- Rust di arm64 menyelesaikan tugas-tugas intensif CPU hingga 5x lebih cepat dari x86
- Arm64 mengurangi latensi cold start di semua waktu pengoperasian hingga 24%
- Python 3.11 di arm64 mengungguli versi yang lebih baru dalam beban kerja yang banyak memori
Pembandingan AWS Lambda tahun ini menunjukkan bahwa arsitektur arm64 secara konsisten mengungguli x86 di sebagian besar beban kerja.
Pengujian mencakup beban kerja yang intensif CPU, intensif memori, dan ringan di runtime Node.js, Python, dan Rust.
Untuk tugas-tugas yang terikat dengan CPU, Rust di arm64 menyelesaikan loop hashing SHA-256 4-5x lebih cepat dibandingkan x86 Rust setelah optimasi perakitan khusus arsitektur mulai diterapkan.
Efisiensi start dingin dan start hangat
Python 3.11 di arm64 juga mengungguli versi Python yang lebih baru, sementara Node.js 22 berjalan jauh lebih cepat daripada Node.js 20 di x86.
Hasil ini menunjukkan bahwa arm64 tidak hanya meningkatkan kinerja komputasi mentah tetapi juga menjaga konsistensi dalam berbagai konfigurasi memori.
Latensi cold start memainkan peran penting dalam aplikasi tanpa server, dan arm64 memberikan peningkatan yang jelas dibandingkan x86.
Di seluruh runtime, arm64 menghasilkan inisialisasi cold start 13–24% lebih cepat.
Rust, khususnya, mencatat waktu mulai dingin yang hampir tidak terlihat pada 16 ms, sehingga cocok untuk aplikasi yang sensitif terhadap latensi.
Performa awal yang hangat juga mendukung arm64, dan beban kerja intensif memori mendapat manfaat dari kemampuan arsitektur untuk menangani alokasi memori yang lebih besar dengan lebih efisien.
Python dan Node.js menunjukkan sedikit lebih banyak variabilitas, meskipun peningkatan dari arm64 tetap ada.
Peningkatan kinerja ini terjadi di lingkungan produksi yang sering terjadi start dingin.
Analisis biaya menunjukkan bahwa arm64 memberikan rata-rata biaya komputasi 30% lebih rendah dibandingkan dengan x86.
Untuk beban kerja memori yang berat, penghematan biaya mencapai hingga 42%, khususnya untuk Node.js dan Rust.
Beban kerja ringan, yang sangat bergantung pada latensi I/O dibandingkan komputasi mentah, menunjukkan perbedaan performa minimal antar arsitektur.
Hal ini menunjukkan bahwa pengoptimalan biaya lebih penting daripada pemilihan waktu proses dalam skenario ini.
Di seluruh beban kerja yang intensif CPU dan memori, arm64 menghadirkan rasio biaya terhadap kinerja yang lebih kuat, yang menegaskan nilainya dalam penerapan produksi.
Tolok ukur ini menunjukkan bahwa arm64 harus menjadi default CPU target untuk sebagian besar beban kerja Lambda kecuali muncul masalah kompatibilitas perpustakaan tertentu.
Beban kerja Rust di arm64 memaksimalkan kinerja dan penghematan biaya, sementara Python 3.11 dan Node.js 22 memberikan alternatif yang solid untuk kasus penggunaan lainnya.
Organisasi yang mengandalkan Lambda untuk aplikasi skala perusahaan atau menjalankan beberapa fungsi dalam satu aplikasi pusat data kemungkinan besar akan melihat peningkatan efisiensi yang jelas.
Dari a stasiun kerja Dari sudut pandang ini, hasilnya menunjukkan bahwa pengembang yang melakukan kompilasi secara lokal untuk beban kerja intensif CPU juga dapat memperoleh manfaat dari build arm64-native.
Meskipun tolok ukur ini sangat luas, beban kerja individu dan konfigurasi ketergantungan dapat memberikan hasil yang berbeda, sehingga pengujian lebih lanjut disarankan sebelum penerapan skala penuh.
Organisasi yang memanfaatkan Lambda untuk aplikasi skala perusahaan atau menjalankan beberapa fungsi dalam satu aplikasi pusat data kemungkinan besar akan melihat peningkatan efisiensi yang nyata.
Dari a stasiun kerja Dari sudut pandang ini, hasilnya menunjukkan bahwa pengembang yang melakukan kompilasi secara lokal untuk beban kerja intensif CPU juga dapat memperoleh manfaat dari build arm64-native.
Meskipun tolok ukur ini sangat luas, beban kerja individu dan konfigurasi ketergantungan dapat menghasilkan hasil yang berbeda, sehingga pengujian lebih lanjut disarankan sebelum penerapan skala penuh.
Melalui Chris Ebert
Ikuti TechRadar di Google Berita Dan tambahkan kami sebagai sumber pilihan untuk mendapatkan berita, ulasan, dan opini pakar kami di feed Anda. Pastikan untuk mengklik tombol Ikuti!
Dan tentu saja Anda juga bisa Ikuti TechRadar di TikTok untuk berita, review, unboxing dalam bentuk video, dan dapatkan update rutin dari kami Ada apa juga.
