持主/备数据库配置，为企业提供高可靠性和高可用性的数据库服务。
- 虚拟桌面基础设施（VDI）：适用于中等规模的虚拟桌面基础设施（VDI）。可以提供足够的计算和存储资源，满足虚拟化的工作负载需求。
- 分析工作负载：适用于处理中等规模的分析工作负载，如数据挖掘和商业智能等任务。实例提供了足够的计算和存储资源，可用于处理中等规模的数据集，并支持 Hadoop、Spark 等平台。
注意：
- d 系列实例相对于其他实例类型可能有较低的成本。
- 为了控制成本，可以根据实际需求评估计算和存储资源的需求，并选择合适的实例规格。
- 为了降低成本，也可以考虑在开发/测试环境中使用相对较低的规格，而在预发布/正式环境中使用更高的规格以获得更好的性能。
- 也可以利用按需实例和保留实例等灵活的定价策略来管理成本，同时，优化应用程序代码、实施资源管理措施等也是控制成本的有效手段。
- 可以参考 AWS 文档或咨询 AWS 解决方案架构师以获取更详细的指导。
（9）h 系列
- h 系列特点：高性能的计算和存储负载，高成本。适用于需要大量本地存储空间的工作负载。
- 计算与存储：提供高性能的计算和存储能力。实例基于特定的处理器架构，可提供卓越的计算性能，适用于需要处理大规模数据和执行高度并行计算的工作负载。同时，还提供大容量的本地存储，可用于快速访问和处理大量数据。
- 适用环境：适用于开发/测试/预发布/正式环境。可以根据实际需求，在开发和测试环境中使用较低规格的 h 系列实例，而在预发布和正式环境中使用更高规格的实例以获得更好的性能。
- 适用用途：适用于大规模数据处理、高性能计算、科学模拟、金融分析、数据仓库、媒体处理等任务。实例具有强大的计算和存储能力，可以处理复杂的计算工作负载和大规模的数据集。存储优化型实例，适用于需要大容量存储的应用，专注于提供大容量的存储空间，适用于需要大量本地存储空间的工作负载，如大型数据库、分析工作负载和文件服务器，提供基于硬盘的存储，可以满足存储密集型应用的需求。
- 适用行业：适用于多个行业，包括科学研究、金融、媒体和娱乐、制造、能源等领域。无论是进行科学模拟、金融建模、大数据分析，还是进行媒体处理和渲染，实例都可以提供卓越的计算和存储能力。
- 成本控制：由于 h 系列实例具有高性能的计算和存储能力，价格相对较高。为了控制成本，可以根据需求评估计算和存储资源的需求，并选择适当的实例规格，以满足应用程序的要求。同时，可以考虑使用按需实例和保留实例等定价策略，或者优化应用程序代码、实施资源管理措施等来控制成本。
适用于以下场景：
- 高性能计算：适用于需要高度并行计算能力的任务，如科学模拟、半导体设计、数字渲染、图像处理等。这些应用程序需要高性能的处理器和内存、大容量的存储和快速的网络连接，以实现高性能计算。
- 大规模数据处理：适用于处理大规模数据的任务，如数据仓库、大数据分析、金融分析等。它们提供大容量的本地存储和高速网络连接，以提高数据处理的效率和吞吐量。
- 流媒体处理：适用于流媒体处理和转码等任务。它们提供强大的计算能力和内存、大容量的本地存储，可以快速地转换和处理大量的音视频文件。
- 科学研究：适用于科学研究领域，如气象学、生命科学、地质学等。这些领域需要大量的计算和存储资源，以实现模拟、分析和建模等任务。
注意：
- h 系列实例具有高性能的计算和存储能力，价格相对较高。
- 为了控制成本，可以根据需求评估计算和存储资源的需求，并选择适当的实例规格，以满足应用程序的要求。
- 为了降低成本，也可以考虑在开发/测试环境中使用相对较低的规格，而在预发布/正式环境中使用更高的规格以获得更好的性能。
- 可以考虑使用按需实例和保留实例等定价策略，或者优化应用程序代码、实施资源管理措施等来控制成本。
- 可以参考 AWS 文档或咨询 AWS 解决方案架构师以获取更详细的指导。
（10）x 系列
- h 系列特点：高内存工作负载和内存密集型负载，高成本。
- 计算与存储：是 AWS EC2 中专为高内存工作负载而设计的实例类型。提供了大量的内存资源，可用于处理大量的数据和高性能的计算。同时，还提供其他计算和存储资源，以保证高性能的计算能力和数据吞吐量。
- 适用环境：适用于开发/测试/预发布/正式环境。可以根据实际需求，在开发和测试环境中使用较低规格的 x 系列实例，而在预发布和正式环境中使用更高规格的实例以获得更好的性能。
- 适用用途：适用于大规模的高性能计算、大数据处理、内存密集型应用和企业级应用程序。它们可以提供既高效又可靠的计算和存储解决方案，支持实时数据分析、高性能计算、高速缓存、关系数据库、内存数据库等应用。具体包括 x1、x1e 和 x2g 等子系列。x 系列实例主要用于高性能计算和内存密集型工作负载，适用于大规模内存数据库、数据分析与处理、科学计算和模拟、应用程序虚拟化。实例提供了大量的内存容量，适合托管大型内存数据库（如 SAP HANA）或缓存数据以提高性能。对于需要进行大规模数据处理和分析的工作负载，实例可以提供足够的计算和内存资源，以加快处理速度并处理大数据集。适合用于进行科学模拟、数值计算、图像处理和机器学习等需要超高性能计算能力的工作负载。需要将多个应用程序运行在同一台实例上，实例的大内存容量可以支持多个虚拟机运行，提供更高的资源密度。
- 适用行业：适用于多个行业，如金融、科学、制造、医疗等领域。无论是进行金融分析、基因组学研究还是进行工程模拟和仿真等任务，x系列实例都可以提供卓越的计算和存储能力。
- 成本控制：由于 x 系列实例具有高性能的计算和存储能力，价格相对较高。为了控制成本，可以根据需求评估计算和存储资源的需求，并选择适当的实例规格，以满足应用程序的要求。同时，可以考虑使用按需实例和保留实例等定价策略，或者优化应用程序代码、实施资源管理措施等来控制成本。
适用于以下场景：
- 大型数据库：适用于大型数据库应用程序，如关系型数据库 (RDBMS)。提供丰富的内存资源，可以处理大规模的数据集，并支持高并发的查询和事务处理。
- 实时数据分析：适合用于实时数据分析和大数据处理。提供大量的内存，可以快速加载和处理大规模的数据，并支持快速的查询和分析操作。
- 内存数据库：适用于内存数据库应用程序，如 Redis、Memcached 等。提供大容量的内存，可以有效地存储和处理缓存数据，提供低延迟的读写性能。
- 高性能计算：适用于需要高内存和高性能计算能力的任务，如科学模拟、工程分析、仿真等。具有丰富的内存和计算资源，可以处理复杂的计算任务。
