고성능 컴퓨팅 아키텍처 고부하 워크로드를 위해 컴퓨팅, 메모리, 스토리지 및 네트워킹 리소스를 통합합니다.
고성능 컴퓨팅(HPC)은 데이터를 처리하고 복잡한 계산을 신속하게 수행합니다. HPC는 까다로운 인공지능(AI), 기계 학습(ML), 시뮬레이션 및 전자 설계 자동화(EDA) 워크로드를 지원합니다. 클라우드 배포를 통해 워크로드 변화에 따라 할당 가능한 컴퓨팅 및 스토리지 리소스를 활용하여 온프레미스 HPC 용량을 확장할 수 있습니다.
HPC 아키텍처는 복잡한 워크로드를 실행하는 데 필요한 메모리, 스토리지, 상호 연결 및 소프트웨어와 컴퓨팅 리소스를 결합합니다. 클라우드 환경에서는 팀이 항상 최대 사용량을 기준으로 온프레미스 인프라의 규모를 조정하는 대신, 수요 급증에 대비해 리소스를 프로비저닝할 수 있습니다. 아키텍처를 워크로드에 맞게 미세 조정하면 처리 시간, 성능 및 비용 간의 균형을 맞추는 데 도움이 됩니다.
클라우드 HPC 아키텍처의 설계 원칙은 무엇인가요?
역동적인 건축
자연스러운 업무 부하 주기에 따라 확장하거나 축소될 수 있도록 용량을 설계하십시오. 업무량이 급증하는 프로젝트의 경우, 수요 피크 시간대 사이에 유휴 상태로 방치되는 시스템보다는 탄력적이고 사용량에 따라 요금이 부과되는 리소스를 활용하는 것이 더 유리합니다.
데이터 가시성
데이터의 출처, 규모, 처리 속도 및 업데이트 현황을 파악하십시오. 데이터 서비스, 분석 및 시각화를 통해 전반적인 성능과 비용에 대한 의사결정을 뒷받침할 수 있습니다.
협업
어떤 도구, 스크립트, 방법, 결과 및 데이터를 누구와 공유할지 계획을 세우십시오. 이는 여러 팀이나 여러 지역에 걸쳐 진행되는 프로젝트의 경우 특히 중요합니다.
클라우드 네이티브 디자인
단순히 온프레미스 환경을 복제하는 대신, 클라우드 네이티브 배포 패턴을 고려해 보십시오. 자동화된 클러스터 배포를 통해 팀은 요구 사항이 변경될 때 기존 컴퓨팅 클러스터를 폐기하고 새로운 클러스터를 가동할 수 있습니다.
부하 테스트
마이그레이션 전에 실제와 유사한 워크로드를 테스트하십시오. HPC 애플리케이션은 메모리, CPU, 네트워크 동작, 알고리즘 및 모델의 복잡성 측면에서 각기 다르기 때문에, 일반적인 벤치마크만으로는 성능을 신뢰할 수 있게 예측하기 어려울 수 있습니다.
비용 대 시간
시간에 덜 민감한 워크로드는 비용 효율성을 높이기 위해 스팟 인스턴스나 선점형 인스턴스를 활용하는 방안을 고려하십시오. 긴급한 워크로드의 경우 실행 시간을 최우선으로 고려하고, 옵션을 비교할 때는 프로비저닝, 데이터 스테이징 및 대기 시간을 충분히 감안하십시오.
HPC 아키텍처는 EDA 워크로드를 어떻게 지원하나요?
EDA 워크로드에는 대개 컴퓨팅 클러스터, 작업 스케줄러, 고성능 공유 파일 시스템이 필요합니다. 클라우드 리소스는 병렬 EDA 작업을 지원하고, 팀이 변화하는 컴퓨팅 수요에 대응할 수 있도록 돕습니다. 아키텍처는 공유 데이터, 메모리, 상호 연결 성능에 대한 요구 사항을 포함하여 각 워크로드의 특성에 맞춰 선정하고 테스트해야 합니다.
워크로드에 맞춰 구성될 경우, 클라우드 기반 HPC 아키텍처는 자체 인프라를 통해 모든 수요 피크를 충족시킬 필요 없이, 연산 집약적인 AI, 시뮬레이션 및 칩 설계 작업을 지원할 수 있습니다. [1]
Synopsys Cloud는 HPC 인프라와 전자 설계 자동화(EDA) 소프트웨어 라이선스에 대한 온디맨드 접근 기능을 결합한 서비스입니다. 이 클라우드 기반 EDA 플랫폼과 사전 최적화된 인프라 구성은 팀이 기존 워크플로를 유지하면서 설계 및 검증 워크로드를 배포할 수 있도록 지원합니다.
Synopsys Cloud는 소프트웨어 및 클라우드 리소스에 대한 유연한 접근을 통해 연산 집약적인 EDA 프로젝트를 지원합니다. 살펴보기 Synopsys Cloud를 통해 클라우드 기반 칩 설계 및 검증에 대해 자세히 알아보세요. 자세히 알아보기