实例规格族是什么
规格族按 CPU 与内存的比例和硬件特性分类：通用型、计算型、内存型、突发型、本地盘型、大数据型、GPU 型与裸金属。选型顺序是先定族再看尺寸——族决定算力与内存配比是否匹配负载特性，尺寸只决定规模大小。
基本信息
| 命名规律 | 系列字母加代际数字再加尺寸，如 g7.2xlarge 表示通用型第 7 代 8 核 32G |
|---|---|
| 典型比例 | 通用型 1:4、计算型 1:2、内存型 1:8 |
| 代际差异 | 数字越大代际越新，单核性能与网络能力通常更好 |
| 选型顺序 | 先按负载定族，再按容量定尺寸，最后核对代际与库存 |
| 可得性 | 不同地域在售的规格族不同，新代际往往先在大地域开放 |
典型使用场景
- Web 与 API 服务：通用型起步，负载涨了先加实例数量再考虑换族
- 高并发短连接：计算型，CPU 与网络包处理能力更强
- 缓存与内存数据库：内存型，避免数据被换出到磁盘导致延迟飙升
- 低负载长尾站点与测试环境：突发型按积分运行，空闲时省下成本
- 高 IOPS 场景：本地 SSD 型，把数据放本地盘换取低延迟
- 离线计算集群：大数据型或计算型搭配本地存储，按任务弹性伸缩
- AI 训练与推理：GPU 型按显存与算力档位选择，注意驱动与镜像配套
主流规格族与用途
| 系列 | CPU 与内存比 | 典型用途 |
|---|---|---|
| 通用型 g | 1:4 | Web 服务、中小数据库、容器节点 |
| 计算型 c | 1:2 | 高并发前端、游戏服务、批处理 |
| 内存型 r | 1:8 | 缓存、内存数据库、大数据处理 |
| 突发型 t | 积分制 | 低负载长尾、个人站点、测试环境 |
| 本地 SSD 型 i | 1:4 | 高 IOPS 场景如 NoSQL 与搜索 |
| 大数据型 d | 1:4 | Hadoop、Spark 本地盘集群 |
| GPU 型 gn | 多档 | AI 训练与推理、渲染、科学计算 |
查询规格族与规格
查询规格族与规格
aliyun ecs DescribeInstanceTypeFamilies --RegionId cn-hangzhou # 列规格族
aliyun ecs DescribeInstanceTypes --InstanceTypeFamily ecs.g7 # 看某族的所有尺寸
aliyun ecs DescribeAvailableResource --DestinationResource InstanceType --ZoneId cn-hangzhou-i # 查库存
# 库存与配额是两个不同的限制，创建失败时要分开确认代际数字越大越新，单核性能与性价比通常更好；老代际只有在价格优势足以抵消性能差距时才值得选。
规格族与云盘、网络能力绑定：同一族内不同尺寸的网络收发包与带宽上限不同，高流量业务要顺带核对这两项。
已运行的实例不能跨族随意变配，冷迁移或重建的成本要提前评估；生产选型时把未来一年的增长量一并考虑进去。
选型时的核对项
- 把业务瓶颈写明：是 CPU 密集、内存密集还是 IO 密集，族的选择直接由这一条决定
- 核对网络能力：不同尺寸的带宽与收发包上限不同，网关类与高并发业务尤其要看
- 核对云盘搭配：族决定可以挂载的盘类型与最大吞吐，别选了高端盘却受实例侧限制
- 核对代际与操作系统兼容性：新代际搭配老旧内核可能缺失驱动或特性
- 核对库存与配额：目标地域在售、目标可用区有货，两条都满足才算选型完成
规格族的数量看着很多，实际常用的只有少数几个：不确定时先用通用型跑起来，靠监控数据定位真正的瓶颈，再针对性换族，比前期反复纠结更省时间。