- 企业级应用程序：适用于处理企业级应用程序，如大型企业资源计划 (ERP) 系统、客户关系管理 (CRM) 系统等。这些应用程序通常需要大内存来存储大量的数据和支持并发用户访问。
注意：
- x 系列实例具有高性能的计算和存储能力，价格相对较高。
- 为了控制成本，可以根据需求评估计算和存储资源的需求，并选择适当的实例规格，以满足应用程序的要求。
- 为了降低成本，也可以考虑在开发/测试环境中使用相对较低的规格，而在预发布/正式环境中使用更高的规格以获得更好的性能。
- 可以考虑使用按需实例和保留实例等定价策略，或者优化应用程序代码、实施资源管理措施等来控制成本。
- 可以参考 AWS 文档或咨询 AWS 解决方案架构师以获取更详细的指导。
（11）inf 系列
- inf 系列特点：大规模的内存密集型应用和高性能计算型负载，高成本。
- 计算与存储：提供了大量的内存资源和极高的处理器性能，可以支持高性能计算和大规模数据处理任务。除了内存资源外，还可提供大规模的本地存储。
- 适用环境：适用于开发/测试/预发布/正式环境。可以根据实际需求，在开发和测试环境中使用较低规格的 inf 系列实例，而在预发布和正式环境中使用更高规格的实例以获得更好的性能。
- 适用用途：适用于涉及到大量数据处理的应用场景，比如内存数据库，高性能计算，业务分析和机器学习等。这些应用程序需要快速、可靠、安全的计算和存储资源来支撑大数据处理，深度学习和机器学习等应用。适用于大规模机器学习训练和推理任务。
- 适用行业：适用于多种行业，如金融、医疗保健、科学、人工智能、物流、机器人地图训练、AI 语音训练、大语音模型、AI 图形识别与监控等。无论是进行金融风险分析，健康数据分析，机器学习和人工智能等任务，inf 系列实例都可以提供卓越的计算和存储能力。
- 成本控制：由于 inf 系列实例具有高性能计算和存储能力，价格相对较高。为了控制成本，可以根据需求评估计算和存储资源的需求，并选择适当的实例规格，以满足应用程序的要求。同时，可以考虑使用按需实例和保留实例等定价策略，或者优化应用程序代码、实施资源管理措施等来控制成本。
适用于以下场景：
内存数据库：适用于内存数据库应用程序，如 Redis、Memcached 等。提供大量的内存，可以有效地存储和处理缓存数据，提供低延迟的读写性能，同时流畅管理数据的增长。
高性能计算：适用于需要高内存和高性能计算能力的任务，如科学模拟、工程分析、仿真等。
业务分析：适用于业务分析应用程序，如超大规模大数据分析。可以快速地处理和分析大量的数据，为商业决策提供分析支持。
机器学习：适用于机器学习任务，如自然语言处理，人脸识别，图像识别等。这些任务需要处理大规模数据，训练机器学习模型或实现机器学习推理。可以提供足够强大的计算与存储能力来处理这些任务。
人工智能：适用于人工智能应用程序，如深度学习和神经网络。这些应用程序需要大量的计算、内存和存储资源，可以在 inf 系列实例上快速训练机器学习模型和实现机器学习推理。
医疗保健：适用于医疗保健领域，如基因测序、医学影像分析、卫生保健数据分析等。这些医疗应用都需要处理大规模的数据，inf 系列实例可以提供足够的计算资源和存储能力来实现这些应用。
注意：
- inf 系列实例具有高性能计算和存储能力，价格相对较高。
- 为了控制成本，可以根据需求评估计算和存储资源的需求，并选择适当的实例规格，以满足应用程序的要求。
- 为了降低成本，也可以考虑在开发/测试环境中使用相对较低的规格，而在预发布/正式环境中使用更高的规格以获得更好的性能。
- 可以考虑使用按需实例和保留实例等定价策略，或者优化应用程序代码、实施资源管理措施等来控制成本。
- 可以参考 AWS 文档或咨询 AWS 解决方案架构师以获取更详细的指导。
三、实例常见指标和属性
AWS EC2 实例相关的常见指标和属性：
- Instance name: 实例名称，用于标识不同的 EC2 实例类型。
- 实例类别: EC2 实例在硬件、内存、网络和存储方面的配置，每个实例类型都有不同的性能特点，适用于不同的工作负载。
- vCPU 数: 虚拟CPU数量，通常与实例的计算性能和并行处理能力相关。
- 内存: 实例的内存容量，通常与实例的计算和数据处理能力相关，内存越大，实例可以处理的数据量和复杂度就越大。
- Network Performance: 实例网络性能，通常与实例网络带宽、时延、流量限制等相关，决定了实例对外部数据传输的效率和速度。
- 存储: 实例提供的本地存储容量和类型，不同类型的实例有不同的磁盘和存储系统配置，可以满足不同存储和数据处理需求。
- On-Demand Hourly Cost: 实例的按需计费费用，根据实例的规格和使用时长来计算，可以随时启动、停止、升级和降级实例以满足业务需求。
- Potential Effective Hourly Cost (Savings %): 基于其他 AWS 服务或有效使用契约的折扣，可以通过计算出按需计费所需的实例小时数来获得更多的成本优惠。
注意：这些参数可以辅助选择适合工作负载需求的 EC2 实例，并优化实例配置和成本效益。
四、实例类型明细表
2023 年 “亚马逊云科技” 「美国东部」云服务器产品实例类型明细表 （CPU 1~36 核）
| Instance name | 实例类别 | vCPU 数 | 内存 | Network Performance | 存储 | On-Demand Hourly Cost | Potential Effective Hourly Cost (Savings %) |
| c5.2xlarge | Compute optimized | 8 | 4 GiB | Up to 10 Gigabit | EBS only | 0.0484 | 0.0182 (62%) |
| c5.4xlarge | Compute optimized | 16 | 2 GiB | Up to 25 Gigabit | EBS only | 0.052 | 0.0194 (63%) |
| c5.large | Compute optimized | 2 | 8 GiB | Up to 10 Gigabit | EBS only | 0.0604 | 0.0227 (62%) |
| c5.xlarge | Compute optimized | 4 | 0.5 GiB | Up to 5 Gigabit | EBS only | 0.0049 | 0.0021 (58%) |
