汎用インスタンス・タイプは、Webサーバー、小規模データベース、開発およびテスト環境など、さまざまなワークロード向けに設計されています。

このインスタンスは、高性能コンピューティング、バッチ処理、科学的モデリングなど、計算集約型のワークロード向けに最適化されており、GPUとコア数の多いCPUを使用して計算能力を最大化します。

このハイメモリ・インスタンスは、高性能データベース、分散型インメモリ・キャッシュ、リアルタイムのデータ処理／ビッグデータ分析など、メモリ集約型のワークロード向けに最適化されています。

このインスタンスは、ビッグデータ、データ・ウェアハウジング、ログ処理など、ストレージ集約型のワークロード向けに最適化されています。大容量のキャッシュとソリッドステート・ドライブ（SSD）を活用して、ワークロードの集中的な読み取りと書き込みをサポートします。

インスタンス・タイプが混在したオートスケーリング・グループにより、CloudOpsチームとDevOpsチームは、リソースの需要をより正確かつ効率的に満たすことができます。例えば、帯域幅のニーズは適切に満たされているものの、CPU使用率がオートスケーリング・ポリシーで設定されたしきい値を超えている場合、ネットワーク・トラフィック処理専用のインスタンスをそのままにして、コンピューティング固有のインスタンスをスピンアップすることができます。

チームがワークロードの需要を把握したら、新しいインスタンスの起動構成テンプレートを作成することもできます。このテンプレートは、新しいインスタンスをスピンアップするためのインスタンス・タイプ、構成パラメーターおよびその他のポリシーに加え、それらがクラウド環境全体にどう貢献するか、を定義します。これにより、組織は仮想マシンのライフサイクルを完全に自動化できます。

水平スケーリング、つまり「スケール・アウト」により、クラウド・コンピューティング環境に、より多くのマシンやノードが追加されます。また、スケール・インして、環境内のノード数を減らすこともできます。

垂直スケーリング、つまり「スケール・アップ」とは、現在のクラウド・コンピューティング環境における既存のノードにRAM、CPU、ストレージなどを追加して、ノードの能力をアップグレードするプロセスです。

予測、動的、スケジュールという、いずれかのオートスケーリング・ポリシーにすることができます。

予測スケーリング・ポリシーは、人工知能（AI）と機械学習を使用して、使用履歴に基づいて今後のリソース・ニーズを事前に予測します。

例えば、予測オートスケーリング・ポリシーは、年末商戦を控えたあるeコマース企業のWebトラフィックが増加する可能性を特定し、設定されたポリシーに従ってスケール・アウトまたはスケール・アップすることができます。これにより、ネットワークの遅延やダウンタイムを事前に最小限に抑えることができます。

動的スケーリング・ポリシーは、リソース・ニーズが発生するとそれに対応し、リアルタイムの使用率に基づいてリソースの割り当てを調整します。動的スケーリング・ポリシーを使用すると、組織は、CPU使用率といった特定のしきい値に到達したときに、特定のノードまたはオートスケーリング・グループにさらに多くのリソースを送信したり、追加のインスタンスをスピンアップしたりすることができます。

例えば、組織が不規則なスケジュールで大量のリソースを消費するWebアプリケーションを実行している場合、動的スケーリング・ポリシーを使用すれば、必要に応じてリソースの可用性を調整することができます。多くの場合、動的スケーリングにはクールダウン期間が伴いますが、その期間においても、増加したリソースは、トラフィックがさらに急増した場合であっても、利用可能です。

スケジュール・オートスケーリング・ポリシーは、あらかじめ決められたスケジュールに従ってリソースを割り当てます。例えば、トラフィックやリソースの需要が朝よりも夕方の方がはるかに高いことが組織でわかっている場合、その需要に対応するためにオートスケーリング・ポリシーを設定できます。