AWS Graviton es una serie de procesadores de servidor personalizados por Amazon Web Services (AWS), construidos sobre la arquitectura ARM de 64 bits. A diferencia de las instancias EC2 tradicionales que utilizan CPUs x86 de Intel o AMD, las instancias Graviton aprovechan diseños de System-on-a-Chip (SoC) optimizados para las cargas de trabajo específicas de la nube de AWS. La primera generación, Graviton, se basó en el núcleo Cortex-A72 de ARM. Las generaciones posteriores, Graviton2 y Graviton3, utilizan núcleos ARM Neoverse N1 y V1, respectivamente, ofreciendo mejoras significativas en rendimiento, eficiencia energética y seguridad.
En el mundo real, AWS Graviton se implementa en una amplia gama de servicios de AWS. Por ejemplo, las instancias EC2 de propósito general (M6g, M7g), de computación optimizada (C6g, C7g), de memoria optimizada (R6g, R7g) y de computación intensiva (Hpc7g) utilizan procesadores Graviton. Otros servicios como Amazon RDS, Amazon Aurora, Amazon ElastiCache, Amazon EKS, Amazon ECS, AWS Lambda y AWS Fargate también ofrecen opciones para ejecutar cargas de trabajo en Graviton. Esto permite a los usuarios migrar bases de datos, cachés, contenedores y funciones serverless a esta arquitectura, aprovechando sus beneficios de rendimiento y costo.
Para un arquitecto de sistemas, AWS Graviton es crucial por varias razones estratégicas y trade-offs. Ofrece una relación rendimiento/costo superior, lo que puede resultar en ahorros significativos en la infraestructura, especialmente para cargas de trabajo escalables y de alto volumen. Su eficiencia energética contribuye a la sostenibilidad y puede ser un factor importante en estrategias de ESG. Sin embargo, la migración a Graviton implica considerar la compatibilidad de la aplicación con la arquitectura ARM. Aunque la mayoría de las aplicaciones modernas basadas en Linux y lenguajes como Java, Python, Go, Node.js y .NET Core son compatibles, puede requerir recompilación o verificación de dependencias nativas. Los arquitectos deben evaluar si los beneficios de costo y rendimiento superan el esfuerzo de migración y validación, especialmente para microservicios, contenedores y cargas de trabajo de big data que pueden beneficiarse enormemente de esta optimización.