| c5a.2xlarge | Compute optimized | 8 | 0.5 GiB | Up to 5 Gigabit | EBS only | 0.0055 | 0.0021 (63%) |
| c5a.4xlarge | Compute optimized | 16 | 0.5 GiB | Up to 5 Gigabit | EBS only | 0.0061 | 0.0023 (63%) |
| c5a.8xlarge | Compute optimized | 32 | 1 GiB | Up to 5 Gigabit | EBS only | 0.0098 | 0.0041 (58%) |
| c5a.large | Compute optimized | 2 | 1 GiB | Up to 5 Gigabit | EBS only | 0.011 | 0.0041 (63%) |
| c5a.xlarge | Compute optimized | 4 | 1 GiB | Up to 5 Gigabit | EBS only | 0.0122 | 0.0046 (62%) |
| c5d.2xlarge | Compute optimized | 8 | 2 GiB | Up to 5 Gigabit | EBS only | 0.0196 | 0.0082 (58%) |
| c5d.4xlarge | Compute optimized | 16 | 2 GiB | Up to 5 Gigabit | EBS only | 0.022 | 0.0083 (62%) |
| c5d.large | Compute optimized | 2 | 2 GiB | Up to 5 Gigabit | EBS only | 0.0244 | 0.0092 (62%) |
| c5d.xlarge | Compute optimized | 4 | 4 GiB | Up to 5 Gigabit | EBS only | 0.0392 | 0.0164 (58%) |
| c5n.2xlarge | Compute optimized | 8 | 4 GiB | Up to 5 Gigabit | EBS only | 0.0439 | 0.0165 (62%) |
| c5n.4xlarge | Compute optimized | 16 | 4 GiB | Up to 5 Gigabit | EBS only | 0.0488 | 0.0183 (62%) |
| c5n.large | Compute optimized | 2 | 8 GiB | Up to 5 Gigabit | EBS only | 0.0784 | 0.0328 (58%) |
| c5n.xlarge | Compute optimized | 4 | 4 GiB | Up to 10 Gigabit | EBS only | 0.0816 | 0.0307 (62%) |
| c6g.2xlarge | Compute optimized | 8 | 8 GiB | Up to 5 Gigabit | EBS only | 0.0878 | 0.0330 (62%) |
| c6g.4xlarge | Compute optimized | 16 | 4 GiB | Up to 10 Gigabit | EBS only | 0.092 | 0.0346 (62%) |
| c6g.8xlarge | Compute optimized | 32 | 8 GiB | Up to 10 Gigabit | EBS only | 0.0968 | 0.0364 (62%) |
| c6g.large | Compute optimized | 2 | 8 GiB | Up to 5 Gigabit | EBS only | 0.0976 | 0.0367 (62%) |
| c6g.xlarge | Compute optimized | 4 | 4 GiB | Up to 10 Gigabit | EBS only | 0.102 | 0.0354 (65%) |
| c6gn.2xlarge | Compute optimized | 8 | 4 GiB | Up to 12500 Megabit | EBS only | 0.102 | 0.0371 (64%) |
| c6gn.4xlarge | Compute optimized | 16 | 4 GiB | Up to 25 Gigabit | EBS only | 0.104 | 0.0389 (63%) |
| c6gn.8xlarge | Compute optimized | 32 | 8 GiB | Up to 10 Gigabit | EBS only | 0.109 | 0.0410 (62%) |
| c6gn.large | Compute optimized | 2 | 4 GiB | Up to 10 Gigabit | 1 x 50 NVMe SSD | 0.116 | 0.0411 (65%) |
| c6gn.medium | Compute optimized | 1 | 16 GiB | Up to 10 Gigabit | EBS only | 0.1208 | 0.0454 (62%) |
| c6gn.xlarge | Compute optimized | 4 | 8 GiB | Up to 12500 Megabit | EBS only | 0.121 | 0.0478 (61%) |
| c6i.2xlarge | Compute optimized | 8 | 8 GiB | Up to 10 Gigabit | EBS only | 0.121 | 0.0455 (62%) |
| c6i.4xlarge | Compute optimized | 16 | 5.25 GiB | Up to 25 Gigabit | EBS only | 0.13 | 0.0390 (70%) |
| c6i.8xlarge | Compute optimized | 32 | 16 GiB | Up to 10 Gigabit | EBS only | 0.136 | 0.0511 (62%) |
