高性能コンピューティングアーキテクチャは、要求の厳しいワークロードに対応するため、演算、メモリ、ストレージ、およびネットワークのリソースを統合したものです。
ハイパフォーマンス・コンピューティング(HPC)は、データを処理し、複雑な計算を高速に実行します。HPCは、高度な人工知能(AI)、機械学習(ML)、シミュレーション、および電子設計自動化(EDA)といった負荷の高いワークロードに対応しています。クラウドへの導入により、ワークロードの変化に応じて割り当て可能な演算リソースやストレージリソースを活用し、オンプレミスのHPC容量を拡張することができます。
HPCアーキテクチャは、計算リソースと、複雑なワークロードを実行するために必要なメモリ、ストレージ、相互接続、およびソフトウェアを統合したものです。クラウド環境では、チームは常にピーク時の利用を見込んでオンプレミスインフラの規模を決定するのではなく、需要の急増に対応するためにリソースをプロビジョニングすることができます。ワークロードに合わせてアーキテクチャを微調整することで、処理時間、パフォーマンス、コストのバランスを最適化できます。
クラウドHPCアーキテクチャの設計原則とは何でしょうか?
ダイナミックな建築
ワークロードの自然な変動に合わせて、容量を拡大・縮小できるように設計します。突発的な負荷がかかるプロジェクトでは、需要のピークとピークの間にアイドル状態になるシステムよりも、弾力性があり、使用量に応じた課金方式のリソースの方が有効です。
データの可視性
データの起源、規模、変化の速度、および更新状況を把握します。データサービス、分析、可視化を活用することで、全体的なパフォーマンスやコストに関する意思決定に役立てることができます。
コラボレーション
どのツール、スクリプト、手法、結果、データを、誰と共有するかを計画してください。これは、複数のチームや地理的に離れた場所をまたぐプロジェクトにおいて特に重要です。
クラウド・ネイティブ デザイン
オンプレミス環境を単にコピーするのではなく、クラウド・ネイティブ のデプロイパターンを検討してください。クラスタの自動デプロイにより、要件の変化に応じて、あるコンピュートクラスタを廃止し、別のクラスタを立ち上げることをチームが容易に行えるようになります。
負荷テスト
移行前に、現実的なワークロードでテストを行ってください。HPCアプリケーションは、メモリ、CPU、ネットワークの挙動、アルゴリズム、モデルの複雑さなどがそれぞれ異なるため、汎用的なベンチマークではそのパフォーマンスを確実に予測できない場合があります。
コスト対時間
時間的制約が比較的緩やかなワークロードについては、コストの観点から最適化を行い、必要に応じてスポットインスタンスやプリエンプティブルインスタンスを活用します。緊急性の高いワークロードについては実行時間を優先し、選択肢を比較する際には、プロビジョニング、データのステージング、およびキュー待ち時間を考慮に入れます。
HPCアーキテクチャはEDAワークロードをどのようにサポートするのか?
EDAのワークロードには、多くの場合、コンピューティングクラスタ、ジョブスケジューラ、および高性能な共有ファイルシステムが必要です。クラウドリソースを活用することで、並列EDAジョブをサポートし、チームが変化するコンピューティング需要に対応できるよう支援できます。アーキテクチャの選定および検証にあたっては、共有データの必要性、メモリ、相互接続のパフォーマンスなど、各ワークロードの特性に基づいて行う必要があります。
ワークロードに合わせて構成されたクラウドベースのHPCアーキテクチャであれば、需要のピークをすべて自社所有のインフラで賄う必要なく、計算負荷の高いAI、シミュレーション、チップ設計のタスクに対応できます。[1]
Synopsys Cloudは、HPCインフラストラクチャと、電子設計自動化(EDA)ソフトウェアライセンスへのオンデマンドアクセスを組み合わせたサービスです。そのクラウドベースのEDAプラットフォームと、あらかじめ最適化されたインフラストラクチャ構成により、チームは既存のワークフローを維持したまま、設計および検証のワークロードを展開することができます。
Synopsys Cloudは、ソフトウェアやクラウドリソースへの柔軟なアクセスを通じて、計算負荷の高いEDAプロジェクトをサポートします。探索する Synopsys Cloudの「詳細を見る 」で、クラウドベースのチップ設計および検証についてご覧ください。