dstack项目对AWS小型CPU实例的支持优化

在云计算资源管理中，合理利用不同规格的实例类型对于成本控制和性能优化至关重要。dstack作为一个面向机器学习工作流的编排工具，近期针对AWS EC2实例支持范围进行了重要扩展，特别是对小型CPU实例的适配优化。

背景与需求

AWS提供多种实例类型，其中t系列（如t2、t3）属于"可突增性能实例"，具有较低的基准CPU性能但可通过积分机制实现短期性能爆发。这类实例特别适合开发测试、轻量级任务等场景。原dstack仅支持t2.small（1vCPU/2GB内存）及以上规格，无法满足部分轻量级工作负载对更低资源配置的需求。

技术实现方案

项目团队通过代码变更实现了以下优化：

1. 实例类型扩展：新增支持t2.nano、t2.micro等更小规格实例，同时兼容t3/t3a系列实例
2. 性能策略：保持对burstable实例的统一处理策略，不单独区分其性能特征
3. 资源选择逻辑：在资源调度层面对小型实例进行适配，确保任务可以正确部署

架构考量

值得注意的是，项目团队有意未将更大规格的t系列实例（如t2.large）纳入支持范围。这是基于以下技术判断：

• 当需要更高性能时，直接使用c5/m5等计算优化型实例更为合适
• 避免用户在资源选择时混淆burstable实例与常规实例的性能差异
• 简化资源选择界面，提升用户体验

实际应用价值

这一改进使得用户能够：

• 为轻量级任务选择更经济的实例类型（如t2.nano仅需约$0.0058/小时）
• 在开发调试阶段显著降低云资源成本
• 更灵活地匹配不同工作负载的资源需求

未来展望

虽然当前实现已满足基本需求，但在资源调度策略上仍有优化空间。例如可以考虑：

• 实现burstable实例的积分监控和自动调度
• 根据工作负载历史自动推荐实例类型
• 支持基于spot实例的混合部署策略

这一改进体现了dstack项目对实际应用场景的深入理解，通过精细化的资源管理能力，为用户提供了更具性价比的云计算资源使用方案。