| c6i.large | Compute optimized | 2 | 4 GiB | Up to 25000 Megabit | EBS only | 0.1365 | 0.0410 (70%) |
| c6i.xlarge | Compute optimized | 4 | 8 GiB | Up to 10 Gigabit | 1 x 75 NVMe SSD | 0.143 | 0.0538 (62%) |
| c6in.2xlarge | Compute optimized | 8 | 8 GiB | Up to 25 Gigabit | EBS only | 0.149 | 0.0517 (65%) |
| c6in.4xlarge | Compute optimized | 16 | 16 GiB | Up to 10 Gigabit | EBS only | 0.151 | 0.0568 (62%) |
| c6in.8xlarge | Compute optimized | 32 | 16 GiB | Up to 12500 Megabit | EBS only | 0.151 | 0.0596 (61%) |
| c6in.large | Compute optimized | 2 | 8 GiB | Up to 25 Gigabit | 1 x 75 NVMe SSD | 0.171 | 0.0601 (65%) |
| c6in.xlarge | Compute optimized | 4 | 16 GiB | Up to 10 Gigabit | 1 x 75 NVMe SSD | 0.173 | 0.0650 (62%) |
| d2.2xlarge | Storage optimized | 8 | 16 GiB | Up to 25 Gigabit | EBS only | 0.179 | 0.0629 (65%) |
| d2.4xlarge | Storage optimized | 16 | 15.25 GiB | Up to 10 Gigabit | 1 x 475 NVMe SSD | 0.188 | 0.0790 (58%) |
| d2.xlarge | Storage optimized | 4 | 16 GiB | Up to 25 Gigabit | 1 x 75 NVMe SSD | 0.201 | 0.0714 (64%) |
| g4dn.2xlarge | GPU instance | 8 | 16 GiB | Up to 10 Gigabit | 1 x 468 NVMe SSD | 0.207 | 0.0829 (60%) |
| g4dn.4xlarge | GPU instance | 16 | 16 GiB | Up to 25 Gigabit | 1 x 1250 NVMe SSD | 0.273 | 0.1028 (62%) |
| g4dn.8xlarge | GPU instance | 32 | 16 GiB | Up to 5 Gigabit | EBS only | 0.1568 | 0.0657 (58%) |
| g4dn.xlarge | GPU instance | 4 | 8 GiB | Up to 10 Gigabit | EBS only | 0.1632 | 0.0614 (62%) |
| i3.2xlarge | Storage optimized | 8 | 16 GiB | Up to 5 Gigabit | EBS only | 0.1757 | 0.0661 (62%) |
| i3.4xlarge | Storage optimized | 16 | 8 GiB | Up to 10 Gigabit | EBS only | 0.184 | 0.0692 (62%) |
| i3.8xlarge | Storage optimized | 32 | 16 GiB | Up to 10 Gigabit | EBS only | 0.1936 | 0.0728 (62%) |
| i3.large | Storage optimized | 2 | 16 GiB | Up to 5 Gigabit | EBS only | 0.1952 | 0.0734 (62%) |
| i3.xlarge | Storage optimized | 4 | 8 GiB | Up to 10 Gigabit | EBS only | 0.204 | 0.0707 (65%) |
| i3en.2xlarge | Storage optimized | 8 | 8 GiB | Up to 12500 Megabit | EBS only | 0.204 | 0.0743 (64%) |
| i3en.3xlarge | Storage optimized | 12 | 8 GiB | Up to 25 Gigabit | EBS only | 0.208 | 0.0779 (63%) |
| i3en.6xlarge | Storage optimized | 24 | 16 GiB | Up to 10 Gigabit | EBS only | 0.218 | 0.0820 (62%) |
| i3en.large | Storage optimized | 2 | 8 GiB | Up to 10 Gigabit | 1 x 100 NVMe SSD | 0.232 | 0.0823 (65%) |
| i3en.xlarge | Storage optimized | 4 | 32 GiB | Up to 10 Gigabit | EBS only | 0.2416 | 0.0908 (62%) |
| i4i.2xlarge | Storage optimized | 8 | 16 GiB | Up to 12500 Megabit | EBS only | 0.242 | 0.0955 (61%) |
| i4i.4xlarge | Storage optimized | 16 | 16 GiB | Up to 10 Gigabit | EBS only | 0.242 | 0.0910 (62%) |
| i4i.8xlarge | Storage optimized | 32 | 10.5 GiB | Up to 25 Gigabit | EBS only | 0.26 | 0.0780 (70%) |
| i4i.large | Storage optimized | 2 | 32 GiB | Up to 10 Gigabit | EBS only | 0.272 | 0.1023 (62%) |
| i4i.xlarge | Storage optimized | 4 | 8 GiB | Up to 30000 Megabit | EBS only | 0.273 | 0.0819 (70%) |
| inf1.2xlarge | Machine Learning ASIC Instances | 8 | 16 GiB | Up to 10 Gigabit | 1 x 150 NVMe SSD | 0.286 | 0.1075 (62%) |
| inf1.6xlarge | Machine Learning ASIC Instances | 24 | 8 GiB | Up to 25 Gigabit | EBS only | 0.288 | 0.1203 (58%) |
| inf1.xlarge | Machine Learning ASIC Instances | 4 | 16 GiB | Up to 25 Gigabit | EBS only | 0.298 | 0.1033 (65%) |
| m5.2xlarge | General purpose | 8 | 32 GiB | Up to 10 Gigabit | EBS only | 0.302 | 0.1135 (62%) |
| m5.4xlarge | General purpose | 16 | 32 GiB | Up to 12500 Megabit | EBS only | 0.302 | 0.1192 (61%) |
| m5.8xlarge | General purpose | 32 | 16 GiB | Up to 25 Gigabit | 1 x 150 NVMe SSD | 0.342 | 0.1202 (65%) |
| m5.large | General purpose | 2 | 32 GiB | Up to 10 Gigabit | 1 x 150 NVMe SSD | 0.346 | 0.1301 (62%) |
| m5.xlarge | General purpose | 4 | 32 GiB | Up to 25 Gigabit | EBS only | 0.358 | 0.1259 (65%) |
| m5a.2xlarge | General purpose | 8 | 30.5 GiB | Up to 10 Gigabit | 1 x 950 NVMe SSD | 0.376 | 0.1579 (58%) |
| m5a.4xlarge | General purpose | 16 | 32 GiB | Up to 25 Gigabit | 1 x 150 NVMe SSD | 0.402 | 0.1428 (64%) |
| m5a.8xlarge | General purpose | 32 | 32 GiB | Up to 10 Gigabit | 1 x 937 NVMe SSD | 0.414 | 0.1658 (60%) |
| m5a.large | General purpose | 2 | 32 GiB | Up to 25 Gigabit | 1 x 2500 NVMe SSD | 0.546 | 0.2056 (62%) |
| m5a.xlarge | General purpose | 4 | 16 GiB | Up to 25 Gigabit | 125 GB NVMe SSD | 0.663 | 0.2493 (62%) |
| m5d.2xlarge | General purpose | 8 | 30.5 GiB | Moderate | 3 x 2000 HDD | 0.828 | 0.2366 (71%) |
| m5d.4xlarge | General purpose | 16 | 122 GiB | Up to 10 Gigabit | 1 x 120 SSD | 1 | 0.2799 (72%) |
| m5d.8xlarge | General purpose | 32 | 128 GiB | Up to 25 Gigabit | 1 x 118 NVMe SSD | 1.00038 | 0.2793 (72%) |
| m5d.large | General purpose | 2 | 32 GiB | Up to 5 Gigabit | EBS only | 0.3136 | 0.1314 (58%) |
| m5d.xlarge | General purpose | 4 | 16 GiB | Up to 10 Gigabit | EBS only | 0.3264 | 0.1227 (62%) |
| m5dn.2xlarge | General purpose | 8 | 32 GiB | Up to 5 Gigabit | EBS only | 0.3514 | 0.1321 (62%) |
| m5dn.4xlarge | General purpose | 16 | 16 GiB | Up to 10 Gigabit | EBS only | 0.368 | 0.1384 (62%) |
| m5dn.8xlarge | General purpose | 32 | 32 GiB | Up to 10 Gigabit | EBS only | 0.3872 | 0.1456 (62%) |
| m5dn.large | General purpose | 2 | 32 GiB | Up to 5 Gigabit | EBS only | 0.3904 | 0.1468 (62%) |
| m5dn.xlarge | General purpose | 4 | 16 GiB | Up to 12500 Megabit | EBS only | 0.408 | 0.1486 (64%) |
| m5n.2xlarge | General purpose | 8 | 16 GiB | Up to 10 Gigabit | EBS only | 0.408 | 0.1415 (65%) |
| m5n.4xlarge | General purpose | 16 | 16 GiB | Up to 25 Gigabit | EBS only | 0.416 | 0.1557 (63%) |
| m5n.8xlarge | General purpose | 32 | 32 GiB | Up to 10 Gigabit | EBS only | 0.436 | 0.1639 (62%) |
| m5n.large | General purpose | 2 | 16 GiB | Up to 25 Gigabit | EBS only | 0.456 | 0.1909 (58%) |
| m5n.xlarge | General purpose | 4 | 16 GiB | Up to 10 Gigabit | 1 x 200 NVMe SSD | 0.464 | 0.1645 (65%) |
| m6g.2xlarge | General purpose | 8 | 64 GiB | Up to 10 Gigabit | EBS only | 0.4832 | 0.1817 (62%) |
| m6g.4xlarge | General purpose | 16 | 32 GiB | Up to 12500 Megabit | EBS only | 0.484 | 0.1911 (61%) |
| m6g.8xlarge | General purpose | 32 | 32 GiB | Up to 10 Gigabit | EBS only | 0.484 | 0.1820 (62%) |
| m6g.large | General purpose | 2 | 21 GiB | Up to 25 Gigabit | EBS only | 0.52 | 0.1561 (70%) |
| m6g.medium | General purpose | 1 | 64 GiB | Up to 10 Gigabit | EBS only | 0.544 | 0.2045 (62%) |
| m6g.xlarge | General purpose | 4 | 16 GiB | Up to 40000 Megabit | EBS only | 0.546 | 0.1639 (70%) |
| m6i.2xlarge | General purpose | 8 | 32 GiB | Up to 10 Gigabit | 1 x 300 NVMe SSD | 0.572 | 0.2151 (62%) |
| m6i.4xlarge | General purpose | 16 | 32 GiB | Up to 25 Gigabit | EBS only | 0.596 | 0.2067 (65%) |
| m6i.8xlarge | General purpose | 32 | 64 GiB | Up to 12500 Megabit | EBS only | 0.604 | 0.2385 (61%) |
| m6i.large | General purpose | 2 | 64 GiB | Up to 10 Gigabit | EBS only | 0.604 | 0.2271 (62%) |
| m6i.xlarge | General purpose | 4 | 32 GiB | Up to 25 Gigabit | 1 x 300 NVMe SSD | 0.684 | 0.2404 (65%) |
| r5.2xlarge | Memory optimized | 8 | 64 GiB | Up to 10 Gigabit | 1 x 300 NVMe SSD | 0.692 | 0.2602 (62%) |
| r5.4xlarge | Memory optimized | 16 | 64 GiB | Up to 25 Gigabit | EBS only | 0.716 | 0.2517 (65%) |
| r5.8xlarge | Memory optimized | 32 | 61 GiB | Up to 10 Gigabit | 1 x 1900 NVMe SSD | 0.752 | 0.3158 (58%) |
| r5.large | Memory optimized | 2 | 64 GiB | Up to 25 Gigabit | 1 x 300 NVMe SSD | 0.804 | 0.2857 (64%) |
| r5.xlarge | Memory optimized | 4 | 64 GiB | Up to 12 Gigabit | 1 x 1875 NVMe SSD | 0.827 | 0.3316 (60%) |
| r5a.2xlarge | Memory optimized | 8 | 32 GiB | Up to 25 Gigabit | 225 GB NVMe SSD | 0.948 | 0.3564 (62%) |
| r5a.4xlarge | Memory optimized | 16 | 64 GiB | Up to 25 Gigabit | 2 x 2500 NVMe SSD | 1.092 | 0.4112 (62%) |
| r5a.8xlarge | Memory optimized | 32 | 61 GiB | High | 6 x 2000 HDD | 1.656 | 0.4732 (71%) |
| r5a.large | Memory optimized | 2 | 244 GiB | Up to 10 Gigabit | 1 x 240 SSD | 2 | 0.5599 (72%) |
| r5a.xlarge | Memory optimized | 4 | 256 GiB | Up to 25 Gigabit | 1 x 237 NVMe SSD | 2.00075 | 0.5586 (72%) |
| r5d.2xlarge | Memory optimized | 8 | 96 GiB | Up to 25 Gigabit | 1 x 7500 NVMe SSD | 1.638 | 0.6169 (62%) |
| r5d.4xlarge | Memory optimized | 16 | 32 GiB | Up to 10 Gigabit | EBS only | 0.6528 | 0.2454 (62%) |
| r5d.8xlarge | Memory optimized | 32 | 32 GiB | Up to 10 Gigabit | EBS only | 0.736 | 0.2768 (62%) |
| r5d.large | Memory optimized | 2 | 64 GiB | Up to 10 Gigabit | EBS only | 0.7744 | 0.2912 (62%) |
| r5d.xlarge | Memory optimized | 4 | 32 GiB | Up to 10 Gigabit | EBS only | 0.816 | 0.2830 (65%) |
| r5dn.2xlarge | Memory optimized | 8 | 32 GiB | Up to 12500 Megabit | EBS only | 0.816 | 0.2971 (64%) |
| r5dn.4xlarge | Memory optimized | 16 | 32 GiB | 25 Gigabit | EBS only | 0.832 | 0.3113 (63%) |
| r5dn.8xlarge | Memory optimized | 32 | 64 GiB | Up to 10 Gigabit | EBS only | 0.872 | 0.3279 (62%) |
| r5dn.large | Memory optimized | 2 | 32 GiB | Up to 10 Gigabit | 1 x 400 NVMe SSD | 0.928 | 0.3290 (65%) |
| r5dn.xlarge | Memory optimized | 4 | 128 GiB | Up to 10 Gigabit | EBS only | 0.9664 | 0.3634 (62%) |
| r5n.2xlarge | Memory optimized | 8 | 64 GiB | Up to 10 Gigabit | EBS only | 0.968 | 0.3640 (62%) |
| r5n.4xlarge | Memory optimized | 16 | 64 GiB | Up to 12500 Megabit | EBS only | 0.968 | 0.3822 (61%) |
| r5n.8xlarge | Memory optimized | 32 | 42 GiB | Up to 25 Gigabit | EBS only | 1.04 | 0.3123 (70%) |
| r5n.large | Memory optimized | 2 | 128 GiB | Up to 10 Gigabit | EBS only | 1.088 | 0.4091 (62%) |
| r5n.xlarge | Memory optimized | 4 | 32 GiB | Up to 50000 Megabit | EBS only | 1.092 | 0.3277 (70%) |
| r6g.2xlarge | Memory optimized | 8 | 64 GiB | Up to 10 Gigabit | 2 x 300 NVMe SSD | 1.144 | 0.4301 (62%) |
| r6g.4xlarge | Memory optimized | 16 | 64 GiB | Up to 25 Gigabit | EBS only | 1.192 | 0.4135 (65%) |
| r6g.8xlarge | Memory optimized | 32 | 128 GiB | Up to 12500 Megabit | EBS only | 1.208 | 0.4769 (61%) |
| r6g.large | Memory optimized | 2 | 128 GiB | Up to 10 Gigabit | EBS only | 1.208 | 0.4542 (62%) |
| r6g.medium | Memory optimized | 1 | 64 GiB | Up to 25 Gigabit | 2 x 300 NVMe SSD | 1.368 | 0.4809 (65%) |
| r6g.xlarge | Memory optimized | 4 | 128 GiB | Up to 10 Gigabit | 2 x 300 NVMe SSD | 1.384 | 0.5204 (62%) |
| r6i.2xlarge | Memory optimized | 8 | 128 GiB | Up to 25 Gigabit | EBS only | 1.432 | 0.5034 (65%) |
| r6i.4xlarge | Memory optimized | 16 | 122 GiB | Up to 10 Gigabit | 2 x 1900 NVMe SSD | 1.504 | 0.6317 (58%) |
| r6i.8xlarge | Memory optimized | 32 | 64 GiB | Up to 25 Gigabit | 225 GB NVMe SSD | 1.518 | 0.5706 (62%) |
| r6i.large | Memory optimized | 2 | 128 GiB | Up to 25 Gigabit | 2 x 300 NVMe SSD | 1.608 | 0.5713 (64%) |
| r6i.xlarge | Memory optimized | 4 | 128 GiB | Up to 25 Gigabit | 1 x 3750 NVMe SSD | 1.654 | 0.6633 (60%) |
| t3.2xlarge | General purpose | 8 | 122 GiB | High | 12 x 2000 HDD | 3.312 | 0.9464 (71%) |
| t3.large | General purpose | 2 | 488 GiB | Up to 10 Gigabit | 1 x 480 SSD | 4 | 1.1197 (72%) |
| t3.medium | General purpose | 2 | 512 GiB | Up to 25 Gigabit | 1 x 475 NVMe SSD | 4.0015 | 1.1171 (72%) |
| t3.micro | General purpose | 2 | 48 GiB | 25 Gigabit | EBS only | 1.488 | 0.6225 (58%) |
| t3.nano | General purpose | 2 | 192 GiB | 25 Gigabit | 2 x 7500 NVMe SSD | 3.276 | 1.2337 (62%) |
| t3.small | General purpose | 2 | 64 GiB | 12 Gigabit | EBS only | 1.3056 | 0.4909 (62%) |
| t3.xlarge | General purpose | 4 | 64 GiB | 10 Gigabit | EBS only | 1.472 | 0.5535 (62%) |
| t3a.2xlarge | General purpose | 8 | 128 GiB | 12 Gigabit | EBS only | 1.5488 | 0.5823 (62%) |
| t3a.large | General purpose | 2 | 64 GiB | 12500 Megabit | EBS only | 1.632 | 0.5943 (64%) |
| t3a.medium | General purpose | 2 | 64 GiB | 50 Gigabit | EBS only | 1.664 | 0.6227 (63%) |
| t3a.micro | General purpose | 2 | 128 GiB | Up to 10 Gigabit | EBS only | 1.744 | 0.6557 (62%) |
| t3a.nano | General purpose | 2 | 256 GiB | 12 Gigabit | EBS only | 1.9328 | 0.7268 (62%) |
| t3a.small | General purpose | 2 | 128 GiB | 12500 Megabit | EBS only | 1.936 | 0.7643 (61%) |
| t3a.xlarge | General purpose | 4 | 128 GiB | 10 Gigabit | EBS only | 1.936 | 0.7279 (62%) |
| t4g.2xlarge | General purpose | 8 | 256 GiB | Up to 10 Gigabit | EBS only | 2.176 | 0.8182 (62%) |
| t4g.large | General purpose | 2 | 64 GiB | 50000 Megabit | EBS only | 2.184 | 0.6555 (70%) |
| t4g.medium | General purpose | 2 | 128 GiB | 10 Gigabit | 2 x 600 NVMe SSD | 2.288 | 0.8603 (62%) |
| t4g.micro | General purpose | 2 | 128 GiB | 25 Gigabit | EBS only | 2.384 | 0.8269 (65%) |
| t4g.nano | General purpose | 2 | 256 GiB | 12500 Megabit | EBS only | 2.416 | 0.9538 (61%) |
| t4g.small | General purpose | 2 | 256 GiB | 10 Gigabit | EBS only | 2.416 | 0.9084 (62%) |
| t4g.xlarge | General purpose | 4 | 128 GiB | 25 Gigabit | 2 x 600 NVMe SSD | 2.736 | 0.9619 (65%) |
| x1e.2xlarge | Memory optimized | 8 | 128 GiB | 50 Gigabit | 900 GB NVMe SSD | 2.743 | 1.0313 (62%) |
| x1e.4xlarge | Memory optimized | 16 | 256 GiB | 10 Gigabit | 2 x 600 NVMe SSD | 2.768 | 1.0408 (62%) |
| x1e.8xlarge | Memory optimized | 32 | 256 GiB | 25 Gigabit | EBS only | 2.864 | 1.0068 (65%) |
| x1e.xlarge | Memory optimized | 4 | 244 GiB | 10 Gigabit | 4 x 1900 NVMe SSD | 3.008 | 1.2634 (58%) |
| x2iedn.2xlarge | Memory optimized | 8 | 256 GiB | 25 Gigabit | 2 x 600 NVMe SSD | 3.216 | 1.1427 (64%) |
| x2iedn.4xlarge | Memory optimized | 16 | 256 GiB | 18750 Megabit | 2 x 3750 NVMe SSD | 3.309 | 1.3265 (60%) |
| x2iedn.8xlarge | Memory optimized | 32 | 976 GiB | Up to 10 Gigabit | 1 x 960 SSD | 8 | 2.2395 (72%) |
| x2iedn.xlarge | Memory optimized | 4 | 1024 GiB | 25 Gigabit | 1 x 950 NVMe SSD | 8.003 | 2.2343 (72%) |